云由大气中的水滴、冰晶遇冷凝结聚集形成，覆盖全球60%以上的天空。大量存在的云，对遥感信息的获取具有非常大的影响，不仅降低了高分卫星数据的质量，而且为数据后期的使用增加了难度。对高分卫星影像进行云检测，有利于其数据的充分使用，对提高高分数据的利用率具有十分重要的意义。　　论文基于PARASOL数据并利用偏振图像的多光谱特性和偏振特性构建了针对DPC数据的云检测算法原理模型。对于陆地区域，该模型首先利用蓝光波段的动态反射率阈值对像元进行预检测，其动态阈值是基于该波段不同大气模式下的PARASOL数据统计获得的；然后对预检测后的像元，利用动态的表观压强阈值进行检测，该动态阈值由不同地表的归一化植被指数计算获得；最后利用近红外波段偏振反射率阈值对像元进行检测，该固定阈值是基于此波段不同大气模式下的PARASOL数据统计获得的。对于海洋区域，该模型首先利用动态的表观压强阈值进行像元的云检测，其动态阈值是由不同大气模式下的PARASOL765nm波段数据与矢量6S模型模拟结果计算获得；然后利用动态的近红外波段反射率阈值对像元进行云检测，其动态阈值是基于该波段不同大气模式下的PARASOL数据统计获得的；再对经过上述两种检测的海洋区域像元，使用固定的偏振反射率阈值进行检测，该固定阈值由不同大气模式下的PARASOL865nm波段偏振反射率值统计获得；最后使用固定的蓝光波段偏振阈值对像元进行检测，其固定阈值由该波段 PARASOL数据计算获得。在此基础上，云检测算法进一步增加了像元冰雪覆盖表面的订正，从而有效剔除了存在冰、雪的下垫面像元。通过将冰雪覆盖表面订正前后的云检测结果与PARASOL二级数据对比，发现未经冰雪覆盖表面订正的云检测结果的精度在90%左右，而冰雪覆盖表面订正后的结果更加准确。将该云检测方法和获取的动态阈值应用于不同区域PARASOL数据的云检测，分别将基于单一阈值和动态阈值的云检测结果与PARASOL二级数据对比，发现动态阈值云检测效果更好，精度更高。将云检测结果与PARASOL二级数据在精度上差异较大的部分与同属于A-Train系列卫星中的 CloudSat云产品对比后发现，基于动态阈值法的云检测结果与CloudSat云产品相似度更高，论证了动态阈值云检测结果优于固定阈值云检测结果，说明动态阈值具有合理性。该算法为我国即将发射的高分五号 DPC卫星影像云检测算法构建了原理模型。　　同时，对具有多光谱特性的高分辨率高分一号、二号卫星影像，采用数学方法对其进行云检测。利用多光谱算法对经过基础图、二值图的构建后的陆地像元进行云检测；海洋像元则使用红光波段检测算法进行云检测。从视觉上对水体、森林、农田、城市、海洋下垫面的云检测结果进行了对比分析。结果表明该算法对于水体、森林、农田、海洋下垫面上空的薄云和厚云均可识别，且识别效果较为准确。高分一号、二号卫星影像云检测算法为高分一号、二号卫星云产品的形成奠定了理论和算法基础，有助于提高高分数据的利用率。