遥感图像解译过程
遥感数字图像计算机解译
遥感数字图像计算机解译引言遥感技术是利用航空器、卫星等远离目标的载体获得目标的信息，并通过计算机对图像进行解析与处理的一种技术。
遥感数字图像计算机解译是对遥感数字图像进行分析、解释和提取有用信息的过程，广泛应用于地质勘探、环境监测、农业资源管理等领域。
本文将介绍遥感数字图像计算机解译的基本原理和方法。
一、遥感数字图像计算机解译的基本原理遥感数字图像计算机解译的基本原理是将遥感图像与相应的地学知识模型相结合，通过计算机进行图像处理和分析，最终得到目标物体或地物的相关信息。
其主要步骤包括数据预处理、图像增强、特征提取和分类识别等。
1. 数据预处理数据预处理是遥感数字图像解译的第一步。
这一步骤主要包括辐射校正、大气校正和几何校正等操作。
辐射校正是根据遥感图像的辐射亮度值来计算实际反射率，消除辐射因素的影响。
大气校正是根据大气光传输模型对遥感图像进行校正，消除大气散射的影响。
几何校正则是将遥感图像进行几何变换，去除图像的旋转、平移和拉伸等误差。
2. 图像增强图像增强是遥感图像解译的关键步骤，其目的是增强图像的对比度、清晰度和细节等特征，以便更好地提取目标信息。
常用的图像增强方法包括直方图均衡化、空间域增强、频域滤波等。
3. 特征提取特征提取是遥感图像解译的核心步骤，其目的是从图像中提取出与目标物体或地物相关的特征信息。
特征可以包括颜色、纹理、形状等。
常用的特征提取方法包括基于像素值的特征提取、基于频域变换的特征提取以及基于机器学习的特征提取等。
4. 分类识别分类识别是遥感图像解译的最终目标，其目的是将图像中的像素进行分类，将不同的地物或目标物体分别识别出来。
常用的分类识别方法包括像元分类、目标检测和物体识别等。
二、遥感数字图像计算机解译的应用遥感数字图像计算机解译在地质勘探、环境监测、农业资源管理等领域具有重要应用价值。
1. 地质勘探遥感数字图像计算机解译在地质勘探中可以帮助勘探人员对地质构造、地质体和矿产资源进行分析和解释。
如何进行遥感图像解译与处理
如何进行遥感图像解译与处理遥感图像解译与处理是一门应用于遥感领域的重要技术，通过对遥感数据进行解译和处理，我们可以获取到地球表面的信息，从而为资源管理、环境保护、农业生产等领域提供便利。
本文将从遥感图像解译的基本概念、影像预处理、分类与识别等方面进行探讨，帮助读者了解如何进行遥感图像解译与处理。
遥感图像解译是指通过遥感图像获取到的数据进行分析、识别和分类，从而提取出图像中所包含的地物和地物信息。
在进行遥感图像解译之前，需要先进行影像预处理，以提高解译的精度和准确性。
影像预处理是遥感图像解译的第一步，其主要目的是去除图像中的噪声和干扰，增强地物特征，并提高图像的可视化效果。
常用的预处理方法包括辐射校正、大气校正和几何校正等。
辐射校正主要是针对图像的亮度进行调整，以达到较好的对比度和可视化效果；大气校正则是针对大气对图像的衰减作用进行校正，以提高地物的反射率；几何校正主要是对图像的几何形状进行纠正，以保证地物的几何位置的准确性。
影像预处理完成后，接下来是分类与识别的过程。
分类是指将遥感图像中的地物按照一定的标准进行分类，以便于后续的分析和利用。
常见的分类方法包括基于像素的分类、基于目标的分类和基于知识的分类等。
基于像素的分类是指根据图像像素的灰度或颜色信息将其分成不同的类别，常见的方法有最大似然法、支持向量机等；基于目标的分类则是根据地物在图像上的形状和纹理特征来进行分类，常见的方法有目标导向的分割算法、多尺度分析等；基于知识的分类则是基于专家系统和知识库来进行分类，常见的方法有规则树分类法、模糊分类法等。
在分类与识别的过程中，还需要进行验证和评价。
验证是指通过比较分类结果和实地调查数据或其他参考数据来验证分类的准确性和可靠性；评价则是对分类结果进行定量评价，例如计算用户精度和生产者精度、绘制混淆矩阵等。
通过验证和评价，可以了解到分类的误差和精度，并对分类方法进行优化和改进。
除了分类与识别，遥感图像解译还可以进行更深入的分析和应用。
遥感影像的解译方法和处理流程
遥感影像的解译方法和处理流程遥感技术是指利用卫星、航空器等探测装置获取地球表面特征信息的一种手段。
遥感影像的解译方法和处理流程对于地质勘探、农业、城市规划等领域都具有重要的应用价值。
本文将探讨遥感影像的解译方法和处理流程，并探讨其在环境保护、灾害监测等方面的应用。
一、解译方法1.目视解译法目视解译法是最早也是最常用的遥感影像解译方法之一。
通过肉眼观察遥感影像的色彩和纹理等特征来识别地物。
对于经验丰富的解译员来说，目视解译法可以得出较为准确的解译结果。
然而，由于人眼的主观因素和解译员的经验水平不同，目视解译法存在一定的主观性和局限性。
2.计算机辅助解译法计算机辅助解译法是指利用计算机软件对遥感影像进行处理和分析。
通过图像处理、分类、目标检测等技术，可以快速、准确地提取和识别地物。
计算机辅助解译法具有时间效率高、结果可重复性好等优点，使得遥感影像的解译工作更为高效和精确。
二、处理流程1.遥感影像预处理遥感影像预处理是将原始的遥感影像数据进行校正、去噪和增强等处理，以提高图像质量和准确性。
常用的遥感影像预处理方法包括辐射校正（校正影像的亮度和对比度）、大气校正（去除大气光对影像的影响）、几何校正（纠正图像的畸变和扭曲）、噪声去除和影像增强等。
2.遥感影像分类遥感影像分类是指将遥感影像的像素根据其反射率、纹理和几何结构等特征进行分类，以获得各类地物或地物类型的分布和面积信息。
常用的遥感影像分类方法包括基于阈值的分类、基于规则的分类、基于统计学的分类和基于机器学习的分类等。
其中，基于机器学习的分类方法由于其较好的准确性和泛化能力，成为当前遥感影像分类的主流方法。
3.遥感影像解译遥感影像解译是指根据已经分类好的遥感影像，对不同地物进行解译，以获得地物的具体信息和分布。
遥感影像解译可以通过目视解译、计算机辅助解译和专家解译等方法进行。
同时，遥感影像解译还可以结合地面调查和其他信息，以提高解译的准确性和可靠性。
遥感图像解译的基本步骤与技巧
遥感图像解译的基本步骤与技巧遥感图像解译是利用卫星或航空平台获取的图像数据，通过对图像进行分析和解释，以提取地物信息和研究地表特征的一种技术手段。
在现代科学研究和资源管理中，遥感图像解译具有广泛的应用价值，特别是在环境保护、农业生产和城市规划等领域。
遥感图像解译的基本步骤可以分为六个方面：数据获取、图像预处理、特征提取、分类与判读、验证与评价以及结果应用。
下面我们将依次介绍每个步骤所涉及的技巧和注意事项。
首先是数据获取。
遥感图像解译的第一步是选择适当的遥感数据。
常见的遥感数据类型包括多光谱影像、高光谱影像和合成孔径雷达(SAR)等。
在选择数据时，需要根据具体的研究目的和地理特征来确定最合适的数据。
此外，在数据获取过程中还需要注意数据的准确性和时效性。
第二个步骤是图像预处理。
在进行图像解译之前，需要对图像进行预处理以去除或减少噪声、增强图像的对比度和细节。
常见的图像预处理技术包括辐射定标、几何校正、大气校正和影像融合等。
在实际操作中，需要根据实际情况选择合适的预处理方法，并进行适当的参数调整。
第三个步骤是特征提取。
特征提取是遥感图像解译的核心步骤，其目的是找到与地物分类相关的特征。
常用的特征提取方法包括直方图分析、主成分分析(PCA)和模糊集方法等。
在进行特征提取时，需要了解地物类别的特征分布规律，并选择合适的特征提取方法来提取地物的表观特征。
接下来是分类与判读。
分类与判读是将图像上的像元划分到不同的类别中的过程。
目前，常用的分类方法包括最大似然法、支持向量机(SVM)和人工神经网络(ANN)等。
在进行分类与判读时，需要依据遥感数据和特征提取的结果，选择合适的分类方法并进行参数调整，以获得较为准确的分类结果。
第五个步骤是验证与评价。
验证与评价是对分类结果进行准确性和可靠性评价的过程。
常见的验证与评价方法包括误差矩阵分析、Kappa系数和精确度评价等。
在进行验证与评价时，需要参考地面调查数据以及其他可靠的参考数据，分析分类结果的准确性和偏差情况，并对分类结果进行合理的解释和说明。
ArcGIS遥感解译
ArcGIS遥感解译⽬视解译流程⼀、解译⼯具界⾯概览⼆、创建⽂件夹ArcGis_Labels三、导⼊图像四、创建ShapeFile图层五、图层编辑六、裁剪栅格七、导出裁剪结果⼀、影像解译⼯具概览本次影像解译⼯具为ArcMap10.2，主界⾯如下：1、主菜单栏；2、⼯具栏；3、内容列表区；4、图层显⽰区；5、⽬录⽂件连接区⼆、创建⽂件夹ArcGis_Labels创建ArcGis_Labels⽂件夹，将需要处理的⽂件拷贝到该⽂件夹下，此为⾃定义⽂件夹，后续处理都在改⽂件夹下进⾏。
三、导⼊图层在⼯具栏中点击+—添加数据选项，导航⾄ArcGis_Labels(⾃定义⽂件夹)，选中需要解译的影像，点击添加，完成原始影像导⼊。
四、创建ShapeFile⽂件点击右侧⽬录，在ArcGis_Labels⽂件上右键选择新建—ShapeFile(s)在弹出的创建新ShapeFile对话框中输⼊ShapeFile名称，要素类型选择“⾯”，点击确定，完成ShapeFile图层创建。
在⼯具栏中点击编辑，在下拉菜单中点击开始编辑点击创建要素，在创建要素内容列表中选择所要解译的图层在构造⼯具中选择⾯在图层显⽰区中缩放⾄合适⽐例尺开始解译图层解译完成后，点击编辑器—保存编辑内容—停⽌编辑，⾄此完成⼀个图层的解译注意：在解译过程中，每解译⼀部分时都应点击编辑器—保存编辑内容，以防误操作导致解译结果未保存！六、裁剪栅格在⼯具栏中点击ArcToolBox⼯具箱，在弹出的⼯具箱内容列表中选择数据管理⼯具在数据管理⼯具下拉菜单中依次选择栅格—栅格处理—裁剪，打开裁剪对话框（可选），点击确定在内容列表中可以查看裁剪结果，在图层显⽰区中可以查看解译的图斑。
在裁剪结果图层上右键选择数据—导出数据在弹出导出栅格数据对话框中勾选使⽤渲染器，像元⼤⼩根据需要确定，其他保持默认，点击保存。
在上⼀步⽣产的⽂件上右键选择数据—导出数据—保存，在弹出的输出栅格对话框中选择否，即可导出解译图层。
试述遥感目视解译的方法。
试述遥感目视解译的方法。
遥感目视解译是一种利用遥感图像进行研究和分析的方法，主要是通过目视观察遥感图像中的特征和模式，进行解释和理解图像中的信息。
遥感目视解译的方法包括以下几个步骤：
1. 图像预处理：首先对遥感图像进行预处理，包括图像校正、辐射校正、几何校正等，以确保图像的准确性和可靠性。
2. 特征提取：通过目视观察遥感图像中的特征，如颜色、纹理、形状等，提取出图像中的有用信息，并对特征进行分类和描述。
3. 模式识别：根据特征提取的结果，对图像中的模式进行识别和分类。
可以利用常见的分类方法，如最大似然分类、支持向量机分类等，对图像中的不同地物进行分类和识别。
4. 解释分析：在图像分类的基础上，对识别出的地物进行解释和分析。
根据地物的特征和分布，分析其与环境、地理背景等的关系，研究地物变化、演化等过程。
5. 结果验证：对解释分析的结果进行验证和评估，与实际场地进行对比和验证，以确定解释的准确性和可靠性。
6. 结果应用：最后，根据解释分析的结果，将其应用于实际应用中，如土地利用规划、资源调查、环境监测等领域，为决策提供支持和参考。
综上所述，遥感目视解译是一种通过目视观察遥感图像中的特征和模式，进行解释和分析图像信息的方法，有助于理解和利用遥感数据，为实际应用提供支持。
遥感解译基本步骤
遥感解译基本步骤遥感解译是从遥感图像中提取信息、进行分析和识别的过程。
以下是遥感解译的基本步骤：1. 图像获取和准备：获取高质量的遥感图像是解译的第一步。
选择合适的传感器、波段和分辨率以满足研究需求。
确保图像在获取时没有大气、云层或其他干扰。
2. 图像校正：对图像进行几何和辐射校正，以纠正由于传感器和大气扰动引起的形变和亮度差异。
校正后的图像有助于准确的定量分析和解译。
3. 选择合适的波段：根据研究目的选择图像中的合适波段。
不同波段可以提供不同的信息，例如红外波段用于植被健康状况的评估。
4. 增强图像：对图像进行增强，以提高特定信息的可视化效果。
常见的增强方法包括直方图均衡、对比度拉伸和色彩增强。
5. 制定解译目标：确定解译的目标和研究问题，例如土地覆盖类型、植被健康状况、水体分布等。
这有助于有针对性地选择解译方法和工具。
6. 进行初步解译：对图像进行初步的目视解译，标识可能的地物、特征和变化。
使用专业软件工具，如遥感图像解译系统，辅助进行初步解译。
7. 执行监督或非监督分类：利用监督或非监督分类方法，将图像像元分配到不同的类别中。
监督分类需要事先准备训练样本，而非监督分类则是根据图像自身的统计特征进行分类。
8. 验证和精度评估：对解译结果进行验证，比较实地调查或其他高分辨率数据，评估解译的准确性和可靠性。
这有助于确定解译结果的可信度。
9. 后处理和整合：对分类结果进行后处理，填充空洞、平滑边界等，以提高分类的一致性。
将解译结果与其他地理信息数据整合，生成完整的信息产品。
10. 结果分析和报告：分析解译结果，生成地图或报告，以满足特定的研究目标。
结果的解读需要结合地理背景和专业知识。
这些步骤的具体执行可能会因研究目的、地域特点和数据类型而有所不同，但这些基本步骤提供了一个通用的遥感解译流程。
实验八遥感图像目视解译
实验八遥感图像目视解译一、 实验目的通过实验熟悉常用卫星遥感图像中各地物影像特征、建立解译标志，为进一步进行地物识别奠定基础，从而掌握遥感图像的识别方法。
二、 实验内容遥感技术的根本目的是要通过图像的分析，深入研究各种自然环境要素，达到定性、定量分析和识别研究对象的目的，从而在国民经济和军事上发挥它的作用。
建立各种解译标志是这一工作的重要步骤。
本次实验就是根据各地物的影像特征，建立起地类分类系统及其解译标志，识别出不同影像上地物。
三、 实验数据1. qb.img四、 实验操作原理及步骤图像解译就是建立在研究地性质、电磁波性质及影像特征三者的关系基础上的。
前面我们介绍了计算机解译的过程，但是实际上计算机解译往往在某些方面达不到实际精度，这就往往需要人机交互来实现，也就是需要目视解译的参与。
遥感图像的目视解译首先就需要建立地物分类系统及解译标志，然后根据遥感图像特征与解译标志的关系进行判读，以达到目视解译的目的。
1.解译标志的定义和地物分类解译标志是遥感图像光谱、辐射、空间和事件特征决定图像的视觉效果、表现形式和计算特点，并导致物体在图像上的差别。
图像解译标志给出了区分遥感图像中物体或现象的可能性。
解译标志可区分如下：色调与色彩、形状、尺寸、阴影、细部（图案）以及结构（纹理）等。
地物特征可以分为：色：目标地物的颜色、色调、阴影。
形：形状、大小、图形、纹理（局部地域范围内的图形结构）位：目标地物分布的空间位置与相关布局目视解译有如下几种方法：(1)直接判定法：根据遥感影像目视判读直接标志，直接确定目标地物属性与范围的一种方法。
(2)对比分析法：此方法包括同类地物对比分析法、空间对比分析法和时相动态对比法。
同类地物对比分析法是在同一景遥感影像图上，由已知地物推出未知目标地物的方法。
(3)信息复合法：利用透明专题图或者透明地形图与遥感图像重合，根据专题图或者地形图提供的多种辅助信息，识别遥感图像上目标地物的方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一.遥感图像的预处理在遥感图像的应用之前，常常需要对遥感图像进行一些必要的处理，如不同格式的遥感数据的输入输出处理、多波段彩色合成处理、遥感图像的辐射校正处理、几何校正处理、拼接处理、裁切处理等，这些都称为遥感图像的预处理。
1.遥感数据的输入输出和多波段合成获得遥感数据之后，利用遥感数据之前，首先需要把各种格式的原始遥感数据输入到计算机中，转换为各种遥感图像处理软件能够识别的格式，才能够进行下一步的应用，这就需要对原始数据进行输入输出并转换为所需要的格式。
单波段的原始遥感数据合成为多波段的彩色遥感数据，因为人眼对彩色物体的分辨能力大大高于对黑白物体的分辨能力，彩色遥感图像的信息量更大；而且利用多波段的彩色遥感图像，还可以进行三个不同波段的遥感图像的彩色合成，以提高对不同地物的识别能力。
彩色遥感影像要求选择不少于3个波段的多光谱图像，各波段的配准误差不大于0.2m m。
2.遥感图像的辐射校正由于传感器本身的特性和大气、地形因子以及其它各种生态环境因子的影响，使传感器所接收的地物光谱反射信息，不能全部真实地反映图同地物的特征，影响了图像的识别精度，因此必须进行辐射校正，改进图像质量。
辐射校正主要包括三个方面：●传感器的灵敏度特征引起的辐射误差校正，如光学镜头的非均匀性引起的边缘减光现象的校正、光电变换系统的灵敏度特性引起的辐射误差校正等。
●光照条件的差异引起的辐射误差校正，如太阳的高度角的不同引起的辐射误差校正、地面的倾斜引起的辐射误差校正等。
●大气的散射和吸收引起的辐射误差校正等。
3.图像几何校正几何校正是指从具有几何畸变的图像中消除畸变的过程，也就是定量地确定图像上像元坐标与地理坐标的对应关系，即把数据投影到平面上，使之符合投影系统的过程。
为了将所获取的数据投影到理性的空间平面上产生精确的换算模型，需要借助一组地面控制点来进行几何校正。
控制点选择应均匀分布而且在影像图与地形图上都容易确定的同名地物点上。
所选点位图像清晰，在地形图及图像上均能正确识别和定位。
如农田林网的交叉点，小沟系上道路桥的两端位置，小河流、渠的交叉点，道路交叉点，水库坝上的拐角点等等。
一般情况下，只要控制点选择恰当，定位准确，在各类型区的校正中，误差多在1个像元以下。
对全景图像进行的校正，一般限于全景影像中的中间段，要使用6个以上校正控制点，中间两个控制点上的余差应不大于0.4m m。
遥感图像几何校正的一般步骤：1）确定校正方法：根据遥感图像几何畸变的性质和可用于校正的数据确定几何校正的方法；2）确定校正公式：确定原始输入图像上的像点和几何校正后的图像上的像点之间的变换公式，并根据控制点等数据确定变换公式中的未知参数；3）验证校正方法、校正公式的有效性：检查几何畸变能否得到充分的校正，探讨校正公式的有效性。
当判断为无效时，分析其原因，对新的校正公式进行探讨，或对校正中所用的数据进行修改；4）重采样、内插：对原始输入图像进行重采样，在重采样中，由于所计算的对应位置的坐标不是整数值，所以必须通过对周围的像元值进行内插来求出新的像元值，得到消除几何畸变的图像。
4.遥感图像的拼接在遥感图像的应用中，常常需要把研究区若干经校正的单幅遥感图像拼接起来。
遥感图像的拼接要求为：首先需要根据专业要求挑选合适的遥感数据，尽可能选择成像时间和成像条件相近的遥感图像相邻图像之间应有不小于图像宽度4%的重叠；要求相邻的图像的色调一致，图像层次丰富、图像清晰、色调均匀、反差适中。
遥感图像拼接之前要进行几何校正，必须全部包含相同的地图投影信息。
拼接的图像的像元大小可以不同，但必须具有相同的波段数。
在进行遥感图像拼接时，不同图像的色调、灰度存在差异，尤其当两幅相邻图像季节相差较大时，更为严重，这时必须对图像进行色调调整。
特别是在两幅图像的对接处，这种差异有时还比较明显。
为了消除两幅图像在拼接时的差异，有必要进行重叠区亮度的调整。
重叠区亮度的确定常用的有三种方法。
一是把两幅图像对应像元的平均值作为重叠区像元点的亮度值；二是把两幅图像中最大的亮度值作为重叠区像元的亮度值；三是区两幅图像对应像元值得线性加权和作为重叠区像元点的亮度值，对于第三种方法，为了使拼接效果更好，要尽可能使重叠部分最大。
5.遥感图像的裁切在处理遥感图像时，经常需要从原始的很大范围的整景遥感图像得到研究区的较小范围的遥感图像，这就是遥感图像的裁切。
遥感图像的裁切包括规则范围的裁切和不规则范围的裁切。
现在主要的遥感软件中，都包含了遥感图像裁切的功能。
二.遥感图像的增强处理有些遥感图像的目视效果较差，例如对比度不够、图像模糊；有些图像总体目视效果较好，对对所需要的信息，如边缘部分或现状地物不够突出；有些图像波段多数据量大，例如T M图像，但各波段的信息量存在疑点的相关性，为进一步的处理造成困难。
因此通过图像增强技术，改善图像质量、提高图像目视效果、突出所需要的信息、压缩图像数据量，为进一步的图像分析判读做好准备。
图像增强的主要目的有：改变图像的灰度等级，提高图像对比度；消除边缘和噪声，平滑图像；突出边缘或线状地物，锐化图像；合成彩色图像；压缩图像数据量，突出主要信息等。
图像增强的主要内容有：空间域增强、频率域增强、彩色增强、多图像代数运算、多光谱图像增强等。
1.空间域增强空间增强是有目的的突出图像上的某些特征，如突出边缘或线性地物；也可以有目的的去除某些地物，如抑制图像上再获取或传输过程中所产生的各种噪声。
空间增强的目的性很强，处理后的图像从整体上可能与原图像差异很大，但却突出了需要的信息或消弱了不需要的信息，从而达到了增强的目的。
2.频率增强像元的灰度值随位置变化的频繁程度可以用频率来表示，这是一种随位置变化的空间频率。
在频率域增强处理技术中，平滑主要是保留图像的低频率部分抑制高频率部分，锐化则保留图像的高频部分而消弱低频部分。
3.彩色增强人的眼睛对灰度级的分辨能力较差，正常人的眼睛只能分辨20级左右的灰度级，而对彩色的分辨能力远远超过对灰度级的分辨能力，达到对灰度级分辨能力的几十倍以上。
因此，将灰度值图像变为彩色图像以及进行各种彩色变换可以明显改善图像的可视性。
彩色增强主要有以下几种方法。
伪彩色增强：伪彩色增强是把一幅黑白图像的不同灰度按一定的函数关系变换为彩色，得到一幅彩色图像的方法。
黑白图像经过密度分割后，图像的可分辨能力得到明显提高，能准确地区分出地物类别。
假彩色增强：假彩色增强是彩色增强中最常用的一种方法，处理的对象是同一景物的多光谱图像。
对于多波段遥感图像，选择其中的某三个波段，分别赋予红、绿、蓝三种颜色，即可显示和成的彩色图像。
在标准假彩色图像中，突出了植被、水体、城乡、山区、平原等特征，地物类型信息丰富。
彩色变换：遥感图像处理系统中还经常会用到I H S（亮度、色度、饱和度）模型，他表示的彩色与人眼看到的更为接近。
R G B和I H S两种色彩模式可以相互转换，有些处理在某个彩色系统中可能更为方便。
4.多图像代数运算对于遥感多光谱图像和经过空间配准的两幅或多幅单波段遥感图像，可以进行一系列的代数运算，从而达到某种增强的目的。
以下是运算的主要几种方法。
加法运算：加法运算时把两幅同样大小的图像对应像元的灰度值相加，主要用于对同一区域的多幅图像求平均，可以有效地减少图像的加性随机噪声。
差值运算：加法运算时把两幅同样大小的图像对应像元的灰度值相减。
差值图像提供了不同波段或不同时相图像间的差异信息，能用在动态监测、运动目标监测与跟踪、图像背景消除及目标识别等工作中。
比值运算：比值运算是指两个不同波段的图像对应的灰度值相除，使遥感图像处理中常用的方法。
这种算法对于增强和区分在不同波段上的比值差异较大的地物有明显的效果。
植被指数：根据地物光谱反射率的差异作比值运算可以突出图像中植被的特征、提取植被类别或估算绿色生物量，通常能够提取植被的算法称为植被指数。
图像复合：不同传感器获取的同一地区的图像，由于其波长范围不同、几何特性不同，分辨率不同等因素而具有不同的应用特点。
图像复合可以综合不同传感器图像的优点，大大提高图像的应用精度。
5.多光谱增强多光谱增强采用对对多光谱图像进行线形变换的方法，减少各波段信息之间的冗余，达到保留主要信息，压缩数据量，增强和提取更有目视解译效果的新波段数据的目的。
三.遥感图像的分类图像分类是根据遥感影像的光谱特征，对影像上所记录的各种地物类别，借助于电子计算机自动进行识别和区分的方法，主要分为监督分类和非监督分类两种基本方法。
1）监督分类监督分类比非监督分类更多地要用户来控制，常用于对研究区域比较了解的情况。
在监督分类过程中，首先选择可以识别或者借助其它信息可以断定其类型的像元建立模板，然后基于该模板使计算机系统自动识别具有相同特性的像元。
对分类结果进行评价后在对模板进行修改，多次反复后建立一个比较准确的模板，并在此基础上最终进行分类。
监督分类一般要进过以下几个步骤：建立模板、评价模板、确定初步分类结果、检验分类结果、分类后处理、分类特征统计、栅格矢量转换。
监督分类示意图如图1：图1监督分类流程图监督分类法中常用的为最大似然分类法、最小距离法、平行六面体法、决策树分类法。
其中最大似然法是最为常用的分类方法之一；平行六面体法和决策树分类法虽让分类时间较短但总精度较最大似然为低。
2）非监督分类非监督分类算法，完全按照像元的光谱特性进行统计分类，对分类区情况不了解时常使用这种方法。
使用该方法时，原始图像的所有波段都参与分类元算，分类结果往往是各类像元数大体等比例。
由于人为干预较少，非监督分类过程的自动化程度较高。
非监督分类一般要经过以下几个步骤：初始分类、专题判别、分类合并、色彩确定、分类后处理、色彩重定义、栅格矢量转换以及统计分析。
非监督分类示意图如图2：图2非监督分类流程图3）遥感图像分类后的处理无论监督分类还是非监督分类，都是按照图像光谱特征进行聚类分析的，因此，都带有一定的盲目性。
所以，对获得的分类结果需要进行一些处理工作，才能得到相对理想的分类结果，这些处理操作通称为分类后处理。
常用的分类后处理方法有聚类统计、过滤分析、去除分析和分类重编码等。
通过聚类、过滤和去除分析主要是对分类产生的一些小图斑进行剔除或是合并到与之相近的类中。
分类重编码是将专题分类图像与原始图像对照，判断每个分类的专题属性，然后对相近或类似的分类通过图像重编码进行合并，并定义分类名称和颜色，这一步主要是针对非监督分类而言的。