随着光学图像增强方法研究的不断深入,特别是遥感数据的应用日益广泛,对制约遥感图像质量的重要因素—云的研究显得越来越重要。由于存在云噪声,大多数遥感数据不能获得应有的信息,因此在遥感图像中获取地物的信息,必须研究去云的方法。常用的去云方法有多光谱图像法、多幅图像插值法、多源数据融合法、同态滤波法以及采用对云不敏感的传感器方法等等,在一定的条件,对灰度图像较为有效。对于无先验知识的单幅有云噪声的遥感图像,则需要具体问题作具体分析。对光学图像去云方法的研究,首先建立了云噪声影像模型,分析了遥感图像中云的特征,基于波的传播原理,提出了用惠更斯次波法提取遥感图像中云区和云影区,采用边缘模糊的方法,增强所提取区域的信息,进而实现遥感图像局部去云和去云影:基于云区渐变的特性,提出了用高次多项式曲线变换法,拉伸云区像素的灰度值,突出了云区图像的信息。其次基于邻域法分析了同态滤波法的本质,就是在图像中滤去低频信号,正因为云在遥感图像中正好属于低频信息,故同态滤波法也能用于遥感图像去云。深入研究了E.Land在20世纪60年代提出的Retinex思想,以及无数学者在Land的基础上研究获得的各种各样算法,特别研究了工作在NASA和CWM的D.J.Jobson,Zia-ur Rahman,G.A.Woodell(简称JRW)等人的Retinex思想。揭示了Retinex算法的物理本质,提出了改进型多尺度Retinex算法:运用多尺度Retinex算法增强彩色图像后,在其亮度平均值附近以k倍标准差截取,再进行拉伸,在得到的新图像中亮度与对比度的乘积落在[6000,10000]范围内的图像,质量最佳。并得到结论:改进型多尺度Retinex算法增强曝光不足的彩色图像,以k=1倍标准差截取后再拉伸得到的图像最好。改进型多尺度Retinex算法应用于彩色遥感图像去云中,方法是先进行取补色,再应用改进型多尺度Retinex算法,突出云区域中的信息,最后再取补色,这一新方法去除薄云效果最佳。最后,遥感图像去云方法推广到除去高大建筑物的阴影上。采用边缘提取的方法,改进了闭合区域提取的软件,提出了真断点、准断点的判据,将邻点的邻点命名为特征点,有效地提取图像中的闭合区域,将Retinex增强后的图像相应的区域替代后,复合的图像突出了阴影区域的信息。基于小波变换,尝试了基于小波变换的图像增强方法,利用DSP采用小波变换的算法,用CCS编程语言编写边缘提取的工程文件,采用比较法,在显示屏上一半为所摄图像,另一半为实时提取图像中的边缘的图像,效果好。为研究基于DSP实时去雾的方法做好了准备。