無人機等航拍設備拍攝時易受云霧天氣的影響，云霧噪聲的存在嚴重干擾了航拍圖像的后續(xù)處理。為研究方便，一般情況下可將云霧分為薄云、厚云兩類，學者們經常將霧歸為薄云加以處理且取得了較好效果，厚云的出現會導致遮擋部分的信息不可逆損失，造成圖像質量降低，地物信息不連續(xù)，目標區(qū)域不完整，給后續(xù)的語義分割、目標檢測與識別帶來不可預知的影響。采取合適的云霧去除算法能有效地增強無人機等航拍圖像的清晰度和利用率，具有十分重要的理論意義和應用價值。
　　目前對于厚云的研究主要集中在衛(wèi)星遙感領域，其目的是增加遙感圖像信息的可用性，該領域每年在頂級會議和期刊上均有論文發(fā)表，已形成不少研究成果。去厚云可理解為云區(qū)像素的“填充生成”，常用方法可歸為多光譜法、多時相法和圖像修復法三類。多光譜法利用各光譜的相關性，假設在圖像局部某些光譜像素值具有確定的函數關系。多時相法利用不同時間同一地區(qū)的圖像進行云區(qū)圖像塊的拼接和預測。圖像修復法假設云覆蓋區(qū)域與其他像素具有像素值和紋理的一致性，利用空間信息對缺失像素進行插值。無人機圖像云去除與遙感圖像云去除具有相似性，同時也具有自身的特點，如無人機載荷和存儲的限制，很難攜帶類似衛(wèi)星的多光譜成像裝置，成像高度不同且航跡不固定。
　　本書研究的無人機圖像拍攝于2000m以上高空，不同于衛(wèi)星遙感圖像和民用無人機圖像，已有的遙感圖像去云的相關工作為本書的研究提供了很好的參考和借鑒，但直接作用于無人機圖像去云存在一定障礙：一是在無人機飛行高度和分辨率水平上，不同圖像呈現多種地物多種分布，現有方法對此還缺少研究；二是現有圖像修復方法大多是針對單幅圖像，沒有充分利用圖像間的信息；三是對于大云區(qū)遮擋、多分布、多類型地物的無人機圖像，修復結果往往會出現紋理斷裂、預測失誤、輪廓模糊，造成偽跡偽影的情況。
　　另外，圖像去云屬于不適定問題，去云后填充的像素值可能存在多種解，解空間的不同選擇產生的效果也各有差異，一般來說云去除恢復的準確度隨著云遮蓋區(qū)域面積的增加而下降，如何對恢復的準確度進行客觀評價也是一個重要問題。目前針對無人機含云圖像的去除問題研究剛剛起步，因此本書的內容具有一定的新穎性。
　　全書分為7章：第1章介紹研究背景并綜述分析國內外圖像去云霧技術的研究現狀，給出本書的研究內容和章節(jié)安排；第2章介紹無人機圖像云霧去除相關的基礎知識，包括了大氣中云霧的成像機理和圖像特征，簡要描述薄云霧和厚云環(huán)境下的圖像退化模型，最后給出后續(xù)使用的深度學習和圖像質量評價相關知識；第3章介紹一種基于閾值遞歸選取和引導濾波的航拍圖像云檢測算法；第4章嘗試分析從圖像質量角度出發(fā)給出的云等級劃分，為后續(xù)的云去除提供自動化選擇手段；第5章針對無人機圖像中的薄云提出一種改進的暗通道快速去除方法；第6章設計了一種基于深度卷積對抗生成網絡的圖像修復去厚云技術及方法；第7章針對厚云去除以后的效果評價問題進行了探討。
　　本書利用當前深度學習理論針對無人機圖像云去除問題進行研究，既有明確的工程應用背景，也是新技術的拓展嘗試；撰寫過程中，已畢業(yè)研究生張思雨、薛松兩位同志也做了相關內容構建的工作。
　　借此機會對審閱本書的專家表示誠摯的感謝，他們提出的意見對本書的成稿幫助極大。由于作者水平有限，加上可供借鑒的無人機圖像云去除資料較少，故書中難免會出現不妥或錯誤之處，懇請讀者進行批評和指教。
　　本書出版得到了國防工業(yè)出版社的大力支持，獲軍隊重點課題（LJ2019A020098）的出版資助。