高分一号卫星自投入使用以来，被广泛应用于灾害检测、资源勘探和环境保护等领域。但是，搭载于卫星上的高空间分辨率成像设备，探测波段仅限于可见光到近红外波段，获取到的遥感图像数据会受到云的干扰，数据质量存在不同程度的下降。天空中存在厚云遮挡时，下垫面信息完全丢失;而在薄云覆盖区，图像质量虽然退化，但仍存有可供利用的下垫面信息。为了提高图像定量解译的水平和图像信息的利用率，本文提出了一种综合优化的厚云检测算法，用于剔除图像中的厚云像元。此外，还实现了薄云的检测与去除，用于恢复薄云覆盖下的晴空图像。　　本文云检测算法主要使用了两类特征:光谱特征和空间分布特征。文中充分分析了云和不同下垫面的属性特征差异，从中提取出区分度较高的属性特征作为云检测依据。在纹理检测方面，提出了一种新的子图分割算法用于图像的纹理特征提取。和传统的均匀分割方法相比，本文分割方法降低了单一子图中云像元和下垫面像元同时存在的可能性，提高了纹理检测的精度。　　厚云检测算法主要分为三大部分:首先进行光谱检测，分离植被、水体等典型下垫面;其次为纹理检测，对光谱特征难以检测的云和下垫面进行分离;最后，采用大津法(Otsu)对检测结果进行修正，获取云层边界信息。测试结果表明，本文算法具有良好的厚云检测性能，平均检测正确率在94％以上。　　在对高分1号卫星的波段相关性进行分析的基础上，本文选用HOT方法进行图像薄云的检测。针对HOT方法不适用的部分区间，采用光谱阈值法和形态学操作进行了部分改进。在薄云检测的基础上，本文选用了离散小波变换方法对图像进行去云处理，并将该方法和虚拟云点法、同态滤波方法进行了比较分析，论证了本文方法的有效性。