卫星遥感传感器在获取地面图像时,极易受到天气影响。云覆盖遥感图像使得图像上的地物信息模糊或者缺失,严重影响图像的判读和分析。在当前的情况下,一个非常有效的地物信息恢复方法是增强含云遥感图像可用性的重要途径。本文主要针对Landsat卫星与HJ-1卫星所获取的遥感图像,研究基于图像融合的薄云遥感图像中地物信息恢复算法,主要内容及研究成果如下:1.阐述了薄云遥感图像中地物信息恢复算法的研究目的与意义,介绍了陆地系列卫星与环境一号A、B以及C卫星传感器各波段的基本参数,并介绍了国内外薄云遥感图像的地物信息恢复算法的研究现状。2.介绍了云层的物理特征,阐述了遥感图像预处理的基本理论知识和实现方法,为进一步的研究做准备。3.给出了一种基于PCNN融合和T-SVR的薄云遥感图像中地物信息恢复算法。由于相同地区不同时相的遥感图像之间的地物信息会存在一定差异,故先对薄云遥感图像进行变化检测,对未变化区域进行对偶树复小波变换分解后利用PCNN融合的方法增强高频子带并抑制低频子带,对变化区域进行对偶树复小波变换分解后利用T-SVR方法预测该地区的低频子带,最终重构得到地物信息恢复图像。4.给出了一种融合引导滤波和迁移学习的薄云图像中地物信息恢复算法。首先利用多方向非抽样对偶树复小波变换对薄云目标图像和无云引导图像进行多分辨率分解,再对分解后的低频子带分别进行支持向量引导滤波和迁移学习,对分解后的高频子带利用修正的Laine增强函数进行增强,然后应用基于区域能量的选择和加权相结合的方法对引导滤波输出和迁移学习模型预测的低频子带进行融合,最后对增强后的高频子带和融合后的低频子带进行多方向非抽样对偶树复小波逆变换重构,获得地物信息恢复图像。