遥感数据在获取过程中经常受到各种因素的干扰，导致观测影像质量降低，为后续的数据应用造成困难。为了缓解以上问题，一方面需要对遥感数据进行质量评价，在现有条件下选择质量更优的遥感影像，同时过滤质量太差而无法使用的数据；另一方面，在没有高质量影像的条件下，通常需要对低质量的遥感影像进行复原处理，以提升影像的应用潜力。因此，影像评价与影像复原是遥感信息处理与应用中的重要基础环节。

虽然遥感影像评价与复原问题在学术与应用领域一直广受关注，但现有研究仍然不能满足处理与应用需求。如何考虑多种辐射指标对遥感影像进行综合评价，以及如何针对不同影像的特征进行自适应复原，是当前需要解决的主要难题。本论文针对以上问题，围绕遥感影像的评价与复原进行了研究，具体内容如下。

(1) 针对现有遥感影像噪声与调制传递函数MTF评价方法自动化程度不足、需要人工干预的问题，提出了最优评价区域的自动选取与评价方法。在噪声评价方面，提出了一种迭代优化的匀质区选择方法，可以解决传统方法中影像匀质区自动选择困难的难题，并通过设计基于卷积运算的评价指标实现对噪声水平的稳健估计。在影像MTF评价方面，针对传统方法往往需要人工选取刃边的问题，提出了一种自动检测影像边缘并提取最优刃边的方法，从而实现MTF的自动计算。试验结果表明，本文所提出的自动化评价方法准确有效，可以极大地提高遥感影像噪声和模糊评价的自动化程度。

(2)在系统总结、改进现有遥感影像评价指标的基础上，提出了一套遥感影像质量综合评价的方法。综合考虑了灰度分布、信息量、清晰度、分辨率、噪声、云量、无效像元等指标，并融入了基于参考影像的评价指标，在大量数据测试的基础上，确定了每项指标对应优、良、中、差的最优阈值。同时进一步从模糊理论出发，通过构建模糊评价矩阵，对多种单指标评价结果进行综合考虑，建立了对遥感影像辐射质量进行综合评定的方法。试验结果表明，本文提出的综合评价方法能准确评价遥感影像的综合质量，与人眼主观评价具有良好的一致性。

(3) 提出了一种自适应非局部正则化的遥感影像噪声去除方法。针对传统去噪方法仅利用邻域信息、不能高效去除噪声的缺点，本文在非局部计算框架下开展去噪方法的研究，并重点解决去噪参数的自适应选取问题。为了对不同区域施加不同的去噪强度，通过计算局部噪声强度和标准差，并以此构建非局部模型的权值函数，从而建立了自适应的非局部总变分去噪模型。试验结果表明该方法能针对影像的不同结构区域自适应调节去噪强度，可以在去除遥感影像噪声的同时，有效保护影像的边缘、纹理等细节信息。

(4) 提出了一种自适应交替迭代的遥感影像盲去模糊方法。基于最大后验概率估计理论框架，建立对遥感影像与模糊函数进行联合求解的去模糊模型，并采用交替迭代的方法对影像和模糊函数进行求解；在影像求解的迭代过程中，充分利用中间复原影像求解数据一致性项和正则化项的函数值，并通过建立相应的求解准则，自适应求解影像与模糊函数的正则化参数。试验结果表明，本文提出的盲复原方法能够较为准确地估计模糊函数，并根据不同的影像特征实现自适应的影像去模糊处理，可有效提高处理精度与效率。