杨显琼，秦荣波

（1.长安大学 地球科学与资源学院，陕西 西安 710054；2.贵州省第一测绘院，贵州 贵阳 550025）

1 概述

随着空间对地观测技术的发展，遥感技术逐渐成为获取空间分布信息及其时空变化状况的重要手段[1]。然而，遥感影像极易受到恶劣天气的影响，导致影像饱和度低，色彩失真，细节模糊等问题。直接影响影像目视解译、光谱分析、特征提取等后续工作。

目前，遥感影像去雾算法大致分为：（1）基于影像复原方法。利用影像退化的先验知识来对有雾遥感影像进行复原。该类方法以He[2]的暗通道先验规律为代表。江政远等[3]将有雾遥感影像的雾度划分为轻度薄雾区域、中度薄雾区域以及重度浓雾区域。并采用改进暗通道算法，分别对三个区域进行去雾处理。（2）基于影像增强的方法。该方法不考虑影像退化的物理机制，而只需根据特定的需求，改善图像的视觉效果，增强影像亮度和对比度，突出重要信息，实现影像去雾。邵振峰等[4]通过色彩空间转换，将RGB 空间转换为HSI 空间，在HSI 空间上利用多尺度Retinex 算法对亮度分量进行调整，有效增强低照度遥感影像的视觉效果。

2 改进暗通道去雾方法

暗通道先验规律与大气散射模型相结合已被证明是简单有效的去雾方法。但是，暗通道先验最初是根据无雾的自然图像的统计方法开发的，由于其成像距离不同，这些自然图像与遥感影像有很大差异。分别对几组含雾的自然图像和遥感影像做灰度直方图处理，经统计对比发现，遥感影像相对于自然图像具有向右平移的特性[5]。……