图像预处理是遥感应用的第一步，也是非常重要的一步。目前的技术也非常成熟，大多数的商业化软件都具备这方面的功能。预处理的流程在各个行业、不同数据中有点差异，而且注重点也各有不同。

1. 数据预处理一般流程

数据预处理的过程包括几何校正（地理定位、几何精校正、图像配准、正射校正等）、图像融合、图像镶嵌、图像裁剪、去云及阴影处理和大气校正等几个环节，如下图是中等分辨率的全色和多光谱图像预处理流程图示。在几何校正环境，使用从标准数据中选择控制点方式进行对全色图像几何校正，以全色图像作为基准图像配准多光谱图像，将多光谱和全色图像进行融合处理，利用矢量边界对融合结果进行裁剪，最后得到具有地理坐标、较高分辨率的多光谱图像。

各个行业应用会有所不同，比如在精细农业方面，需要进行大气校正以去除大气对图像的图像；在测绘方面，对几何校正的精度要求会很高，而且处理的一般是高分辨率图像，需要进行正射校正处理。

2. 数据预处理的主要步骤介绍

（一）几何精校正与图像配准

引起图像几何变形一般分为两大类：系统性和非系统性。系统性一般有传感器本身引起的，有规律可循和可预测性，可以用传感器模型来校正；非系统性几何变形是不规律的，它可以是传感器平台本身的高度、姿态等不稳定，也可以是地球曲率及空气折射的变化以及地形的变化等。

在做几何校正前，先要知道几个概念：

地理编码：把图像矫正到一种统一标准的坐标系。

地理参照：借助一组控制点，对一幅图像进行地理坐标的校正。

图像配准：同一区域里一幅图像（基准图像）对另一幅图像校准

图像几何精校正包括了地理编码和地理参照，以及部分图像配准的范畴，一般步骤如下，

（1）GCP（地面控制点）的选取

这是几何校正中最重要的一步。可以从地形图（DRG）为参考进行控制选点，也可以野外GPS测量获得，或者从校正好的图像中获取。选取得控制点有以下特征：

1、GCP在图像上有明显的、清晰的点位标志，如道路交叉点、河流交叉点等；

2、地面控制点上的地物不随时间而变化。

GCP均匀分布在整幅图像内，且要有一定的数量保证，不同纠正模型对控制点个数的需求不相同。卫星提供的辅助数据可建立严密的物理模型，该模型只需9个控制点即可；对于有理多项式模型，一般每景要求不少于30个控制点，困难地区适当增加点位；几何多项式模型将根据地形情况确定，它要求控制点个数多于上述几种模型，通常每景要求在30-50个左右，尤其对于山区应适当增加控制点。

（2）建立几何校正模型

地面点控制点确定之后，利用图像上的像元坐标（x，y）及其参考地理坐标（X，Y），选择一个合理的坐标变换函数式（即校正模型），并推算出变换函数。 

（3）图像重采样

重新定位后的像元在原图像中分布是不均匀的,即输出图像像元点在输入图像中的行列号不是或不全是正数关系。因此需要根据输出图像上的各像元在输入图像中的位置，对原始图像按一定规则重新采样，进行亮度值的插值计算，建立新的图像矩阵。常用的内插方法包括：

1、最邻近法是将最邻近的像元值赋予新像元。该方法的优点是输出图像仍然保持原来的像元值，简单，处理速度快。但这种方法最大可产生半个像元的位置偏移，可能造成输出图像中某些地物的不连贯。

 2、双线性内插法是使用邻近4个点的像元值，按照其距内插点的距离赋予不同的权重，进行线性内插。该方法具有平均化的滤波效果，边缘受到平滑作用，而产生一个比较连贯的输出图像，其缺点是破坏了原来的像元值。

3、三次卷积内插法较为复杂，它使用内插点周围的16个像元值，用三次卷积函数进行内插。这种方法对边缘有所增强，并具有均衡化和清晰化的效果，当它仍然破坏了原来的像元值，且计算量大。

一般认为最邻近法有利于保持原始图像中的灰级，但对图像中的几何结构损坏较大。后两种方法虽然对像元值有所近似，但也在很大程度上保留图像原有的几何结构，如道路网、水系、地物边界等。

（二） 图像融合

将低分辨率的多光谱影像与高分辨率的单波段影像重采样生成成一副高分辨率多光谱影像遥感的图像处理技术，使得处理后的影像既有较高的空间分辨率，又具有多光谱特征。

（三）图像镶嵌与裁剪

•   镶嵌

当研究区超出单幅遥感图像所覆盖的范围时，通常需要将两幅或多幅图像拼接起来形成一幅或一系列覆盖全区的较大的图像。

在进行图像的镶嵌时，需要确定一幅参考图像，参考图像将作为输出镶嵌图像的基准，决定镶嵌图像的对比度匹配、以及输出图像的像元大小和数据类型等。镶嵌得两幅或多幅图像选择相同或相近的成像时间，使得图像的色调保持一致。但接边色调相差太大时，可以利用直方图均衡、色彩平滑等使得接边尽量一致，但用于变化信息提取时，相邻图像的色调不允许平滑，避免信息变异。

•   裁剪

图像裁剪的目的是将研究之外的区域去除，常用的是按照行政区划边界或自然区划边界进行图像的分幅裁剪。

（四）大气校正

遥感图像在获取过程中，受到如大气吸收与散射、传感器定标、地形等因素的影响，且它们会随时间的不同而有所差异。因此，在多时相遥感图像中，除了地物的变化会引起图像中辐射值的变化外，不变的地物在不同时相图像中的辐射值也会有差异。利用多时相遥感图像的光谱信息来检测地物变化状况的动态监测，其重要前提是要消除不变地物的辐射值差异。

    辐射校正是消除非地物变化所造成的图像辐射值改变的有效方法，按照校正后的结果可以分为2种，绝对辐射校正方法和相对辐射校正方法。绝对辐射校正方法是将遥感图像的DN(Digital Number)值转换为真实地表反射率的方法，它需要获取图像过境时的地表测量数据，并考虑地形起伏等因素来校正大气和传感器的影响，因此这类方法一般都很复杂，目前大多数遥感图像都无法满足上述条件。相对辐射校正是将一图像作为参考（或基准）图像，调整另一图像的DN值，使得两时相图像上同名的地物具有相同的DN值，这个过程也叫多时相遥感图像的光谱归一化。这样我们就可以通过分析不同时相遥感图像上的辐射值差异来实现变化监测。因此，相对辐射校正就是要使相对稳定的同名地物的辐射值在不同时相遥感图像上一致，从而完成地物动态变化的遥感动态监测。