利用计算机对数字记录的象元值或遥感辐射值进行各种处理和运算来实现遥感图像的数字处理。遥感图像的数字处理经过通常为：读入遥感图像数据、预处理（恢复处理、几何校正、图像镶嵌、辐射校正）、图像变换、图像增强、图像分类和应用。其中，图像分类可以把一幅多文图像中的每个区域或点归属在若干个类别中的一类或若干个专题要素中的一种，是对图像的理解。根据单幅遥感影像估计高程信息可以应用于滑坡、泥石流等自然灾害的检测，在民用领域和军事领域遥感图像都发挥着非常重要的作用，其应用可以产生巨大的社会和经济效益。因此，单幅遥感影像高程值提取的应用价值对于遥感图像的处理显得很重要。
鉴于遥感图像的高程信息有着很重要的应用价值，所以有很多学者致力于遥感图像的研究，比如遥感建筑物高度的检测。目前的两种获取建筑物高度信息的方法都是通过高分辨率遥感影像获取的。第一种是对立体像进行立体测量；第二种是通过单幅遥感影像用算法推倒为主的方式，研究地面阴影和高度的对应关系，或者通过对地面高程信息和单幅影像成像姿态的比较得到[1]。
本课题通过暗通道原理的研究，其目的是提取遥感图像的高程信息。通过暗通道原理，得到能够反映景物与镜头之间的距离景深图像。本文将其与双边滤波相结合应用于单幅遥感影像高程信息估计。经过分析去雾算法和暗通道原理，我们发现用双边滤波代替时间和空间成本较高的的soft matting过程，可以提高计算的效率。
 1.2  国内外现状
1.3  本文研究内容及技术路线
去雾算法的主要研究工作是研究如何去除降质雾天图像和图像序列中雾气对研究带来的的影响，首先恢复图像序列与图像的本质属性，从而得到清晰的无雾图像与图像序列。目前去雾算法的主要方向是雾天图像退化模型的建立和景深估计方法的正确构造。并且，何凯明提出的暗原色先验理论可以精确估算出场景的深度，并且没有人工操作，有很高的实用价值。因此, 本文的主要研究目标是使用暗通道先验思想，得到透射率图。通过对暗通道去雾算法的研究,指出它的优点和不足，从而对其不足之处提出一种改进的图像去雾方法（基于物理机制）。对于图像序列，通过扩展图像去雾技术，可以高效使用帧间的信息,最终达到一个图像序列平滑、快速的处理的效果。  
何凯明的基于暗通道先验的图像去雾算法能够估计出图像中场景的相对深度,但是算法还有改进的空间。主要在于以下三个方面  ：
（1）何凯明提出的算法对部分图像使用去雾后，颜色很明显的存在失真情况，较大的影响了图像质量，去雾效果不是很理想。
（2）暗通道先验原理本身使得去雾后的图像亮度不高，造成人眼视觉体验不佳，需要额外对图像进行亮度调节。
（3）何凯明在计算高程信息时，首先计算Laplacian矩阵，这样算法的复杂度呈现指数增加之势，处理时间相对较长，达不到图像的实时、快速处理的效果[10]。
何凯明文算法复杂度最高之处在于求解Laplacian矩阵这个地方，这部分主要实现这样一个功能：修正传输图，采用更为准确、快速的方法实现原来的功能。
基于以上内容，本文的结构安排如下：
第一章 绪论。综述了单幅遥感图像的高程信息提取方法研究的背景、研究的意义以及国内外的研究状况。并结合目前研究方法的现状提出了新的研究方向。
第二章 暗通道原理研究。研究了暗通道实现机理以及暗通道衍生出的几种算法，用于单幅遥感图像的高程信息提取。 单幅遥感图像的高程估计研究(2):http://www.youerw.com/jisuanji/lunwen_19336.html