遥感成像易受多种降质因素干扰。为了提升遥感数据（辐射）质量，根据遥感信息的降质特点及其复杂程度，将遥感降质影像信息的增强问题归结为三个层次：降质信息复原、差异信息校正、缺失信息重建（如图2所示），并进行了全面、系统的研究，在将变分理论引入到该领域的研究方面做出了重要贡献。

图2 遥感信息增强研究工作

1.降质信息复原

        降质信息复原是针对各种原因导致的影像噪声与模糊问题进行处理。根据不同类型遥感数据的辐射特征、光谱特征、时序特征、极化特征等，研究室分别提出了条带噪声、光谱噪声、时序噪声、极化噪声、脉冲噪声、乘性相干斑噪声的稳健处理方法；针对传感器离焦导致的影像模糊问题进行了深入研究，并提出了大气雾霾模糊的高保真复原方法。

• 条带噪声去除

• 光谱噪声去除

• 乘性相干斑去除

• 极化噪声去除

• 脉冲噪声去除

• 时序噪声去除

• 离焦模糊复原

• 大气雾霾复原

2.差异信息校正

        遥感影像差异信息校正，是针对各种原因导致的影像辐射亮度空间分布不均匀问题进行处理。将降质成因归纳为传感器、大气、地形、地物、人为五大因素，分别开展了框幅面阵成像不均匀校正、线阵成像相对辐射校正、薄云校正、地形辐射校正、建筑物阴影校正、拼接缝校正等相关研究。

• 传感器校正

• 薄云校正

• 地形校正

• 建筑物阴影校正

• 拼接缝校正

3.缺失信息重建

        遥感影像缺失信息重建，主要是对传感器故障、厚云等因素导致的信息缺失问题进行恢复，同时也可用于目标移除等。本室从自身（空间）信息重建、时相互补信息重建、谱段互补信息重建、时空谱联合信息重建等多个方面进行了综合研究。

• 自身信息重建

        通过建立影像内部的空间关系，利用影像自身信息来填充缺失区域的信息，实现无互补信息情况下单幅影像重建，也用于信息恢复、目标移除、目标隐藏等方面。

• 时相互补信息重建

        时相互补信息重建是基于多时相的观测数据，通过对数据之间互补信息的建模与填充，实现对缺失信息的重建。下图为多时相遥感影像去云的实例。

• 谱段互补信息重建

        利用多/高光谱数据不同谱段之间的互补信息，通过建立谱段之间的关系模型实现对特定谱段的修复处理。此类方法典型应用是利用Aqua MODIS多个波段的互补信息来实现对其第6波段缺失数据的修复，本室提出方法的精度在5%以内，精度远优于NASA官网提供的插值重建结果。

• 时-空-谱联合信息重建

        充分利用数据在空间、时相、谱段域的互补信息，通过建立组合模型或一体化模型，联合对缺失信息进行修复。本室针对Landsat ETM+的数据缺失问题，提出了稳健的信息重建方法，并开发了软件工具，可在本室网站免费下载使用。

4.工程应用

        针对多个系列的国产遥感卫星，设计了先进的信息增强算法，形成了实用的软件系统，部分系统已业务化运行。针对某卫星影像生产的产品，被用户认为精度和质量明显优于加拿大知名地理信息技术公司MDA地面预处理系统的处理结果。