1.一种去除城市遥感图像中雾霾的方法，其特征在于，包括以下步骤：步骤1：输入城市遥感图像；

步骤2：获取城市遥感图像的色彩信息；

步骤3：把色彩信息中单波段的灰色图像转换成彩色图像；

步骤4：对输入的城市遥感图像进行傅里叶变换；

步骤5：获取相位特征；

步骤6：构造对数Gabor滤波器并提取图像幅度特征；

步骤7：对幅度特征进行颜色补偿；

步骤8：获得相位幅度特征；

步骤9：用多尺度Retinex理论对城市遥感图像进行雾霾去除处理；

步骤10：进行局部直方图均衡化处理；

步骤11：进行小波多尺度分解和融合处理；

步骤12：输出结果；

所述的步骤9中用多尺度Retinex理论对城市遥感图像进行雾霾去除处理的具体步骤为：步骤9.1：获取的图像I(m,n)看作是环境入射光和物体反射相乘的结果，那么它可以用式(5)来表示；

I(m,n)＝L(m,n)·R(m,n)                       (5)式中I(m,n)表示用光学传感器获取的图像，即受到了雾霾影响而降质的图像，(m,n)表示像素点的空间位置；L(m,n)表示入射的环境光，即要消除的干扰信息；R(m,n)表示物体表面反射光，即需保留的图像信息；

对公式(5)两边取对数，并进行调整，得到式(6)，

r(m,n)＝log[R(m,n)]＝log[I(m,n)]‑log[L(m,n)]                        (6)其中L(m,n)用下式进行计算，L(m,n)＝G(m,n)*I(m,n)                        (7)式中的G(m,n)为高斯函数，其定义如下：

式中参数σ既为高斯函数的标准偏差，又为其尺度参数；

多尺度Retinex(MSR)算法就是把不同单个尺度Retinex(SSR)算法处理结果进行加权求和，然后把它作为最后的处理结果，其定义如式(9)所示，式中的i为颜色通道数，i∈{1,2,3}，对应于彩色图像的R通道、G通道和B通道；M表示尺度参数值的个数，j表示参数值M中的第j个尺度参数σ，rji(m,n)表示第j尺度下第i颜色通道的反射分量，ri(m,n)表示第i颜色通道经Retinex算法处理后的反射分量，wj为尺度参数值的权值；

步骤9.2：MSR算法中尺度参数σ的个数M及其数值的设计，设置了两种多尺度参数个数和数值方案，具体如下：MSR算法中尺度参数σ的第一种设计方案：此方案中只设置了6个尺度参数，第一尺度

20、第二尺度40、第三尺度60、第四尺度80、第五尺度100、第六尺度120；

MSR算法中尺度参数σ的第二种设计方案：此方案中只设置了9个尺度参数，第一尺度

32、第二尺度64、第三尺度128、第四尺度256、第五尺度512、第六尺度1024、第七尺度2048、第八尺度4096、第九尺度8192；

两种方案结果的融合：把两种参数设置方案分别执行处理，然后把各自获得的处理结果进行简单的融合处理，即求和取均值，然后把其作为最终结果。

2.根据权利要求1所述的一种去除城市遥感图像中雾霾的方法，其特征在于：所述的步骤1中输入的遥感图像是单波段灰色图像，或是多光谱图像或多个波段合成的彩色图像，或是由CCD相机获得的RGB真彩色图像，它们都是在雾霾存在的条件下获得的城市区域遥感图像。

3.根据权利要求1所述的一种去除城市遥感图像中雾霾的方法，其特征在于，所述的步骤3中把单波段的灰色图像转换成彩色图像的具体步骤为；

对输入的全色灰度遥感图像进行彩色增强处理，输入的单波段灰度遥感图像用I(m,n)表示，转换后的RGB假彩色遥感图像用IC(m,n)表示，转换的过程如式(1)所示，就是把灰度图像I(m,n)的各个像素值同时分别赋予给假彩色RGB图像IC(m,n)的三个通道，即ICR(m,n)通道，ICG(m,n)通道和ICB(m,n)通道；

4.根据权利要求1所述的一种去除城市遥感图像中雾霾的方法，其特征在于，所述的步骤6中构造对数Gabor滤波器并提取图像幅度特征的具体步骤为：步骤6.1：在频率域直接获取每个像素的幅度值，遥感图像幅度特征的提取与滤波是同时进行，在频率域中，通过构造对数Gabor滤波器对频域中的幅度特征进行滤波，把获得的结果进行傅里叶逆变换，就获得了遥感图像的幅度特征；

步骤6.2：构造Gabor滤波器，对Gabor滤波器设计5个尺度，每个尺度设计6个方向，总共有30个滤波器，把幅度特征经滤波器处理，获得30幅特征图；

步骤6.3：把获得的30幅特征图与步骤5获得的相位信息分别进行卷积运算处理，然后把不同尺度不同方向的处理结果进行加权求和，这里设置各权值相等，即进行求和后再取均值运算，结果作为最终的幅度特征。

5.根据权利要求3所述的一种去除城市遥感图像中雾霾的方法，其特征在于，所述的步骤7中对幅度特征进行颜色补偿的具体步骤为：利用步骤2获取的颜色信息对幅度特征进行色彩补偿处理，处理的模型公式如下：式中FAi(m,n)和 分别表示补偿前后的幅度特征，i表示颜色通道数，Ci(m,n)表示第i个颜色通道的色彩补偿系数，β是一个补偿常数；在其他条件不变的情况下，Ci(m,n)值越大，图像颜色失真越大，同时图像偏暗；当其值较小时，颜色失真小，图像偏亮；Ci(m,n)＝

20。

6.根据权利要求5所述的一种去除城市遥感图像中雾霾的方法，其特征在于，所述的步骤8中获得相位幅度特征的具体步骤为：按式(4)把相位特征和幅度特征进行融合处理，以获得最终的相位幅度特征图，FAP(m,n)＝α·FA(m,n)+β·FP(m,n)                           (4)式中FAP(m,n)表示融合后的幅度相位特征，FA(m,n)表示幅度特征，FP(m,n)表示相位特征，α和β表示加权系数，分别设为0.45和0.55。

7.根据权利要求1所述的一种去除城市遥感图像中雾霾的方法，其特征在于，所述的步骤10中进行局部直方图均衡化处理的具体步骤为：用MSR算法对图像进行雾霾去除，处理后整体色调偏暗；接着用直方图均衡化进行处理；用直方图原理对图像进行处理时，先把RGB模型图像转换成HSI模型图像，然后对HSI模型中的I分量进行处理；处理结束后，再把HIS模型图像转换成RGB图像；

RGB图像和HSI模型图像转换过程如下：

由RGB图像获取HSI图像的H、S和I分量图的计算公式如下其中θ按式(11)计算，

由HSI图像转换成RBG图像的具体过程如下：

如果0°≤H＜120°，则R、G、B分量由式(14)获取；

如果120°≤H＜240°，则R、G、B分量由式(15)进行计算，如果240°≤H＜360°，则R、G、B分量由式(16)进行计算，

8.根据权利要求7所述的一种去除城市遥感图像中雾霾的方法，其特征在于，所述的步骤11中进行小波多尺度分解和融合处理的具体步骤为：步骤11.1：采用二维平稳小波对图像进行融合处理；

步骤11.2：低频系数的融合，用二维平稳小波分别对相位幅度特征图和滤波结果图进行多尺度分解，在各个分解尺度上再分别进行融合处理，把融合后的结果进行小波逆变换，就获得了最后的结果；采用像素级进行融合处理策略，两幅图像被分解后，分别获得了若干个高频系数和低频系数子图像；对于低频系数子图像，采取系数加权的形式进行融合处理；

对于高频系数子图像采取抓大舍小的原则进行处理；设I1(m,n)和I2(m,n)分别表示两幅按不同方法处理后的遥感图像，IF(m,n)表示融合后的图像，低频系数的加权融合规则数学模型如式(17)所示，IF(m,n)＝w1·I1(m,n)+w2·I2(m,n)                   (17)式中的w1和w2分别表示图像I1(m,n)和图像I2(m,n)的融合权值，即加权系数，而且w1+w2＝1；如果w1＝w2＝0.5，则是平均加权，即均值处理；

步骤11.3：高频系数的融合，对于每个分解尺度上高频系数子图像的融合采用取大放小的原则进行融合处理，其融合规则数学模型如式(18)所示，

9.根据权利要求1所述的一种去除城市遥感图像中雾霾的方法，其特征在于，所述的步骤12中输出结果的具体为：根据获取的图像色彩信息，如果最初输入的是灰度图像，还需转换成灰度图像输出；如果是彩色图像，则直接输出相应的结果。