如今,遥感技术迅速发展,遥感图像被普遍应用于土地资源勘探、工农业、救灾等各个领域。然而,遥感成像设备受到雾天天气的影响,导致拍摄的遥感图像模糊,遥感图像的利用率降低。因此,对于遥感图像进行去雾处理具有一定的研究意义。为了提高图像去雾的质量,在对遥感图像去雾之前,设置了一个前置条件。采用基于VGG19(深度卷积网络)的迁移学习方法对遥感图像进行有雾识别。识别之后,采用条件生成式对抗网络方法对图像进行去雾,该方法摆脱了大气散射模型,直接对图像去雾。本文的主要工作如下:(1)采用基于VGG19的迁移学习雾图识别方法。首先将遥感图像分为有雾和无雾。对VGG19网络进行微调,将网络中的卷积层和池化层对保留下来,将最后的分类部分改为两类。通过对网络进行训练,最终能够对有雾图像进行识别。(2)采用基于条件生成式对抗网络方法对遥感图像进行去雾。在模型训练之前,先将有雾图像和无雾图像进行配对处理。生成网络采用上采样和下采样的网络结构,为了使生成网络生成的图像不会与原图有较大的差别,在损失函数里面加入了距离函数。该网络真正实现了端到端的图像去雾处理。(3)设计高分遥感图像去雾系统。利用VGG19的迁移学习方法和条件生成式对抗网络去雾方法设计了集图像识别模块、图像去雾模块于一体的高分遥感图像去雾系统。通过实验测试,验证了算法在实际应用中的有效性及可行性。