遥感影像（简称：RS，英文：Remote Sensing Image）是指记录各种地物电磁波大小的胶片或照片，主要分为航空像片和卫星相片。

用计算机处理的遥感图像必须是数字图像。以摄影方式获取的模拟图像必须用图像扫描仪等进行模/数(A/D)转换；以扫描方式获取的数字数据必须转存到一般数字计算机都可以读出的CCT等通用载体上。计算机图像处理要在图像处理系统中进行。图像处理系统是由硬件(计算机、显示器、数字化仪、磁带机等等)和软件(具有数据输入，输出，校正，变换，分类等功能)构成。图像处理内容主要包括校正、变换和分类。

空间分辨率（Spatial Resolution）又称地面分辨率。后者是针对地面而言，指可以识别的最小地面距离或最小目标物的大小。前者是针对遥感器或图像而言的，指图像上能够详细区分的最小单元的尺寸或大小，或指遥感器区分两个目标的最小角度或线性距离的度量。它们均反映对两个非常靠近的目标物的识别、区分能力，有时也称分辨力或解像力。

光谱分辨率（Spectral Resolution）指遥感器接受目标辐射时能分辨的最小波长间隔。间隔越小，分辨率越高。所选用的波段数量的多少、各波段的波长位置、及波长间隔的大小，这三个因素共同决定光谱分辨率。光谱分辨率越高，专题研究的针对性越强，对物体的识别精度越高，遥感应用分析的效果也就越好。但是，面对大量多波段信息以及它所提供的这些微小的差异，人们要直接地将它们与地物特征联系起来，综合解译是比较困难的，而多波段的数据分析，可以改善识别和提取信息特征的概率和精度。

辐射分辨率（Radiant Resolution）指探测器的灵敏度——遥感器感测元件在接收光谱信号时能分辨的最小辐射度差，或指对两个不同辐射源的辐射量的分辨能力。一般用灰度的分级数来表示，即最暗——最亮灰度值(亮度值)间分级的数目——量化级数。它对于目标识别是一个很有意义的元素。

时间分辨率（Temporal Resolution）是关于遥感影像间隔时间的一项性能指标。遥感探测器按一定的时间周期重复采集数据，这种重复周期，又称回归周期。它是由飞行器的轨道高度、轨道倾角、运行周期、轨道间隔、偏栘系数等参数所决定。这种重复观测的最小时间间隔称为时间分辨率。

摄影成像是通过成像设备获取物体的影像技术。传统摄影成像是依靠光学镜头及放置在焦平面的感光胶片来记录物体影像。数字摄影则通过放置的焦平面的光敏元件，经光/电转换，以数字信号来记录物体的影像。

扫描成像是依靠探测元件和扫描镜对目标物体以瞬时视场为单位进行的逐点、逐行取样，以得到目标物的电磁辐射特性信息，形成一定谱段的图像。

微波成像雷达的工作波长为1mm-1m的微波波段，由于微波雷达是一种自备能源的主动传感器和微波具有穿透云雾的能力，所以微波雷达成像具有全天时、全天候的特点。在城市遥感中，这种成像方式对于那些对微波敏感的目标物的识别，具有重要意义。

土地覆盖监测：土地覆盖是人地相互作用过程的最终体现，也是地球表层系统最明显的景观标志，土地覆盖变化又会引发一系列环境的改变。遥感技术因其能提供动态、丰富和廉价的数据源已成为获取土地覆盖信息最为行之有效的手段。

森林覆盖监测：森林是陆地生态系统的主体，是人类赖以生存的基础资源。传统五年一次的一类调查和十年一次的二类调查存在更新周期长、历经时间长、样地易被特殊对待、数据可比性差等缺陷，难以科学、准确评估森林资源和生态状况变化。

遥感具有宏观性、客观性、周期性、便捷性等特点，已经在森林资源清查(一类调查)和规划设计调查(二类调查)中大显身手。

草地覆盖监测：草地是仅次于森林资源的陆地植物资源。遥感技术在草地资源调查、分类和制图中得到应用，大大地提高了草地资源调查与制图的精度，促使草地分类由定性逐渐走向定量化，可以完成草地退化监测与评估，节省了人力、物力和财力。

湿地资源监测：湿地是地球上水陆相互作用形成的独特的生态系统，是自然界最富生态多样性的景观和人类最重要的生存环境之一。

实时监测湿地种类及其数量，为湿地的保护提供第一手材料显得尤为重要。遥感技术具有观测范围广，信息量大，获取信息快，更新周期短，节省人力物力和人为干扰因素少等诸多优势，已经成为湿地研究的有力手段。可以提取湿地边界、进行湿地分类、湿地动态变化监测等。

遥感影像过大，而且数据类型多样，因此显示是个问题，现有解决方案：

这种方案使得拖动较为流畅，但是还是有缝的，即拖动的时候会有黑块出现，这样处理的方案是再拖动的时候，计算出需要显示的内容，存储在某个对象中，显示时交换即可。改进方案，因为屏幕一般不过1280×1024，如果以显示的部分为中心，读取9倍大小的影像块(内存要的也不过10M)，这样在拖动的时候，不管怎么拖动都在影像范围内，这样拖动就会显得无缝，在拖动时，还是需要一个缓存，来存储要需用的区域，拖动完的时候进行交换。

可以在生成金字塔影像的时候，对影像的各个波段进行计算，获取其灰度分布直方图，然后显示的时候进行实时计算，将原始格式转换为8位位图。

当前的方案是最占硬盘的，将影像的底层也计算到了金字塔之中。而且没有用到帧缓存技术，使得拖动的时候出现跳帧。

校正处理 图像校正是指从具有畸变的图像中消除畸变的处理过程，消除几何畸变的叫几何校正；消除辐射量失真的叫辐射校正。

各类遥感图像都存在在几何校正的问题。由于人们已习惯使用正射投影的地形图，因此对各类遥感影像的畸变都必须以地形图为基准进行几何校正。几何校正步骤大致如下：

①选择控制点：在遥感图像和地形图上分别选择同名控制点，以建立图像与地图之间的投影关系，这些控制点应该选在能明显定位的地方，如河流交叉点等。

②建立整体映射函数：根据图像的几何畸变性质及地面控制点的多少来确定校正数学模型，建立起图像与地图之间的空间变换关系，如多项式方法、仿射变换方法等。

③重采样内插：为了使校正后的输出图像像元与输入的未校正图像相对应,根据确定的校正公式，对输入图像的数据重新排列。在重采样中，由于所计算的对应位置的坐标不是整数值，必须通过对周围的像元值进行内插来求出新的像元值。

从遥感器所获得的图像的灰度与目标物的光谱反射率或光谱辐射亮度等物理量是不一致的，这是因为遥感器测量值中包含太阳位置及角度条件、薄雾及霭等大气条件所引起的失真。为了正确评价目标物的反射及辐射特性，必须消除这些失真。消除图像数据中依附在辐射亮度中的各种失真的过程就是辐射较正。辐射校正的结果，会改变图像的色调和色彩。

· 图像交换泛指按一定规则从一帧图形加工产生另一帧图像的处理过程，这里所指的图像变换主要包括图像增强和特征提取两方面内容。

图像增强是改善图像视觉效果的处理。当分析遥感图像时，为了使分析者能容易确切地识别图像内容，必须按照分析目的对图像数据进行加工，目的是提高图像的可判读性。图像校正是消除伴随观测而产生的误差与畸变，使遥感观测数据更接近于真实值为主要目的的处理；而图像增强则把重点放在使分析者能从视觉上便于识别图像内容之上，典型的图像增强有灰度交换、彩色合成等。

为了利用仪器进行图像判读及分析处理，需要从原始图像数据中求出有益于分析的判读标志及统计量等各种参数。对图像进行变换，突出其具有代表性的特征的方法，叫特征提取。特征提取可以定量地抽出以下三种特征：

可提取颜色或灰度或波段间的亮度比等目标物的光谱特征，例如Landsat的MSS有四个波段，根据某类地物的光谱特征，采用特定的比值可将其突出出来。

把目标物的形状、大小、或者边缘，线性构造等几何性特征提取出来，例如把区域断层明显突出出来。

是指周期性图案及区域的均匀性等有关纹理的特征。根据构成图案的要素形状、分布密度、方向性等纹理进行图像特征提取的处理叫做纹理分析。

·图像分类 利用遥感图像进行分类，就是对单个像元或比较匀质的像元组给出对应其特征的名称，其原理是利用图像识别技术实现对遥感图像的自动分类。计算机用以识别和分类的主要标志是物体的光谱特性，图像上的其它信息如大小、形状、纹理等标志尚未充分利用。

在计算机分类之前，往往要做些预处理，如校正、增强、滤波等，以突出目标物特征或消除同一类型目标的不同部位因照射条件不同、地形变化、扫描观测角的不同而造成的亮度差异等。

计算机图像分类方法，常见的有两种，即监督分类和非监督分类。监督分类，首先要从欲分类的图像区域中选定一些训练样区，在这样训练区中地物的类别是已知的，用它建立分类标准，然后计算机将按同样的标准对整个图像进行识别和分类。它是一种由已知样本，外推未知区域类别的方法；非监督分类是一种无先验（已知）类别标准的分类方法。对于待研究的对象和区域，没有已知类别或训练样本作标准，而是利用图像数据本身能在特征测量空间中聚集成群的特点，先形成各个数据集，然后再核对这些数据集所代表的物体类别。

与监督分类相比，非监督分类具有下列优点：不需要对被研究的地区有事先的了解，对分类的结果与精度要求相同的条件下，在时间和成本上较为节省,但实际上,非监督分类不如监督分类的精度高，所以监督分类使用的更为广泛。