1、高分衛(wèi)星自投入使用以來(lái)，被廣泛的應(yīng)用于災(zāi)害監(jiān)測(cè)、資源勘查以及環(huán)境保護(hù)等許多領(lǐng)域。而高分辨率衛(wèi)星數(shù)據(jù)使得在小的空間尺度上面進(jìn)行地表細(xì)節(jié)變化的觀察以及完成人為活動(dòng)對(duì)環(huán)境影響的檢測(cè)等變?yōu)榭赡埽哂兄匾囊饬x。由于搭載在衛(wèi)星上的高空間分辨率成像設(shè)備獲取到的遙感圖像數(shù)據(jù)會(huì)受到云的干擾，數(shù)據(jù)質(zhì)量存在不同程度的下降。當(dāng)天空中存在厚云遮擋的時(shí)候，下墊面信息會(huì)完全丟失;而在薄云覆蓋區(qū)，圖像的質(zhì)量雖然會(huì)退化，但仍有可供利用的下墊面信息。
　　為了提高

2、圖像定量解譯的水平和圖像信息的利用率，有效地去除高分辨衛(wèi)星圖像中薄云的影響，本文針對(duì)圖像的薄云去除進(jìn)行了研究。論文的主要內(nèi)容以及結(jié)論如下:
　　(1)首先對(duì)我們要處理圖像的類型以及表示方法進(jìn)行了介紹，然后對(duì)常規(guī)遙感圖像的退化模型以及受薄云影響的圖像的成像模型進(jìn)行了總結(jié)，并從空間特征和頻率特征這兩個(gè)方面對(duì)遙感圖像云區(qū)的特征進(jìn)行了分析;
　　(2)提出本文所用的方法，對(duì)圖像作Mallat小波分解得到高頻細(xì)節(jié)部分和低頻近似部分，依

3、據(jù)云噪聲在分解系數(shù)中處于低頻部分而地物信息占據(jù)相對(duì)高頻部分的特點(diǎn)，在多尺度分析的基礎(chǔ)上，算法在最大尺度低頻圖像上按照云厚度掩模值對(duì)云區(qū)進(jìn)行線性處理;對(duì)于高頻子帶圖像根據(jù)尺度的不同運(yùn)用非線性增強(qiáng)算子進(jìn)行不同程度的增強(qiáng)，從而提高圖像的清晰度，最后對(duì)經(jīng)過(guò)重構(gòu)后的圖像作中值濾波以減少高頻云的影響。針對(duì)高分一號(hào)衛(wèi)星圖像進(jìn)行了試驗(yàn)，試驗(yàn)證明該方法能夠取得比較好的效果。
　　(3)設(shè)計(jì)薄云去除軟件，在功能上實(shí)現(xiàn)了TIFF圖像的讀取、顯示、保存、