随着遥感技术的快速发展,遥感图像的应用范围越来越广,应用过程中,对遥感图像的质量要求越来越高。人类的快速发展对自然界产生的破坏,超出了自然界的自愈能力,致使自然灾害频繁发生。如全球多个地方发生海啸、雾霾等极端自然现象。雾霾的季节性出现,容易使获取的光学遥感图像受到污染,产生图像中有效信息减少,图像整体对比度下降等问题。有效信息的减少会降低图像在军事和民用领域的应用价值,同时也会增加经济、时间成本,所以对图像中雾霾去除具有很重要的实际意义和应用价值。在使用Retinex算法和暗通道先验算法进行雾霾去除后,图像在细节恢复和颜色失真等方面存在问题。本文针对这些问题,在利用Retinex理论、暗通道先验理论对光学遥感图像中雾霾去除进行分析后,提出改进的Retinex算法和改进能的暗通道先验算法。本文主要的工作如下。(1)分析雾霾形成的原因、遥感图像成像受雾霾影响的理论基础。研究大气散射模型、雾霾图像退化模型、以及图像的复原、评价等内容,为去除雾霾奠定理论基础。(2)详细分析Retinex理论和算法,针对MSRCR算法对遥感图像中的雾霾去除后,存在细节保留不理想、颜色失真等缺点,通过改变MSRCR算法中sigma参数,使图像的高中低频信息得到更多的保留,达到提高图像细节的效果。(3)通过对暗通道先验算法分析,暗通道图像的质量能够影响去除雾霾后图像质量。对暗通道算法提出改进,使用大小不同的滤波窗口来获取暗通道图像,然后使用引导滤波优化暗通道图像,获取透射率,以此改善图像去除雾霾后颜色失真问题。(4)为解决使用MATLAB进行雾霾去除时,存在软件启动时间长、占用电脑内存大等问题,本文搭建功能专一的图像雾霾操作平台。将文中研究的图像增强算法、暗通道先验算法和本文提出的方法写入该平台,对该平台功能进行了详细的测试,结果表明该平台在对图像雾霾去除时,启动速度快,占用内存少。