通过卫星遥感技术,人们可以实时对地进行观测和获取遥感图像数据。遥感图像数据中蕴含的信息,可以广泛作用于各个研究领域,如帮助人们进行地球资源探测、环境气候预测、甚至军事辅助制定战略计划等。然而空中云的存在是个很大的阻碍,云层的遮盖会严重影响遥感图像数据的利用率,因此进行遥感图像云检测研究具有重要的应用价值。本文我们提出了两种基于暗通道处理的云检测算法,通过实验验证,两种算法的准确率、精确度均达到93%以上,Kappa系数达到0.9以上。本文的主要研究工作与内容如下:首先介绍了遥感图像云检测课题的研究目的与意义,分为三类深入叙述国内外有关云检测的基本原理和各种算法,从整体上把握目前的云检测技术和研究方向。其次通过相关知识,分析云区域与地物区域的物理特性和成像特性,总结出了五点具有可分离度的特性,为本文云检测算法设计提高理论基础和依据。针对目前暗通道处理在图像去雾、图像检测等方面表现出的巨大优势,本文首先提出一种新颖的基于暗通道处理的遥感图像云检测算法。利用暗通道处理可以大幅度降低绝大多数图像中地物区域像素点的亮度值,而对云区域像素点亮度值改变不大。因此通过地物区域和云区域在亮度上的差异性,可以将二者分别检测出来。然而,暗通道处理可能对云边缘区域带来误差,降低检测效果。对于此问题,本文又提出一种基于自适应形状暗通道处理的云检测算法,通过增加超像素分割算法来解决边缘问题,即结合超像素分割结果,在暗通道处理过程中加入像素点的相似度判断。通过与文献[52]和基于K均值、模糊C均值的云检测算法进行实验对比,本文所提出的两种算法均具有较高的检测效果,性能显著。综上所述,本文研究的两种遥感图像云检测方法,在实际应用方面都取得了一定的优势,可作为实际遥感图像进行挑选和删除,后续图像传输、分类以及跟踪等处理的理论基础或方法应用。