遥感数字图像处理培训目录（最新技术适配版）

一、培训总览

二、培训核心目标

1. 熟练掌握遥感数字图像及图像处理的核心概念、系统组成与发展趋势，明晰遥感技术与其他学科的关联，建立系统的遥感数字图像处理知识体系；
2. 掌握遥感数字图像处理必备的数学基础，能熟练运用向量矩阵、傅立叶变换、卷积等数学工具理解图像处理原理；
3. 精通遥感图像几何纠正、辐射校正的核心原理与实操方法，能独立完成不同类型遥感图像（光学、SAR、多中心投影等）的几何与辐射预处理；
4. 熟练掌握图像增强（辐射、空间、频率域、彩色）处理技术，能根据业务需求优化遥感图像质量，提升目标信息辨识度；
5. 掌握遥感图像计算机分类核心技术（监督分类、非监督分类），了解AI辅助分类、雷达图像分类等前沿方法，能独立完成地物分类与信息提取；
6. 熟练运用遥感图像一般分析、地形分析、空间建模等方法，能完成基础遥感应用场景的数据分析与成果输出；
7. 精通ERDAS、ENVI等主流遥感处理软件的操作，了解其他常用软件的核心功能，能适配不同场景的软件应用需求；
8. 具备独立解决遥感数字图像处理过程中常见问题的能力，能结合行业需求完成从图像预处理到分析应用的全流程工作。

三、预备知识

• 具备基础的遥感与GIS理论认知，了解遥感图像的基本类型与来源；
• 掌握基础的数学知识（高等数学、线性代数、概率统计），能理解基本的数学运算与变换；
• 具备电脑基本操作能力，能快速适应遥感图像处理软件的操作环境。

四、培训对象

• 1. 自然资源、生态环境、农业林业、测绘地理信息、应急管理等行业从事遥感数据处理与应用的技术人员；
• 2. 具备基础遥感认知，需提升遥感数字图像处理实操能力的从业人员；
• 3. 负责遥感图像解译、地物分类、空间分析等相关工作的工作人员；
• 4. 科研人员、高校遥感、GIS、测绘、地理科学等相关专业学生，需夯实遥感数字图像处理基础，适配项目与科研需求。

五、培训核心知识点

（一）遥感数字图像处理概述

• 遥感数字图像核心认知：遥感数字图像的定义、特征、类型（光学、SAR、高分辨率等）；数字图像与模拟图像的区别与优势；
• 基本概念解析：遥感数字图像处理的定义、核心任务、处理流程（预处理-增强-分类-分析）；
• 图像处理系统：硬件系统（计算机、传感器、显示器、存储设备等）组成与功能；软件系统（核心模块、功能适配场景）；
• 发展与关联：遥感数字图像处理的发展历程、2026年前沿趋势（AI融合、多源数据协同、智能化处理）；与GIS、测绘、生态学等学科的关联与融合应用。

（二）遥感数字图像处理的数学基础

• 向量与矩阵：向量、矩阵的定义与基本运算；在遥感图像处理中的应用（图像表示、变换运算等）；
• 随机变量及分布：随机变量的定义、常见分布（正态分布、泊松分布）；在遥感图像噪声分析、像素值分布建模中的应用；
• 常用函数介绍：灰度变换常用函数（线性、非线性、对数/指数函数）；阈值函数、滤波函数等核心函数的特性与应用；
• 傅立叶变换：傅立叶变换的基本原理、性质；在图像频率域分析、噪声去除中的应用；快速傅立叶变换（FFT）实操基础；
• 卷积与相关函数：卷积的定义、运算过程；相关函数的核心概念；在图像平滑、锐化等空间域处理中的原理与应用。

（三）遥感数字图像的几何处理

• 几何处理概述：几何变形的定义、产生原因（传感器误差、地形影响、地球曲率等）；几何处理的核心目标与流程；
• 中心投影构像几何纠正：中心投影构像原理；几何纠正的核心步骤（控制点选择、坐标转换、图像重采样）；实操方法与精度评估；
• 多中心投影数字图像几何纠正：多中心投影图像的特点（如无人机遥感图像）；几何纠正的难点与适配技术；实操案例演练；
• 侧视雷达图像的几何纠正：SAR图像几何变形的特殊性（距离压缩、叠掩、阴影等）；几何纠正的原理与关键步骤；ENVI/ERDAS软件实操。

（四）遥感图像的辐射纠正

• 辐射校正概述：辐射误差的定义、来源（大气影响、传感器误差、地形效应等）；辐射校正的核心意义与分类；
• 辐射误差校正原理与方法：大气校正（基于模型法、地面控制点法）；传感器校正（暗电流校正、增益校正）；地形校正（坡度坡向校正）；实操技巧与效果验证；
• SAR数据辐射校正处理：合成孔径侧视雷达（SAR）数据辐射误差的特殊性；辐射定标、斑点噪声抑制等核心处理技术；ENVI/SARscape软件实操；
• 遥感卫星辐射校正场概述：辐射校正场的作用、组成与选址原则；国内外主流辐射校正场介绍；辐射校正场数据应用基础。

（五）遥感数字图像增强处理

• 辐射增强：灰度变换（线性变换、非线性变换、直方图均衡化、直方图规定化）；辐射增强的目标与应用场景；软件实操与效果优化；
• 空间增强：空间域滤波（平滑滤波、锐化滤波）；滤波核的设计与选择；针对噪声去除、边缘增强的实操应用；
• 频率域增强：频率域滤波的基本原理（低通滤波、高通滤波、带通/带阻滤波）；结合傅立叶变换的实操流程；复杂场景下的增强效果优化；
• 彩色增强：假彩色合成、真彩色合成的原理与方法；色彩拉伸、色彩平衡调整；多波段图像彩色增强实操；提升目标地物辨识度的技巧。

（六）遥感图像计算机分类

• 计算机分类核心认知：图像分类的定义、目标与流程；地物光谱特征的核心作用；分类精度评价指标；
• 判别函数：判别函数的定义、设计原则；常用判别函数（距离判别函数、贝叶斯判别函数）的原理与应用；
• 非监督分类：非监督分类的原理、特点与适用场景；K-均值聚类、ISODATA聚类等常用算法；分类参数设置、迭代优化与结果解译；
• 监督分类：监督分类的原理、流程（训练样本选择、分类器训练、分类执行、精度验证）；最大似然法、支持向量机（SVM）、决策树等常用分类器；训练样本优化技巧；
• 辅助处理技术：光谱特征选择与提取；纹理特征、形状特征辅助分类；多源数据融合分类技术；
• 分类新方法：2026年前沿分类技术（AI辅助分类、深度学习分类）；基于CNN、Transformer的遥感图像分类基础与应用场景；
• 雷达图像分类新方法：SAR图像分类的难点（斑点噪声、极化信息利用）；极化SAR分类、基于纹理特征的SAR分类技术；实操案例演练。

（七）遥感数字图像分析方法

• 一般分析方法：遥感图像解译的基本原理与方法（目视解译、计算机解译结合）；地物特征（光谱、纹理、形状、空间关系）提取与分析；
• 地形分析方法：基于遥感图像（DEM融合）的地形因子提取（坡度、坡向、高程、粗糙度等）；地形分析在水文、农业、生态中的应用；
• 空间建模与实践：遥感空间建模的定义、流程与常用模型；基于遥感数据的专题建模（如土地利用变化检测、植被覆盖度估算）；实操案例（结合ENVI/ArcGIS完成空间建模与成果输出）。

（八）遥感数字图像处理软件简介与实操

• ERDAS遥感图像处理软件：软件核心界面与功能模块介绍；常用操作（数据加载、预处理、增强、分类、分析）实操；典型案例（图像纠正、地物分类）演练；
• 其他主流软件：ENVI 5.6（最新版）核心功能与实操技巧；SARscape（SAR数据处理专用模块）应用基础；QGIS、ArcGIS遥感处理模块适配场景；
• 软件对比与选型：不同软件的优势与适配场景；2026年软件发展趋势（智能化、轻量化、多源数据协同处理）；行业应用中的软件选型建议。