我们从卫星公司订购的卫星数据通常为原始数据。
卫星下传的原始数据（Raw Data）更像是相机的“底片”，它记录的是传感器接收到的电磁辐射能量值，其中混合了地物真实信息和各种噪声与畸变。它本身无法直接用于分析和解译。
遥感影像处理就是一个“解码”和“净化”的过程，剥离噪声和误差，提取出纯粹反映地物特征的信息。没有这个步骤，原始数据只是一堆无意义的数字；经过处理，它才变成能反映地表真实情况的地图或图像。
遥感影像处理能解决哪些问题呢？
一、克服观测环境的固有缺陷
问题来源：大气散射和吸收、传感器灵敏度、太阳高度角等。
处理方法：辐射定标和大气校正。这一步将传感器记录的灰度值（DN）转换为真实的地表反射率或辐射亮度。这是进行定量遥感（如监测植被健康度、水体叶绿素浓度）的绝对前提。
2.几何失真（ Geometric Distortion ）- 解决“位置不对、形状扭曲”的问题
问题来源：地球自转、曲率、地形起伏、传感器姿态变化（俯仰、翻滚、偏航）等。
处理方法：几何校正和正射校正。通过地面控制点和高程模型，将图像中的每个像素精确地匹配到其真实的地理坐标上。这是将遥感影像与GIS矢量数据（如行政边界、道路）进行叠加分析的基础。
二、为信息提取和智能解译铺平道路
即使图像在辐射和几何上已经准确，为了让人或计算机能更高效、更准确地识别目标，还需要进一步的“加工”。
图像增强：这是为了增强可读性。
对比度拉伸：让暗淡的细节变得清晰。
色彩合成：将不可见的红外波段组合成“假彩色”图像，使特定地物（如健康植被呈鲜红色）异常突出。
滤波：抑制噪声或增强边缘（如道路、田埂）。
信息提取：这是处理的最终目的，也是高级阶段。
分类：基于光谱特征，计算机自动将图像划分为不同地物类别（如水体、建筑、林地、农田）。
变化检测：通过比较不同时相的影像，自动识别出地表的变化区域（如城市扩张、森林砍伐）。
目标识别：自动识别和定位特定目标，如船舶、飞机、储油罐等。
如果没有前期的校正和增强，这些自动化解译算法的精度将大打折扣，甚至完全失效。 例如，未经大气校正的图像，同一种作物在不同日期影像中的光谱值可能差异巨大，导致变化检测结果完全错误。
总之，遥感影像处理是：
一项“纠偏”工作：消除观测系统本身和外部环境引入的误差，确保数据的真实性与准确性。
一项“翻译”工作：将物理传感器信号“翻译”成具有明确地理和物理意义的可靠信息。
一项“赋能”工作：为后续的人工解译和计算机自动分析奠定坚实基础，是连接原始数据和各行各业深度应用的核心桥梁。
