遥感影像的高分辨率、多光谱、大范围动态获取地面数据等特点,使其在国家建设中发挥着越来越重要的作用。然而由于云雨天气的影响,光学遥感影像始终存在着信息缺失、利用率低、资源严重浪费等问题。虽然现在已有许多方法可以实现遥感影像云去除,但目前常用的方法通常需要经过影像精确配准、精确云检测、阈值选取等步骤,存在过程繁琐、操作复杂、人工干预较多、自动化程度不高等缺点。随着近年来压缩感知理论的完善和发展,基于字典学习的稀疏表示法已在图像处理领域显现出引人注目的效果,为遥感影像云去除提供了新的思路。论文针对应用字典学习算法进行遥感影像云去除问题,从遥感影像的云模型出发,在分析比较现有的各类遥感影像云去除方法的基础之上,结合图像压缩感知理论和字典学习算法的比较分析,采用基于块的恢复方法和双字典K-SVD进行遥感影像云去除,并对此方法再改进,加入某种特定的排序规则于字典原子训练的过程中,使得各个影像字典在拥有各自影像属性的同时其原子也具备相似的排列顺序,减小影像间差异的干扰,由此,提出了变序字典学习算法AO-DL进行遥感影像云去除,使得遥感影像云和阴影污染区域的重建取得良好的效果,有着降低了云匹配和检测的要求、操作步骤简单、自动化程度高等优点。论文应用两组相同地区不同时域的资源三号卫星影像进行实验验证,对该算法的云去除效果进行优缺点分析,并对字典学习算法进行遥感影像云去除的未来进行展望。