一．預處理 

1．降噪處理 

由於感測器的因素，一些獲取的遙感影像中，會出現週期性的噪聲，我們必須對其進行消除或減弱方可使用。 

（1）除週期性噪聲和尖銳性噪聲 

週期性噪聲一般重疊在原影像上，成為週期性的干涉圖形，具有不同的幅度、頻率、和相位。它形成一系列的尖峰或者亮斑，代表在某些空間頻率位置最為突出。一般可以用帶通或者槽形濾波的方法來消除。 
消除尖峰噪聲，特別是與掃描方向不平行的，一般用傅立葉變換進行濾波處理的方法比較方便。

圖1 消除噪聲前

圖2 消除噪聲後

（2）除壞線和條帶 

去除遙感影像中的壞線。遙感影像中通常會出現與掃描方向平行的條帶，還有一些與輻射訊號無關的條帶噪聲，一般稱為壞線。一般採用傅立葉變換和低通濾波進行消除或減弱。

圖3 去條紋前

圖4 去條紋後

圖5 去條帶前

圖6 去條帶後

2．薄雲處理 

由於天氣原因，對於有些遙感圖形中出現的薄雲可以進行減弱處理。 

3．陰影處理 

由於太陽高度角的原因，有些影像會出現山體陰影，可以採用比值法對其進行消除。

二．幾何糾正

通常我們獲取的遙感影像一般都是Level2級產品，為使其定位準確，我們在使用遙感影像前，必須對其進行幾何精糾正，在地形起伏較大地區，還必須對其進行正射糾正。特殊情況下還須對遙感影像進行大氣糾正，此處不做闡述。 

1．影像配準 

為同一地區的兩種資料來源能在同一個地理座標系中進行疊加顯示和數學運算，必須先將其中一種資料來源的地理座標配準到另一種資料來源的地理座標上,這個過程叫做配準。 

（1）影像對柵格影像的配準 

將一幅遙感影像配準到相同地區另一幅影像或柵格地圖中，使其在空間位置能重合疊加顯示。

圖7 影像配準前

圖8 影像配準後

（2）影像對向量圖形的配準 

將一幅遙感影像配準到相同地區一幅向量圖形中，使其在空間位置上能進行重合疊加顯示。

 2．幾何粗糾正 

這種校正是針對引起幾何畸變的原因進行的，地面接收站在提供給使用者資料前，已按常規處理方案與影像同時接收到的有關執行姿態、感測器效能指標、大氣狀態、太陽高度角對該幅影像幾何畸變進行了校正.

3．幾何精糾正 

為準確對遙感資料進行地理定位，需要將遙感資料準確定位到特定的地理座標系的，這個過程稱為幾何精糾正。 
（1）影像對影像的糾正 
利用已有準確地理座標和投影資訊的遙感影像，對原始遙感影像進行糾正，使其具有準確的地理座標和投影資訊。 
（2）影像對地圖（柵格或向量） 
利用已有準確地理座標和投影資訊的掃描地形圖或向量地形圖，對原始遙感影像進行糾正，使其具有準確的地理座標和投影資訊。

圖9 參考地形圖

圖10 待糾正影像

 

（3）影像對已知座標點（地面控制點） 
利用已有準確地理座標和投影資訊的已知座標點或地面控制點，對原始遙感影像進行糾正，使其具有準確的地理座標和投影資訊。 

4．正射糾正 

利用已有地理參考資料（影像、地形圖和控制點等）和數字高程模型資料（DEM、GDEM），對原始遙感影像進行糾正，可消除或減弱地形起伏帶來的影像變形，使得遙感影像具有準確的地面座標和投影資訊。 

三．影像增強

為使遙感影像所包含的地物資訊可讀性更強，感興趣目標更突出，需要對遙感影像進行增強處理。 

1．彩色合成 

為了充分利用色彩在遙感影像判讀和資訊提取中的優勢，常常利用彩色合成的方法對多光譜影像進行處理，以得到彩色影像。 
彩色影像可以分為真彩色影像和假彩色影像。

圖13真彩色合成( TM321)

圖14 假彩色合成(TM432)

2．直方圖變換 

統計每幅影像的各亮度的像元數而得到的隨機分佈圖，即為該幅影像的直方圖。 
一般來說，包含大量像元的影像，像元的亮度隨機分佈應是正態分佈。直方圖為非正態分佈，說明影像的亮度分佈偏亮、偏暗或亮度過於集中，影像的對比度小，需要調整該直方圖到正態分佈，以改善影像的質量。

圖15 直方圖拉伸前（原圖偏暗）

圖16 直方圖拉伸後

圖17 直方圖拉伸前（原圖對比度不強）

圖18 直方圖拉伸後（線性拉伸）

3．密度分割 

將灰度影像按照像元的灰度值進行分級，再分級賦以不同的顏色，使原有灰度影像變成偽彩色影像，達到影像增強的目的。

圖19 原始影像

圖20 密度分割影像

4．灰度顛倒 

灰度顛倒是將影像的灰度範圍先拉伸到顯示裝置的動態範圍(如0～255)到飽和狀態，然後再進行顛倒，使正像和負像互換。

圖21 灰度顛倒前

圖22 灰度顛倒後

5．影像間運算 

兩幅或多幅單波段影像，空間配準後可進行算術運算，實現影像的增強。常見的有加法運算、減法運算、比值運算和綜合運算。例如： 
減法運算：可突現出兩波段差值大的地物，如紅外-紅，可突現植被資訊。 
比值運算：常用於計算植被指數、消除地形陰影等。 
植被指數：NDVI=（IR-R）/（IR+R）

圖23 原始影像

圖24 NDVI植被指數影像

6．鄰域增強 

又叫濾波處理，是在被處理像元周圍的像元參與下進行的運算處理，鄰域的範圍取決於濾波器的大小，如3×3或5×5等。 
鄰區法處理用於去噪聲、影像平滑、銳化和相關運算 。

圖25 原始影像

圖26 拉普拉斯濾波影像（5×5）

7．主成分分析 

也叫PCA變換，可以用來消除特徵向量中各特徵之間的相關性，並進行特徵選擇。 
主成分分析演算法還可以用來進行高光譜影像資料的壓縮和資訊融合。例如：對LandsatTM的6個波段的多光譜影像(熱紅外波段除外)進行主成分分析，然後把得到的第1，2，3主分量影像進行彩色合成，可以獲得資訊量非常豐富的彩色影像。

圖27 第一主成分	圖28 第二主成分	圖29 第三主成分
圖30 第四主成分	圖31第五主成分	圖32 第六主成分

8．K-T變換 

即Kauth-Thomas變換，又稱為“纓帽變換”。這種變換著眼點在於農作物生長過程而區別於其他植被覆蓋，力爭抓住地面景物在多光譜空間中的特徵。 
目前對這個變換的研究主要集中在MSS與TM兩種遙感資料的應用分析方面。

圖33 第一主分量（亮度）

圖34 第二主分量（綠度）

圖35第三主分量

9．影像融合 

遙感影像資訊融合是將多源遙感資料在統一的地理座標系中，採用一定的演算法生成一組新的資訊或合成影像的過程。 

不同的遙感資料具有不同的空間解析度、波譜解析度和時相解析度，如果能將它們各自的優勢綜合起來，可以彌補單一影像上資訊的不足，這樣不僅擴大了各自資訊的應用範圍，而且大大提高了遙感影像分析的精度。

圖36 多光譜影像

圖 37高解析度影像

四．影像裁剪

在日常遙感應用中，常常只對遙感影像中的一個特定的範圍內的資訊感興趣，這就需要將遙感影像裁減成研究範圍的大小。

圖39 原始影像

1．按ROI裁剪 

根據ROI（感興趣區域）範圍大小對被裁減影像進行裁剪。

圖40 按ROI（行政區）域裁剪

2．按檔案裁剪 

按照指定影像檔案的範圍大小對被裁減影像進行裁剪。

3．按地圖裁剪 

根據地圖的地理座標或經緯度的範圍對被裁減影像進行裁剪。

五．影像鑲嵌和勻色

1．影像鑲嵌 

也叫影像拼接，是將兩幅或多幅數字影像(它們有可能是在不同的攝影條件下獲取的)拼在一起，構成一幅整體影像的技術過程。 
通常是先對每幅影像進行幾何校正，將它們規劃到統一的座標系中，然後對它們進行裁剪，去掉重疊的部分，再將裁剪後的多幅影像裝配起來形成一幅大幅面的影像。

圖42鑲嵌左影像

圖43 鑲嵌右影像

圖44 鑲嵌結果影像

2．影像勻色 

在實際應用中，我們用來進行影像鑲嵌的遙感影像，經常來源於不同感測器、不同時相的遙感資料，在做圖象鑲嵌時經常會出現色調不一致，這時就需要結合實際情況和整體協調性對參與鑲嵌的影像進行勻色。

圖45 勻色前影像

圖46 勻色後影像

六．遙感資訊提取 

遙感影像中目標地物的特徵是地物電磁波的輻射差異在遙感影像上的反映。依據遙感影像上的地物特徵，識別地物型別、性質、空間位置、形狀、大小等屬性的過程即為遙感資訊提取。 
目前資訊提取的方法有：目視判讀法和計算機分類法。其中目視判讀是最常用的方法。 

1．目視判讀 

也叫人工解譯，即用人工的方法判讀遙感影像，對遙感影像上目標地物的範圍進行手工勾繪，達到資訊提取的目的。

圖47 人工解譯水系

2．影像分類 

是依據是地物的光譜特徵，確定判別函式和相應的判別準則，將影像所有的像元按性質分為若干類別的過程。 

（1）監督分類 

在研究區域選有代表性的訓練場地作為樣本，通過選擇特徵引數（如亮度的均值、方差等），建立判別函式，對樣本進行分類，依據樣本的分類特徵來識別樣本像元的歸屬類別的方法。

圖48 原影像

圖49 監督分類影像

（2）非監督分類 

沒有先驗的樣本類別，根據像元間的相似度大小進行歸類，將相似度大的歸為一類的方法。 

（3）其他分類方法

包括神經網路分類、分形分類、模糊分類等分類方法，以及他資料探勘方法如模式識別、人工智慧等，在這裡不做進一步闡述。