光学遥感图像在成像过程中,往往受到天气等因素的干扰,特别是云、雾等会影响图像的成像效果,造成清晰度的降低,对后续目视解译工作的进行产生不利的影响。虽然,主动式的雷达可以有效地穿透云雾规避天气的影响,能够以多源补偿的方式对光学遥感图像进行云雾去除,但是其大多以单极化方式工作,使得成像后的空间分辨率有所降低。另外,雷达的重访周期时间较长且其与光学遥感图像的成像卫星处于不同轨道,不一定会同时捕获到同一地物。图像的配准也依旧是多源补偿中需要解决的一大难题,地物位置无法精确判定。可见,单源图像云雾去除在现实生活中同样具有重要意义。因此,本文以单源的光学遥感图像作为研究对象,对其进行云雾去除的研究,具体内容如下:首先,建立了云雾图像的退化模型,详细分析了暗通道相应原理,并对云雾图像的波谱、直方图以及频谱特征进行了讨论。一方面,在大气中散射和反射是云雾影响图像成像的主要原因,通过大气散射模型进一步引出暗通道理论,另一方面,云雾图像的直方图过于集中且云雾信息的频谱主要分布于低频区域。这些分析为进一步深入研究提供了理论支持。其次,对单时相云雾图像进行研究,针对云雾去除算法中容易存在的颜色失真等问题,以暗通道先验模型为基础,提出了基于多尺度修正暗通道的方法,该方法依据云雾图像的频率特性,将多尺度变换与暗通道先验模型进行结合,并将暗通道先验模型中的大气光进行修正,能够有效地将降质图像中的云雾进行去除,并使恢复过程中出现的颜色失真最小化,精确地对清晰图像作近似估计。最后,对多时相云雾图像进行研究,针对传统基于暗通道的方法对浓度较高的云雾图像处理后存在的颜色失真严重且云雾去除不彻底等问题,提出了基于多尺度融合暗通道的关联协同方法,利用不同时相的图像进行信息补偿。该方法从多尺度变换的角度,将稀疏表示和暗通道先验模型进行结合,同时针对融合后图像边缘模糊的问题,引入了人工控制参数对拉普拉斯锐化进行优化。该算法可以将大部分云雾进行去除,并减少光谱失真。