随着航空技术的不断深入,复杂光机图像信息采集技术取得了较大的进步。在采集信息过程中,载机的光学系统受视场大小、温度和杂光等影响,且在图像获取过程中常有相机振动和云雾等因素的干扰,因此在这些情况下捕捉和获取的质量往往不尽人意。获取的图像质量限制了其后续的分析和应用,因此亟需有效的成像系统用以捕获数据,同时,需要有效的处理方法以提高遥感图像质量。本学位论文主要内容分两大部分:其中一部分以自主研制的光学成像系统为研究对象,分析该系统的性能并观测其样张质量;另一部分针对遥感图像中出现的噪点污染、重要信息缺失以及关键特征信息不够突出等进行深入的研究,具体如下:(1)以自主研制的光学系统为研究对象,分析该系统,理论上验证其是否符合复杂光机获取信息的要求;搭建实验装置获取不同情况下的图像数据,采用相关专业软件分析图像细节信息。比对分析结果,评价该系统的性能,同时观测其图像质量。(2)针对复杂光机光学成像系统获取的图像质量低、传统小波变换(WAVELET)不能有效地表示图像边缘纹理和重要特征等信息、传统去噪函数不能有效区分噪点等缺陷,提出了一种新的遥感图像去噪方法。具体采用优化后的Contourlet变换代替传统的Wavelet、优化设计阈值函数、验证该函数的有效性、采用自主研制的光学成像系统获取的图像作为实验数据,验证提出的去噪算法。(3)为了解决复杂光机的光学成像系统获取图像过程中噪声、死像素等造成信息缺失,使得图像质量下降,限制其后续处理的精度的问题,提出了一种新的遥感图像复原方法。环式张量的理论为该方案的基础,并且将贝叶斯概率引入环形张量分解模型中,以预测图像中缺失的信息。在数据空间上,将自适应核范数正则化纳入低秩因子的处理,以更精确的尺度执行奇异值分解。最后,模拟数据集和复杂光机光学成像系统获取的样张被作为实验数据,验证提出的方案。(4)传统图像增强方法不能有效地整合全局信息,常出现图像质量低、重要特征信息不够突出等情况,这严重限制凸显图像有用信息的精度及效率。针对此类问题,提出一种增强遥感数据质量的方法。该方法在整体上采纳张量的观念、对待处理图像进行不同程度的去噪、引入并调配多项先验数据、收集去噪后的一系列图像、构造高阶张量模型,通过Bayes-概率环式张量模型预测并补全重要特征、细节纹理和轮廓等信息。最后进行实验论证该方案。