1、Single Remote Sensing Image Dehazing
基于暗原色先验和常见的雾霾成像模型。为了消除光环伪影，使用低通高斯滤波器来细化粗略估计的大气面纱。然后，重新定义传输，以防止颜色失真的恢复图像。该算法的主要优点是速度快，同时也能取得较好的效果。
2、Haze Detection and Removal in Remotely Sensed Multispectral Imagery
提出了一种中高分辨率卫星光学多光谱图像中非均匀雾霾检测和去除的经验和自动方法。进一步发展了暗物减法来计算雾霾厚度图，允许对校准和未校准的卫星多光谱数据进行光谱一致的雾霾去除。具有统一和高度反射地表覆盖的罕见场景导致了该方法的局限性。
3、An effective thin cloud removal procedure for visible remote sensing images
摘要针对可见光遥感影像，提出了一种高效的薄云去除方法，目的是在去除薄云的同时恢复地面信息。由于薄云被认为是低频信息，该方法基于经典同态滤波器，在频域执行。半自动地确定了各通道的最佳截止频率。为了保留清晰的像素，保证结果的高保真度，对模糊的像素分别进行检测和处理。
4、Haze Removal for a Single Remote Sensing Image Based on Deformed Haze Imaging Model
提出了一种基于变形雾霾成像模型的新型去雾算法。首先，通过引入平移项对模型进行变形。其次，根据新模型结合暗信道先验估计大气光和透射率。最后，利用本文提出的估计算法成功地去除了遥感图像中的雾霾。
5、No-Reference Assessment on Haze for Remote-Sensing Images
针对遥感影像提出了一种基于霾分布的无参考霾评估方法。首先定义图像的距离通道，从模糊图像中提取雾霾分布图(HDM)。然后，根据HDM设计了基于HDM的霾评估度量指标HDMHA。最后，利用对遥感图像的霾度进行预测。为了客观验证本文提出的度量HDMHA的有效性，提出了一种基于雾霾成像模型的模拟雾霾遥感图像的方法，所模拟的雾霾图像在视觉上与真实图像有很大的相似性。
6、A SPATIAL - SPECTRAL ADAPTIVE HAZE REMOVAL METHOD FOR REMOTE SENSING IMAGES
提出了一种用于遥感图像的空间光谱自适应雾霾去除方法。该方法基于霾成像模型和暗信道先验，能够减少颜色失真现象和雾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
提出了一种基于四阶偏微分方程的三边滤波(FPDETF)去雾方法来增强粗略估计的大气面纱。FPDETF能够减少晕轮和梯度反转人工制品。它还保存了无雾图像的辐射测量信息。此外，还对能见度恢复相位进行了改进，以减少去雾图像的色彩失真。