近年来,遥感成像技术成为了众多国家和科研机构的重点研究方向,但是受技术限制,大多数遥感图像无法避免拍摄图像被云层覆盖。因此,需要采取一定的技术手段解决局域范围内的云层遮挡问题。传统的去云方法主要对薄云和厚云分别处理,但是薄云常伴随着厚云一起出现,难以采用单一方法进行去除。为此,本文研究一种有效的去除分布范围较小的云层方法。由于此类云层相对于大规模遥感图像所占区域较小,具有显著的稀疏特性,所以,本文从云层的稀疏特性出发,采用低秩矩阵恢复中的鲁棒主成成分分析(RPCA)方法进行去云处理,以达到有效去除稀疏云层的目的。本文主要工作以及创新如下:(1)遥感图像去云原理及图像配准研究。本文在分析遥感图像去云的基本原理及常见算法步骤的基础上,针对遥感图像预处理中的配准问题,提出一种基于云量子粒子群(CQPSO)的粗糙集近似约简和SIFT特征的遥感图像配准方法,将粗糙集约简理论引入标准SIFT算法上,对特征向量降维,并用CQPSO的思想对粗糙集进行优化,通过实验验证了该算法可以有效提升配准精度。(2)RPCA常用算法分析及改进。本文针对RPCA中的常用算法进行了算法研究,由于常用算法在处理较大规模复杂矩阵时存在计算准确率降低、计算速度慢等问题,为此,提出一种改进的RPCA算法,即采取似零范数构造新的RPCA模型,并采用基于粗糙SVD的近似多级降维方法进行求解。经仿真对比分析,结果表明改进的RPCA算法无论在计算精度还是计算速度上均优于常用算法。(3)改进RPCA算法在遥感图像去云中的应用研究。为解决常见去云算法无法实现成分复杂的云层去除问题,提出一种采用改进的RPCA的去云算法,通过构造低秩观测矩阵,利用改进的RPCA算法去除稀疏云层遮挡,最后重构出无云遥感图像序列。实验结果表明,本文提出的去云算法能够去除复杂稀疏云区的云层遮挡,从主观视觉和客观质量两方面均优于常用算法。