本書主要闡述了與無人機偵察圖像去雲處理的相關理論和方法，包含無人機圖像拍攝機理以及無人機圖像的雲區檢測、雲濃度分級、薄雲去除、厚雲去除和去除後的效果評價；雲霧圖像的形成機理，分別介紹了大氣中雲霧的成像機理和航拍圖像中雲的特征，最後給出了薄雲霧和厚雲環境下的圖像退化模型；從圖像出發得出的雲等級劃分；基於閾值遞歸選取和引導濾波的航拍圖像雲檢測算法；針對無人機圖像中的薄雲提出一種改進暗通道的快速去除方法；進而研究了一種基於深度卷積對抗生成網絡的航拍圖像修復去厚雲方法；針對雲去除以後的效果評價問題進行了探討。

李從利，男，1973年生，安徽懷遠人，1997年本科畢業於山東大學，2004年研究生畢業於解放軍炮兵學院獲碩士學位，現任陸軍炮兵防空兵學院兵器工程繫副教授，軍隊院校育纔獎銀獎獲得者。長期從事無人機圖像處理、光電信息處理以及導彈工程相關的教學和科研工作。

1圖像雲去除概述1.1雲去除研究背景1.2圖像雲霧去除研究現狀1.2.1 圖像去霧、薄雲方法研究現狀1.2.2 圖像去厚雲方法研究現狀1.3本書研究內容及特色1.3.1 研究的主要內容1.3.2 本書特色2無人機含雲圖像分析及深度學習基礎2.1 大氣中雲霧的形成機理2.2 航拍圖像中雲的特征2.2.1 光譜特征2.2.2 空間特征2.2.3 紋理特征2.3 雲霧圖像的退化模型2.3.2 厚雲圖像的退化模型2.4 深度學習概念及技術2.4.1 深度學習2.4.2 自動編碼器2.4.3 卷積神經網絡2.4.4 生成對抗網絡（GAN）2.4.5 深度卷積生成對抗網絡（DCGAN）2.4.6 卷積運算2.4.7 轉置卷積2.4.8 激活函數2.4.9 批標準化2.5 小結3 無人機圖像雲區檢測3.1圖像分割相關知識3.1.1 Otsu分割算法3.1.2 最小誤差分割算法3.1.3 最大熵分割算法3.2 基於閾值遞歸選取和引導濾波的雲區檢測方法3.2.1 初步雲區檢測3.2.2 細化雲檢測3.3 實驗結果與分析3.4 小結及展望4 無人機圖像含雲濃度分級4.1 相關工作4.2 含雲圖像特征分析4.3 構建有雲圖像評價算法模型4.3.高斯模型和馬氏距離4.3.2 算法描述4.4 實驗與結果分析4.4.1 主客觀一致性實驗4.4.2 含雲濃度分級劃分4.4.3 其他相關實驗4.5 小結及展望5 無人機圖像薄雲霧去除5.1 暗通道先驗去雲霧算法5.1.1 暗通道先驗5.1.2 大氣光A估計5.1.3 透射率估計5.1.4 恢復清晰圖像5.1.5 存在的問題5.2改進暗通道先驗方法的薄雲霧去除5.2.1 四叉樹算法估計大氣光5.2.2 改進透射率求取5.3 實驗結果與分析5.3.1 主觀分析5.3.2 客觀評價5.4 小結及展望6 無人機圖像厚雲去除6.1引言6.2 模型構建6.2.1檢索模塊6.2.2仿射網絡6.2.3兩階段修復DCGAN網絡6.2.4損失函數6.3實驗6.3.1訓練、測試及配置6.3.2中間結果6.3.3仿真雲掩膜實驗6.3.4真實含雲圖像實驗6.4 小結及展望7 無人機圖像質量盲評價7.1 引言7.2 無人機圖像特征分析及提取7.2.1 圖像特性分析7.2.2 基於空域自然場景統計的圖像結構性測度7.2.3 基於信息熵的圖像完整性測度7.2.4 基於HSV模型的圖像顏色性測度7.3 多失真圖像質量評價模型構建7.3.高斯模型7.3.2 評價模型及指標7.4 實驗結果及分析7.4.1 參數設置和實驗數據庫7.4.2 評價實驗結果7.4.3 結果對比分析7.4.4 分塊實驗、運行代價及特征貢獻7.5 小結及展望8 後記