无人机遥感技术作为一项新的空间数据获取的重要手段,近年发展尤为迅速,和传统的卫星遥感和载人机航空遥感相比,无人机遥感具有更高的分辨率和高时效。但是无人机遥感在雾天获取的影像就会受到大气中悬浮颗粒的散射作用干扰,导致最后获取的影像清晰度和对比度降低,色彩失真,对影像后续的目标识别和跟踪等应用造成极大的困难。因此,对无人机航拍影像雾化去除技术的研究具有非常重要的实际意义。本文的研究工作如下:首先,本文对无人机航拍图像的两类去雾方法进行研究。在研究基于非模型去雾的图像增强方法的基础上,得出该类方法主要通过改善图像的颜色和对比度实现去雾,虽然算法简单易实现,但去雾效果不佳。而基于模型的图像复原方法通过暗通道等先验理论,求出透射图和全球大气光,再结合大气散射模型来复原无雾图像。这一类方法时间复杂度和效果都比图像增强去雾法有优势。因此,本文通过研究对比了两类去雾方法的优缺点,最后选定基于大气散射模型的暗通道先验去雾方法。其次,利用大气散射模型复原无雾图像的时候,需要优化通过暗通道先验理论求出的粗糙大气透射图。但现有滤波优化透射图方法,还存在着无雾图像的边缘位置产生“光晕”的问题。针对这一问题,本文提出了一种自适应权重的引导滤波方法。图像非局部特征结构张量的主特征值可以准确的描述图像的结构特征与边缘,因此,本文将图像的非局部特征结构张量的主特征值作为权重加入引导滤波,获取结构特征与边缘更加准确的引导图像来优化透射图,再通过大气散射模型来复原出无雾图像,既能解决无雾图像的“光晕”问题,又可以提升图像的去雾效果和去雾后的图像质量。最后,利用无人机获取有雾影像设计本文提出方法与传统引导滤波、双边滤波等去雾算法进行主观与客观对比与分析实验。设计在不同浓度下的去雾效果和对去雾图像建筑物的识别实验。实验结果表明,本文方法可以在与经典的传统去雾方法时间基本相同的基础上有效的抑制无雾图像边缘位置“光晕”现象,并且复原无雾图像在色彩和对比度上更加接近原始雾图。