光谱解混可以有效提升高光谱图像的利用效率。非负矩阵分解(NMF)常用于寻找非负数据的线性表示,可以有效解决混合像元问题。基于丰度的稀疏性和图像局部不变性提出一种高光谱解混算法。对丰度采取稀疏性约束和基于拉普拉斯矩阵的图正则项约束,构造了一个新的目标函数,端元和丰度在经过若干次迭代后取得了较好的解混合结果。该算法在模拟和真实数据上都进行了有效性验证,实验结果证明所提算法具有良好的解混性能。

均匀路径中图像退化光学模型广泛应用于大气中退化图像的复原，而对于斜程观测情况，视线路径中的光照和光学性质是非均匀的, 即使在水平路径中也会面临不均匀的状况。从平面平行大气辐射传输理论出发，建立了非均匀路径中图像退化光学模型，并在典型大气、观测条件下对模型进行了仿真分析。结果表明，对于近水平观测，非均匀路径退化模型简化为均匀路径中的退化模型；当观测距离较小时，两个模型在表达形式上是一致的，并且相对于长波段，短波段更满足此结论；不同观测方向和太阳的方位角差对退化模型的影响只在于观测处背景光的不同；此外，退化模型依赖于近地面水平能见度。

现有场景分割方法主要依赖于图像亮度、颜色和纹理等特征，然而在雾天图像中提取这些特征将变得困难且不稳定.基于此本文提出了适用于雾天图像场景分割的特征矢量，以及相应的特征提取算法.特征矢量由目标偏振度、深度和颜色三部分组成.特征提取算法分别为：用去相关的方法从图像偏振度分离出大气偏振度和目标偏振度；根据雾天退化模型和雾天图像偏振表示形式推导出场景深度信息；利用两幅偏振图像求出非偏振彩色图像，从而得到场景的颜色信息.将这些特征构成的特征矢量用于基于图的分割算法中，并从两个方面比较了仅使用颜色特征和使用本文特征矢量的分割结果.最后得出结论：对于雾天图像而言，这些特征比通常的颜色特征更加有效和鲁棒.

由于大气中气溶胶和湍流的存在,致使图像质量退化,依据退化的物理过程,建立了基于大气调制传递函 数(modulation transfer function, )的退化模型,从而进行图像复原。首先,利用图像拍摄时刻湍流和 气溶胶的相关大气参数,估算出粗略的大气;其次,采用一种指数调节曲线的方法,指数因子通过迭 代递归的方法确定,并以复原图像平均梯度最大为截止条件,从而得到更加精准的曲线；最后,给出 了实验结果,并对其进行定量评价,结果表明复原后的图像在视觉效果和定量指标上都有很大提高。

大气的吸收和散射以及湍流效应是造成大气中长距离成像质量下降的主要原因,分析了导致图像恶化的大 气因素和大气调制传递函数(modulation transfer function, MTF)。由于准确获取大气MTF是以大气MTF的 图像复原技术研究为基础,较系统地总结了大气湍流和大气气溶胶的MTF理论结果,给出了 可能的应用思路。

利用改进的BP算法,结合Mie散射理论, 建立了波 长、散射系数、吸收系数与气溶胶粒子等效复折射率之间的非线性映射关系,实现 了反演实际大气非均匀气溶胶粒子等效复折射率的BP神经网络模型的建模。利用该 模型对气溶胶粒子等效复折射率进行了反演,根据反演得到的等效复折射率计算了 其光学特征量,计算结果与实测结果基本吻合。