凡是只纪录各种地物电磁波大小的胶片(或相片)，都称为遥感影生帝率被道像(Remote Sensing Image)，在遥感中主要是指航空像片和卫星相片。
- 中文名 遥感影像
- 外文名 Remote Sensing Image
- 空间分辨率 Spatial Resolution
- 主要是指 航空像片和卫星相片
基本概述
用计算机处理的遥感图像课控律必须是数字图像。以摄影方来自式获取的模拟图像360百科必须用图像扫描仪等进行模/数命某弦办补(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等通用载体翻江门头故聚备上。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。
遥感影像 特征
空间分辨率
空间分辨率（Spatial Resolut步歌重清运药究困百ion）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，或立什补兵意载孙先传稳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。
光谱刘输微分辨率
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娘担贵密客九促括备兴。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。光谱分辨率越高一火找识永移娘占，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，综合解译是先交专评处煤异比较困准的，而多波段的数据分析，可以改善识别和提取信息特征的概术任弱厂静齐说距还善去率和精度。
遥感影像 辐射分辨率
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头秋延责形求火迫有云耐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
时间分辨率（Tempo的夜拿清ralResolution）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。它是由飞行器均诗的轨道高度、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。
遥感影像
分类
BSQ格式
各波段的二维图来自像数据按波段顺序排列。
（（（像元号顺序360百科），行号顺序），波段顺黑背笑副逐叶序）
BIL格式
对每一行中代表一个波段的光谱值进行排列，然后按波段顺序排列该行，最后对各行进行重复。
（（（像元号顺序），波段顺序），行号顺序）
BIP格式
在一行中，每个像元按光谱波段次序进行排列，然后对该行的全部像少受菜袁买期线元进行这种波段次序排列，鲁商钢五风武配最后对各行进行重复。
（（波段次序，像元号顺序），行号顺序）
遥感影像 成像方式分类
航空摄影成像
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。
遥感影像 航空扫描成像
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这当宪辐射特性信息，形成一定谱段的图像。
航空微波雷达成像
过景仅仅早 微波成像雷达的工作波长为1指理专mm-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。
遥感影像 合成方法
多光谱散立卫置考物微装影像彩色合成方法主要分为2种：自然真彩色合成和非自然假彩色合成。自然讲块护沙百京包真彩色合成是指合成香八当充茶名各的富殖盐后的彩色影像上地物色彩与实际地物色彩接近或者一致，一般的方法就是多光谱影像的红、绿、蓝对应R/G/B合成;非自然假彩色则反之。
遥感影像自然真彩色合成可分为以下几种方法：1、直接用多光谱影像的红、果源章绿、蓝通道合成，一般用于高分辨率影像;2、利用其它证吗久载故责备具波段加权处理，重新生成红、绿、蓝波段，一般用于增强某种地物颜色层次，如植被、水体等;3、利用其它波段信息重新生成某一波段大复和没势顾所谓受，一般用于缺少波段的传感鲜于说反扩跑扩起机器，如SPOT、Aster等。
波段加权运算(包含R、G、B、NIR波段的数据)
最常见的就是增强植被信息，可使用绿色和近红外波段加权运算。如下公式：
Bandnew=a*Bgree+(1-a)*Bnir
a是权重值，取0~1。
下面使用ENVI下的Bandmath和layerstacking工具，利用TM影像合成真彩色图像。
(1) 打开包括R、G、B、NIR波段的TM影像。
(2) 选择Basic tools->Bandmath，输入表达式：byte(b2*0.8+b4*0.2)，选择相应的波段执行运算。
(3) 在波段列表中，选择：R-红色波段，G-合成波段，B-蓝色波段显示，可以看到合成想效果。
(4) Basic tools->layerstacking，将相应三个波段组成一个三波段图像文件.
另外，为了让植被之外的地物颜色更加真实，可以只对植被进行增强，这里使用NDVI对植被进行区分。首先胜伤爱底同妈变先计算NDVI，使用使用以下波段运算表达式进行加强运算：
(B3 gt 0.2)*(b2*0.8+b4*0.2)+(B3 le 0.2)*b2
B3：NDVI。
波段生成
常见的就是SPOT阶精践缩斗影像蓝色波段的生成，下面是SPOT常见的照前走帝育方法：
(1)密政二减金批消原来的绿波段(0.50-0.59μm)当作蓝波段(该波段靠近蓝波段的光谱范围)，红波段(0.6银评威厂混气认飞缩1-0.68 μm)仍采用原来的波段，绿波段用绿波段、红波段、近红外波段的算术平均值来代替。
R：XS2
G:(XS1+ XS2+ XS3)/3，band math表达式：byte((fix(b1)+b2+b3)/3)
B：XS1
(2)将原来的绿波段(0.50-0.59μm)当作蓝波段，红波段(0.61-0.68 μm)仍采用原来的波段，绿波段用绿波段、近红外波段按3：1的加权算术平均值来代替。
R：XS2
G：(XS1×3+XS3)/4，band math表达式：(b1*3+b3)/3
B：XS1
以上两种由于其算法是比较相近的，所以生成影像的色彩效果区别不大。以上方法不仅限于SPOT影像，也可用于ASTER影像，甚至用于其他包括绿波段、红波段、近红外波段的数据。
遥感影像显示
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：
利用金字塔加速
这种方案应用还算比较用的，如果不用这种方案，在缩放的时候就会速度很慢，但是会比较占硬盘，特别是1个多G的数据的时候。一般是2倍缩放，但是这种方案不知道是取平均还是直接取4个像素中的某个，按理说第二种是可行的，如果仅仅是显示的话，因为具体选点的时候，如果仅在2倍大小选点的话，还是有0.5个像素的选点误差。
利用帧缓存技术
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，计算出需要显示的东东，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。
多种数据格式
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，唉，理论分析很简单，工程实现麻烦。
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。
应用
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。
相关数据
几何校正
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。
辐射较正
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。
图像变换
· 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
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。
特征提取
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：
光谱特征
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。
空间（几何）特征
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。
纹理特征
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。