1、Single Remote Sensing Image Dehazing
基于暗原色先驗和常見的霧霾成像模型。為了消除光環僞影，使用低通高斯濾波器來細化粗略估計的大氣面紗。然後，重新定義傳輸，以防止顔色失真的恢複圖像。該算法的主要優點是速度快，同時也能取得較好的效果。
2、Haze Detection and Removal in Remotely Sensed Multispectral Imagery
提出了一種中高分辨率衛星光學多光譜圖像中非均勻霧霾檢測和去除的經驗和自動方法。進一步發展了暗物減法來計算霧霾厚度圖，允許對校準和未校準的衛星多光譜資料進行光譜一緻的霧霾去除。具有統一和高度反射地表覆寫的罕見場景導緻了該方法的局限性。
3、An effective thin cloud removal procedure for visible remote sensing images
摘要針對可見光遙感影像，提出了一種高效的薄雲去除方法，目的是在去除薄雲的同時恢複地面資訊。由于薄雲被認為是低頻資訊，該方法基于經典同态濾波器，在頻域執行。半自動地确定了各通道的最佳截止頻率。為了保留清晰的像素，保證結果的高保真度，對模糊的像素分别進行檢測和處理。
4、Haze Removal for a Single Remote Sensing Image Based on Deformed Haze Imaging Model
提出了一種基于變形霧霾成像模型的新型去霧算法。首先，通過引入平移項對模型進行變形。其次，根據新模型結合暗信道先驗估計大氣光和透射率。最後，利用本文提出的估計算法成功地去除了遙感圖像中的霧霾。
5、No-Reference Assessment on Haze for Remote-Sensing Images
針對遙感影像提出了一種基于霾分布的無參考霾評估方法。首先定義圖像的距離通道，從模糊圖像中提取霧霾分布圖(HDM)。然後，根據HDM設計了基于HDM的霾評估度量名額HDMHA。最後，利用對遙感圖像的霾度進行預測。為了客觀驗證本文提出的度量HDMHA的有效性，提出了一種基于霧霾成像模型的模拟霧霾遙感圖像的方法，所模拟的霧霾圖像在視覺上與真實圖像有很大的相似性。
6、A SPATIAL - SPECTRAL ADAPTIVE HAZE REMOVAL METHOD FOR REMOTE SENSING IMAGES
提出了一種用于遙感圖像的空間光譜自适應霧霾去除方法。該方法基于霾成像模型和暗信道先驗，能夠減少顔色失真現象和霧霾消除不完全在不同波段。
7、Dehazing of remote sensing images using fourth-order partial differential equations based trilateral filter
提出了一種基于四階偏微分方程的三邊濾波(FPDETF)去霧方法來增強粗略估計的大氣面紗。FPDETF能夠減少暈輪和梯度反轉人工制品。它還儲存了無霧圖像的輻射測量資訊。此外，還對能見度恢複相位進行了改進，以減少去霧圖像的色彩失真。