光学遥感图像其覆盖范围广,光谱谱段多,在诸多领域有着巨大作用。但目前很多遥感图像的后续分析和应用都是基于成像质量良好的情况进行处理,由于遥感探测系统探测的电磁辐射都需经过大气的辐射传输后才能被传感器接收,因此大气的辐射、吸收和散射等物理干扰都会导致图像质量退化。基于数字图像处理的大气补偿方法由于其成本低,易使用,所以具有广泛的应用前景和价值。但其本质是依托退化模型的数学问题,而当前已有的图像大气退化模型通常假设大气均匀且忽略大气多次散射影响,所以需要进一步拓展和深化退化模型并构建有效的大气补偿技术。同时如何客观全面的对图像大-气退化进行量化评价,是探究大气补偿最优化的关键。本文首先介绍了辐射传输方程和光学波段大气辐射退化仿真模型。然后提出了包含大气多次散射影响和大气非均匀分布的遥感图像退化模型。根据提出的模型,展开了对图像大气补偿技术的研究,构建了完整的图像大气校正算法流程框架。并针对不同的遥感应用需求和特点,对算法框架进行了不同的优化改进,提出了多种大气退化补偿算法。最后对图像大气退化的客观量化评价方法进行了探究。本文提出的图像退化模型,通过空间卷积和引入大气非均匀遮罩项,来对已有退化模型进行了改进。构建的大气退化补偿框架能够利用输入图像构建约束获取模型参数实现去雾。提出的基于Angstrom指数的多波段图像去雾算法,优化了图像各波段透过率估计,提高了对于多光谱遥感数据的处理效率。提出的基于Mean-Shift分块去卷积的图像去雾算法和基于CUDA的遥感图像去雾GPU加速算法,分别通过减少算法的运算量和提高算法的吞吐量来提升算法的运算速度。提出的基于遥感图像的大气分布估计算法,通过图像数据来提取图像场景中的大气分布情况,实现大范围去雾的大气天基监测。利用神经网络模型构建的图像大气退化程度量化评价方法,由于模型具有的非线性和自适应性,使得评价结果同大气退化存在较高的相关性。一系列实验结果比较分析表明,本文提出的模型更加符合实际图像的大气退化情况,因此基于本文模型的大气补偿算法能够获得更为清晰锐利的恢复图像,尤其是对于大气退化程度不一的遥感图像。针对不同应用需求提出的优化算法能够在保持算法效果的同时有效地提高算法的效率。提出的大气分布提取算法能够有效提取遥感图像大气分布情况,实现场景大气情况定性分析。通过对不同图像进行评价,验证了提出的图像大气退化程度量化评价方法同大气退化的相关性,以及同人眼主观评价的一致性。