搭载在航空和航天遥感平台上的传感器在成像的瞬间受到传感器本身、光照、大气以及复杂地表等多种因素的影响,导致遥感观测影像的降质,其中一种降质表现为影像的亮度不均。根据影响范围,亮度不均分为整体亮度不均和局部亮度不均。影像的整体亮度不均的主要表现为同种地物在同一场景中呈现较大的亮度差异,其主导因素是传感器本身和成像瞬间的光照条件；影像的局部亮度不均主要表现为局部亮度的过亮或过暗,根据成因的不同主要包括云(厚云、薄云和雾霭)和阴影两类,前者的成因是浑浊大气的散射引起的亮度值增加,后者的成因是障碍物阻挡造成的亮度值降低。无论是整体还是局部的影像亮度不均都极大地影响了遥感影像对地表真实情况的反映,不仅从视觉上影响人工解译,同时对遥感制图和后续分析和处理的精度也会产生负面影响。因此,校正遥感影像中的亮度不均具有重要的研究和应用价值。由于光照、大气和地表等多种因素造成影像亮度不均的物理机制不尽相同,所以针对不同成因的亮度不均,需要分别根据其特性研究相应的检测和补偿方法,校正亮度畸变和缺损,尽可能地还原地表的真实信息。传统的影像亮度校正方法通常模型间差异较大,推广性不足。本文针对多种因素造成的影像亮度不均,分析相关分量的物理特性,利用变分模型的易扩展性,建立相应的变分校正模型,主要研究内容如下：提出一种感知驱动的影像亮度不均变分校正模型(PIVM),用于校正遥感影像的整体亮度不均。该模型借鉴人眼视觉系统(HVS)局部判别、色彩恒常和非线性的特性,以Retinex理论模型为基础,基于灰度世界准则对色彩均衡的反射分量直接求解。PIVM根据构成影像的各个分量的物理特性,对其分别施加相应的先验约束：首先,光照分量的空间平滑性,模型采用各项同性扩散的H1半范数对其进行约束；其次,反射分量包含多种地物信息,同质区、纹理以及边缘,模型采用H’半范数和全变分(TV)的组合对其进行自适应约束。本文采用最速下降法对包含两种先验的感知驱动变分模型进行求解,经过有限次的迭代后获得稳定解。实验结果表明PIVM方法能够有效消除影像的整体亮度不均,约束结果的数值动态范围,增强对比度。与原始的Retinex变分模型相比,PIVM的校正结果亮度更均衡,克服了原模型对高亮区欠校正和低亮区过校正的缺点。提出一种基于梯度的可见光影像与短波红外(SWIR)影像的变分融合方法,可以用于增强可见光影像的边缘和纹理,同时去除薄云/雾霭。大气散射在具有不同波长的各个波段间存在较大差异,SWIR的波长足够绕过薄云/雾霭粒子,因而成像能够避免云雾的干扰,呈现清晰的纹理和边缘；同时SWIR波段与可见光波段之间又具有线性相关性。方法利用SWIR波段的以上特性,通过变分的梯度融合模型,将SWIR波段上的代表纹理和边缘的梯度信息融合到可见光影像中,产生具有清晰细节的可见光影像。为了能够有效去除可见光影像中的薄云/雾霭,本文基于瑞利散射建立了薄云/雾霭在红绿蓝波段散射能量值与波长的定量关系,提出了均值雾霭投影(MHP),将其用于约束可见光影像与SWIR影像的变分梯度融合过程,最终实现增强可见光影像的同时去除薄云/雾霭的目的,并且较好地复原多光谱影像的原始光谱信息。提出一种非局部约束的高分辨率遥感影像阴影去除方法。阴影广泛存在于高空间分辨率的遥感影像中,造成了影像信息的缺损甚至丢失,给遥感影像的分类和目标检测等应用造成了障碍。本文分析了阴影在高分辨率遥感影像中的特性,建立了一种非局部约束的空间自适应阴影去除方法。方法利用软阴影来定位和定量地描述影像中的阴影,充分顾及了阴影的不均一性和半影的存在。在构建阴影补偿的先验模型时,对阴影分量和无阴影分量同时施加非局部约束。其中,阴影分量为局部平滑的二维空间,其结构与软阴影的结构一致,因此通过软阴影来计算非局部权重,构造对阴影分量的非局部先验项。当阴影覆盖了多种地物类型时,由于不同地物对阴影的响应程度不同,因此方法顾及了地物的空间特性,首先对阴影内部地物进行聚类,联合聚类结果与软阴影来获得非局部权重,得到空间自适应的非局部约束项。另外,为了保证阴影去除结果具有较高的信噪比,方法对无阴影分量也施加了非局部约束,其正则化系数与像素的阴影概率成反比,以达到充分消除原始阴影边缘伪痕的目的。以上补偿仅针对阴影概率大于0的阴影区域,非阴影区域保持原始亮度不变。多幅航空遥感影像的实验结果证明,非局部约束的阴影去除方法能够有效补偿阴影区域的信息缺损,同时抑制边缘伪痕。