随着遥感传感器技术的不断发展,多云多雨地区光学遥感影像受云雨干扰问题引起了学者们的高度关注,其中云层遮挡问题尤为突出。SAR影像纹理结构信息丰富,全天候、全天时成像且能克服云雾干扰,可作为此类地区光学遥感数据的有效补充,对于图像修复、数据可用性提高及后续分类都具有重要意义。通过总结遥感影像云区检测、图像修复及多源图像融合领域的国内外研究现状,分析遥感图像模糊机理,从图像处理角度对去云修复及图像融合算法进行深入研究,设计适用于多云雨地区多源遥感图像的融合增强方法。论文主要研究成果及结论如下:(1)总结常用云区域检测方法,基于影像光谱特征分析设计光学厚云检测方法;分析现有阴影检测算法,选用最小交叉熵进行云阴影识别处理并通过MATLAB编程实现;引入数学形态学开运算滤除云噪声识别过程中出现的细小噪声、误判斑点等,结果表明该方法可较好地实现云区域的提取。(2)探讨并实现融合光学与SAR影像的云噪声去除及修复方法。通过C#编程实现研究区域Landsat8 OLI多光谱影像云及阴影遮挡区域修复,实验结果证明该算法可有效集成多源数据的优势,达到较理想的修复效果。(3)联合HSV变换和小波变换,利用相关加权改进影像融合方法,实现光学与SAR影像融合增强;引入图像均值、标准差、信息熵、平均梯度等指标对融合增强影像进行主、客观评价,通过比较各项指标表明,该融合增强方法能够保持SAR影像细节,同时增强多光谱影像纹理信息,提高影像解译能力。(4)通过比较分析传统像元光谱分类法和面向对象分类法,选择普适性较优的面向对象方法实现影像分类,结果表明其适用于多源融合影像的相关应用。