A. 遥感图像的基本属性
遥感图像的波谱特性、空间特性、时间特性等基本属性,是遥感地质学的一项重要研究内容。
(一)波谱特性
从波谱学方面,根据遥感器探测记录的波谱特性差异识别地物和现象,是遥感应用的基本出发点。波谱特性差异在遥感图像上即为影像灰度(色调)或色彩的差异。各种遥感图像的灰度或色彩都是其响应波段内电磁辐射能量大小的反映:黑白全色像片、天然彩色像片反映地物对可见光(0.38-0.76μm)的反射能量;黑白红外像片、彩色红外像片反映的是地物在部分可见光和摄影红外波段(0.38-1.3μm)的反射能量;热红外图像反映地物在热红外波段(8-14μm)的热辐射能量(辐射温度);成像雷达图像反映地物对人工发射微波(0.8-100cm)后向散射回波的强弱;多波段、超多波段图像灰度则是其各自响应波段辐射能量大小的反映。遥感图像波谱特性分析,包括遥感器的波谱分辨率和辐射分辨率。
(二)空间特性(几何特性)
遥感图像的空间特性,是从形态学方面识别地物、测绘地图、建立解释标志、图像几何纠正及增强处理等的重要依据。遥感图像空间特性分析,主要有成像遥感器的空间分辨率、图像投影性质、比例尺、几何畸变等。
1.空间分辨率
遥感图像的空间分辨率指图像能分辨具有不同反差、相距一定距离相邻目标的能力。
(1)影像分辨率:指用显微镜观察影像时,1mm宽度内所能分辨出的相间排列的黑白线对数(线对/mm)。它受光学系统分辨率、感光材料(或显示器)分辨率、影像比例尺、相邻地物间的反差等因素的综合影响。
(2)地面分辨率:指遥感影像上能分辨的两个地物间的最小距离。扫描影像常用遥感器探测单元的临时视场大小表示,如陆地卫星MSS图像的地面分辨率为80m。
2.影像比例尺
指影像上某一线段的长度与地面上相应的水平距离的比值。由遥感器光学系统的焦距(f)与遥感平台的高度即航高(H)之比来确定,即1/m=f/H(图3-27)。由于遥感影像一般为中心投影或多中心投影,它不同于地图的垂直投影,影像比例尺受地形起伏及地物在像幅中位置的影响,会出现各处不一致的现象。
3.投影性质与影像几何畸变
遥感影像均经光学系统聚焦成像,透镜的成像规律和遥感器成像方式决定了遥感影像的投影性质。不同投影性质会产生不同性质的影像几何畸变。
(1)中心投影:如图32-7,地面上各地物点的投影光线(Aa、Bb、Cc)都通过一个固定点(S),投射到投影面(P1、P2)上形成的透视影像称中心投影,S称投影中心(透镜中心)。帧幅摄影像片即为地面的中心投影。投影中心位于投影面与地物之间时,投影面(P1)上的透视影像称负像,P1称负片(底片);在投影中心与地物之间的投影面(P2)上的影像称正像,P2又称正片(像片)。航空摄影机主光轴与像平面的交点称像主点;过投影中心的铅垂线与像平面的交点称像底点。
(2)一维中心投影条幅摄影机影像在沿缝隙方向属中心投影,当地面坦且投影面水平时,影像比例尺等于f/H,但在航向方向,比例关系则由卷片速度v与航速V之比来确定,因此影像的纵向和横向比例尺通常不一致。全景摄影影像,在扫描角活动时也属一维中心投影,会产生全景畸变(见全景像片特性)。
(3)多中心投影:光机扫描影像为逐点行式扫描成像,每个像点都有各自的投影中心,但同一条扫描线上各像点成像时间相差甚小,可以认为每一扫描行有一个投影中心,故光机(固体)扫描影像为多中心投影(图3-16)。
(4)旋转斜距投影:如图3-28,为侧视雷达对平坦地面成像时的几何关系,Sab为影像面,ab是在阴极射线管屏幕上光点掠过的轨迹,光点出现的时间取决于雷达发出微波到接收到回波间的时间间隔,由于微波传播速度(c)是固定的,所以雷达影像实际为斜距的投影,投影性质为旋转斜距投影。
图3-27 中心投影
图3-28 旋转斜距投影
(三)时间特性
遥感影像是成像瞬间地物电磁辐射能量的记录,而地物都具有时相变化,一是自然变化过程,即其发生、发展和演化过程;二是节律,即事物的发展在时间序列上表现出某种周期性重复的规律,亦即地物的波谱特性随时间的变化而变化。在遥感影像解译时,必须考虑研究对象所处的时态,充分利用多时相影像,不能以一个瞬时信息来包罗它的整个发展过程。遥感影像的时间特性与遥感器的时间分辨率有关,还与成像季节、时间有关。
B. 遥感数据预处理
本研究以 2008 年 3 月 16 日地震前 IKONOS 遥感影像和 2008 年 9 月 1 日地震后QuickBird 遥感影像为数据源，采用基于多源多时相变化检测技术开展遥感震害信息提取。
基于多源多时相变化检测技术的遥感震害信息提取数据的预处理不同于普通的遥感影像数据的预处理，其对两时相影像质量的要求较高 ( 不管在辐射校正、几何校正还是影像配准等环节中均要求比较高的精度) ，因为这直接关系到后续震害信息提取的准确性。为满足 “快速、高效、准确”的要求，本节提出了基于变化检测技术的多源多时相遥感震害信息提取影像预处理技术流程 ( 图 4 －2) ，通过实验证明取得了良好效果。
( 一) 无控制点共线方程几何校正法
共线方程建立在图像坐标与地面坐标严格的数学变换关系基础上，是对成像空间几何形态的直接描述。该方法的校正过程需要用到数字高程模型，可以在一定程度上修正因地形起伏而引起的投影差和几何变形。当今，所有的卫星遥感数据都附带了卫星传感器的精确位置、高度、速度、太阳高度角和姿态等参数，这些信息一般保存在遥感影像的头文件或 ＲPC 文件里，所以能够十分方便地在没有地面控制点的情况下使用共线方程几何校正法进行较高精度的几何纠正和定位。
高分辨率遥感影像由于幅宽窄、空间分辨率高，受地球切平面、地球曲率等影响相对较小，影像内部几何畸变较小，所以一般在使用了共线方程几何校正法对高分辨率遥感影像进行几何校正后，都能够达到比较好的效果。由于共线方程几何校正法只需要提供卫星传感器飞行的相关参数就能对影像进行纠正，省去了选取控制点的步骤，节省了时间，满足了 “快捷、准确”的要求，所以本研究选择无控制点共线方程几何校正法对影像进行第一次 “粗”校正。
在 ENVI 软件中，分别读取 IKONOS 和 QuickBird 数据的 ＲPC 文件 ( . txt 格式) ，然后在 Georeference 模块中分别对全色和多光谱波段进行无控制点共线方程的几何校正。
图 4 －2 遥感震害信息提取影像预处理技术流程图
( 二) 正射校正
遥感图像成图时，由于受到各种不确定因素的影响，例如传感器的成像方式、外方位元素的变化、地形起伏、地球曲率、大气折射等，图像本身的几何形状与其对应的地物形状往往会不一致，发生几何变形 ( 畸变) 。遥感图像的几何变形是指原始图像上各地物的几何位置、形状、尺寸、方位等特征与在参照系统中的表达要求不一致时产生的变形。为了消除这些因素带来的几何变形，为后续影像配准做好铺垫，还需要利用研究区域的DEM 对影像做数字正射校 正，分别生 成 震 前、震 后 两时相 的 数 字 正 射 影 像 图 ( Digital Orthophoto Map，简称 DOM) 。数字正射纠正的原理就是将中心投影的影像通过数字符纠正形成正射投影的过程 ( 陈文凯，2007) 。
本文的正射校正在 ENVI 软件的 Orthorectification 模块中完成。得到震前、震后两时相的 DOM 后，还应当检查其与 DEM 的匹配情况，与 DEM 同名地物点的点位中误差不能大于表 4 －1 的规定，如果超过规定，需要重新进行正射校正。
表 4 －1 DOM 与 DEM 地物点的点位中误差
( 三) 图像融合
对全色数据与多光谱数据的 DOM 进行融合，形成兼具高分辨率空间信息和多光谱彩色信息的融合影像。融合前须对多光谱数据进行色彩增强处理，拉大不同地类之间的色彩反差，突出其彩色信息; 同时对影像进行色调调整，提高全色数据的对比度和亮度，增强局部反差，突出纹理细节，降低噪声。融合后须检查影像是否出现重影、模糊等现象，检查影像纹理细节与色彩，判断融合前的处理是否正确，如果存在以上问题，需要返回重新融合。融合后影像如果亮度偏低、灰阶较窄，可采用线性拉伸、亮度对比度等方法进行色调调整，但是应注意尽量保留融合数据的光谱信息和空间信息。
研究为了使融合后的数据仍然保持多光谱特性 ( 四个波段: 红、绿、蓝、近红外) ，便于标准化植被指数 NDVI 的计算，在 EＲDAS 软件下，采用 Subtractive resolution merge 模块( 此种融合方法能够使融合后的数据保持原有的多光谱特性) ，分别对 IKONOS 和 QuickBird数据的全色波段和多光谱波段进行融合，取得了良好的效果 ( 图4 －3、图4 －4) 。
图 4 －3 IKONOS 融合影像 ( 1m)
图 4 －4 QuickBird 融合影像 ( 0. 6m)
( 四) 图像配准
震前、震后 DOM 影像在经过无控制点共线方程几何校正和正射校正之后，已基本实现了叠置，大部分地物都能比较好地重叠在一起，不过也有个别目标存在偏差现象。图 4 －5 中左侧为震后 QuickBird 影像，右侧为 IKONOS 影像，中间黑色划线标注区域的池塘重叠效果存在着偏差，在这种情况下，需要进行影像之间的配准。图像配准也叫影像的精校正，是指消除图像中的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像过程。
图 4 －5 震前、震后 DOM 影像叠置的效果( 黑色划线区域内存在偏差)
本节所指的图像配准是多图像的几何配准，多图像是指同一地区不同时刻的图像 ( 多时相图像) 或者不同传感器获取的多源图像，这里 IKONOS 和 QuickBird 影像就属于多源多时相遥感影像。多图像几何配准就是指将多图像的同名像点通过几何变换实现精确重叠，通常称为相对配准; 如果将相对配准后得到的多图像归入同一地图坐标系统当中，就叫做绝对配准。
本研究中震前与震后的融合 DOM 影像之间的配准工作在 EＲDAS 软件的 Image Geometric Correction 模块中进行，以震后 QuickBird 影像 DOM 为参照，选择二次多项式校正模型配准震前 IKONOS 影像 DOM，手动选取了 6 个同名控制点建立了多项式模型之后，这时 EＲDAS 软件会根据模型自动找出后面控制点在图像中对应的位置，这时只要在图像窗口中校正其位置即可，节省了时间。同名配准控制点的残差应当满足表 4 － 2 的要求。共选取 20 个地面控制点 ( GCP) ，这 20 个控制点总的均方根误差 ( ＲMSE) 为 ±1. 0773，各个地面控制点坐标值和 ＲMSE 见表4 －3。最后选择最近邻域法 ( Nearest Neighbor) 对影像进行重采样。
表 4 －2 配准控制点残差
表 4 －3 各个地面控制点的坐标和 ＲMSE
续表
DOM 影像几何配准之后，需要对质量进行检查控制。首先校正震前、震后 DOM 影像的同名地物点的点位中误差不能大于表 4 －4 的规定，另外检查两个时相的 DOM 影像与土地利用现状图 ( LUDＲG) 的匹配情况，精度不能大于表 4 － 5 的规定。如果不满足要求，还需要利用土地利用现状图对两时相 DOM 影像进行第二次配准。
表 4 －4 多时相 DOM 同名地物点配准精度
表 4 －5 DOM 相对于土地利用现状图的精度
( 五) 影像辐射增强处理
由于震前、震后 DOM 影像获取的时间不同，地面接收到的太阳辐射度不同，加之高分辨率遥感影像本身像元间光谱的异质性较强，使得两个 DOM 影像在外观上肯定存在一些差异，对震害变化信息检测带来不利影响。为了消除这些不利影响，提高震害信息提取精度，需要事先对震前、震后两时相 DOM 影像做辐射增强处理，主要包括自适应性滤波处理和直方图匹配。
为了控制高分辨率遥感数据中的随机噪声 ( 随机噪声往往影响地类之间的均匀性及边界的稳定性) 和像元间光谱的强异质性，需要对影像进行空间滤波处理。本研究采用 ENVI 软件中的 Frost 自适应性滤波对震前、震后 DOM 影像进行滤波处理，在降低像元光谱异质性，使影像平滑的同时，较好地保持了地类边缘和纹理的清晰。Frost 自适应性滤波是以权重为自适应调节参数的滤波器，对每一个像元都确定一个权重，然后逐个进行滤波。
本研究所说的直方图匹配是指对图像查找表进行数学变换，使一幅多光谱遥感图像所有波段的直方图与另一幅遥感图像所有对应波段相似，其经常用于相邻图像之间的拼接或者多时相遥感图像动态变化信息检测研究的预处理工作，经过直方图匹配可以消除部分由于太阳高度角或者大气辐射造成的多源遥感影像间光谱信息的差异性 ( 党安荣等，2003) 。
本研究在 EＲDAS 软件中以震后 QuickBird 影像 DOM 为标准，对震前 IKONOS 影像DOM 的各个波段完成直方图匹配处理。从上节融合后的结果 ( 图 4 － 3、图 4 － 4) 中可以发现，QuickBird 融合影像在研究区域内存在一片厚厚的云层以及由云层引起的阴影，导致云层和阴影范围内的信息完全丢失，严重影响了数据质量。在这种情况下，使用去除薄云的处理方法无法解决问题，然而也不能使用去除厚云的替补方法，因为后续工作是震害变化信息的提取，如果用其他的影像数据进行替换 ( 例如灾前 IKONOS 数据) ，势必会影响到后面变化信息提取的精度。经过综合考虑，决定在不能修复厚云及其阴影区域的情况下，通过分类单独提出云层和阴影，然后建立掩膜图层，在 QuickBird 影像上剔除上述区域，不参与后续研究。同样在震前 IKONOS 影像上也剔除掉相同的区域。最终经过辐射增强处理以及剔除厚云和阴影部分的前、后两时相 DOM 影像效果见图 4 －6 和图 4 －7。
图 4 －6 IKONOS 最终 DOM 影像 ( 1m)
图 4 －7 QuickBird 最终 DOM 影像 ( 0. 6m)
C. 如何获取遥感图像中的目标信息
摘要 遥感图像分析的目的是通过各种方法手段对遥感图像进行有用信息的提取和解译。遥感图像解译中，通常将表征地物和地质现象遥感信息的影像特征称之为图像解译标志；将提取遥感信息的过程称之为图像解译（判译、判读）；而将遥感图像信息提取的种种手段称之为遥感图像解译方法。
D. 遥感影像空间的信息集合与逻辑形式
1.遥感解译——影像空间向地理空间的还原过程
遥感作为人类对地面观测的手段，通过航天、航空平台主动或被动的获取地面地理实体的数字图像。因此，影像空间是一个对真实世界的模拟，影像空间模型反映的是地理空间连续变化的物理（光）场特征，其中所蕴含的地理属性（空间分布、时空演化、反射波谱变异、热辐射场强度）是在特定地理空间中地理实体的影像表述形式。地理空间通过遥感传感器扫描成像转换成影像空间数据，遥感判读则是将影像空间模型数据通过人的逻辑推理还原出地理空间中的地理实体（图3.1.1）。
图3.1.1地理实体遥感成像与解译关系图解
2.遥感影像空间的性质
（1）信息集合
从信息论的角度讲，遥感信息不仅包容所反映的地理要素（地质、地貌、水文、土壤、植被、生态环境等）及与之相关连的自然现象及社会现象，还反映出地理要素在电磁波谱空间、地理空间和时间空间等方面的信息。在遥感影像空间模型中，彼此可以确定相关关系的像素要素自然组合出若干模型单元。这些模型单元在数学逻辑中可称之为“信息集合”。信息集合可以通过逻辑运算方式分解出“子集”或“元素”。这些“子集”或“元素”即为专题信息提取的目标。如：
设某模型单元的专题信息图像变量为 x1；
那么，“信息集合”即为专题信息子集 T和干扰信息V的并集“U”。即
x1=f(T)＋f(V）
例：应用Landsnt-TM光谱规则进行逻辑运算，使f(T）→∞
如果C4/C3＞3.0，则为植被；
如果C4/C2＜0.9，则为水体；
如果C2＞C3＞C4＞C5且（C3+C3)/(C4+C3）＞0.6，则为土壤。
（其中C1为I波段的灰度值）
（2）瞬时特征
地理空间是一个动态系统。遥感信息最有价值的是在时间上的序列性，即，固定的重复。由于地理实体具有自身特有的演化规律和发生、发展过程，事物发展在时间序列上表现出周期性的重复规律。这种地理空间的动态变化表现，使之影像空间的光学物征和几何特性随时间而发生重大改变。
遥感影像空间获得的具有良好时间序列的空间数据，即可展现出地理空间的变化过程。因此，如设不同时段融合图像中模型单元的专题信息图像变量为x；那么，信息集合由专题信息f(T1,T2）和干扰信息f(V1,V2）构成，即：
x=f(T1,T2)＋f(V1,V2）
例：应用的光谱规则进行逻辑运算，分别使f(T1,T2）→∞
（n)Landsat-TM RGB
(n-l)SPOT→HIS变换→融合
则：I值（影像结构亮度）↑，为林地变更；
I值（影像结构亮度）↓，为土地变更。
（3）隐含特征
遥感，是将地理空间中地理实体的表征和时空变化模拟成动态混合抽象的影像空间模型。由于这种动态的混合抽象使像素具有组合光谱特征。影像模型除能反映地理实体的轮廓、层次、位置和相关关系外，还隐含了大量的实体所处地理环境的时空变化信息。组合光谱作为图像空间的初始特性，便成为解决分析问题（反演地理环境的时空变化）的基本依据。
图3.1.2遥感模型初始特性/隐含地理空间信息转换系统解析图
利用影像空间模型“形”和“色”的差异提取地理实体表层信息（初始特征），对隐含的深层信息应从初始特征出发构造知识特征函数，并将这些函数作为下次变换的输入，直到得出隐含信息的特征输出（图3.1.2）。
E. 遥感数字图像的基础及遥感的特点
1.遥感数字图像的基础
遥感数字图像的最基本单元是像元，即遥感成像过程中的采样点，每个像元具有其空间位置特征和属性特征，属性特征常用亮度值（DN）表示，大小是由遥感传感器所探测到的电磁辐射强度决定的。图1所示的是一幅遥感数字图像，原始图像的亮度值是无量纲的数字，变化范围与传感器的量化处理有关，如果图像量化值是8bit，则图像亮度值的动态变化范围在0～255，依此类推。根据传感器在电磁谱段的细分程度，可将遥感图像分为单波段、多波段和超波段图像。单波段图像在每个像元点只有一个亮度值，多波段（也称多光谱）图像上每个像元点具有多个亮度值，超波段（也称高光谱）图像上每个像元点具有几十乃至几百个亮度值。图2所示是一幅三波段数字图像示意图，其中x方向反映图像的列数目，y方向反映图像的行数目，z方向反映图像的波段数目。
遥感数字图像的亮度值，还与图像的5种分辨率有关。这5种分辨率为光谱分辨率、空间分辨率、辐射分辨率、时间分辨率和温度分辨率。
光谱分辨率是指成像光谱仪细分电磁谱段的能力与程度。波段越多，光谱分辨率越高，如TM多光谱扫描仪的波段数为6个，波段宽度介于100~200 m之间；而成像光谱仪AVIRIS的波段数为224个，波段宽度介于5~10nm之间。一般传感器的波段越多，波段宽度越窄，所包含的光谱信息量越多，可针对性越强。
空间分辨率是指图像中每一个像元所对应地面范围的大小。范围越小空间分辨率越高，如TM多光谱扫描仪的空间多分辨率为30m；Quickbird图像的全色波段的空间多分辨率为0.6 m。
辐射分辨率是指所记录像元亮度值的可能值或动态范围。如字节长度为8bit的图像像元亮度值可分为256级，地物的亮度值只能是0~255中的某一个值。
时间分辨率是指传感器获取某一特定区域图像的频度。例如Landsat卫星16天完成一次全球扫描，SPOT是3天。小卫星群12小时便有一颗卫星到访地球上任何一点。
温度分辨率是指热红外传感器分辨地表热辐射最小差异的能力。
2.遥感的特点
（1）从宇宙空间观测地球，获取综合性地表信息
遥感探测所获取的是某一时段、覆盖大范围地区的遥感数据，宏观综合地反映了地球上各种地物的形态和分布，真实地体现了地质、地貌、土壤、植被、水文、人工构筑物等的特征，全面地揭示了地理事物之间的关联性。此外，由于遥感的探测波段、成像方式、成像时间、数据记录等均可按要求设计，使其获得的数据具有同一性或相似性。同时，考虑到新的传感器和信息记录都可向下兼容，所以，数据具有可比性。与传统地面调查和考察比较，遥感数据更能客观地反映地物信息。
（2）通过探测器平台数据，实时监测地物动态变化
遥感探测能按照一定周期、重复地对同一地区进行观测。例如，地球同步轨道卫星可每半个小时对地观测一次，太阳同步轨道卫星可每天2次对同一地区进行观测。这有助于人们通过所获取的遥感数据，发现并动态跟踪地球上许多事物的变化，从而有利于研究自然界的变化规律，尤其是在监视天气状况、自然灾害、环境污染，乃至军事目标等方面有十分重要的作用。相较而言，传统的地面调在则须投入大量的人力、物力，用几年甚至几十年时间才能获得区域动态变化的数据。
（3）探测范围广、采集数据周期短、速度快
遥感探测能在较短的时间内，从航空或航天平台对大范围区域进行对地观测，并从中获取有价值的遥感数据。这些数据拓展了人们的视觉空间，为宏观地掌握地面事物的现状创造了极为有利的条件。同时也为宏观地研究自然现象和规律提供了宝贵的第一手资料。一般而言，遥感平台越高，视角越宽广，可同步探测到的地面范围越大，越容易发现地球上一些大型重要目标物及其空间分布规律。
（4）可多方式获取海量信息，效益好
遥感的费用投入与所获取的效益与传统方法相比，可以大大地节省人力、物力、财力和时间，具有很高的经济效益和社会效益。据估计，美国陆地卫星的经济投入与取得的效益比为1：80，甚至更高。
不难看出，遥感技术具有综合性、周期短、实时性、覆盖广、宏观性和效益好等优点。对于遥感的应用，随着卫星影像分辨率（空间、时间和光谱）的不断提高，以及影像校正、增强、融合等图像处理技术的创新和完善，卫星影像在天气预报、海洋监测、环境监测、地质调查、国土调查、林农调查、资源管理、城市规划、水文观测、地形测绘、灾害监测与评估、风景区的开发与规划，以及重大工程和交通等领域发挥的作用越来越大。遥感已为国民经济和社会的发展提供服务，地学遥感，以地球的资源环境、灾害等为主要研究对象，是主要应用领域之一环境遥感可对自然与环境的状况及动态变化进行监测并作出评价与预报。由于人口的增长与资源的开发、利用，自然与环境随时都在发生变化，利用遥感多时相、周期短的特点，可迅速为环境监测、评价和预报提供可靠依据。遥感应用研究从其空间尺度可分为全球遥感、区域遥感和城市遥感。
F. 请高人把比特，字节，波段，像素等等相关计算机还有遥感图像方面的基本知识相互关系给说一下，谢谢
目前主流的计算机方面还是二进制电路（最新的三星已经搞出三进制了），一位（1bit，一比特）就是电路中一个存储数据的基本单元，二进制就是有0和1两个状态。所有的数据都会分解到存储的基本单元中，就是按bit存储。
后来存储技术升级了，为了管理和使用方便，有了4位机，8位机，就是可以4位或8位一起操作。 8位机用了很长时间，为什么呢，因为8位可以表示256个不同的含义，用来存放西方的字母表和常用符号基本够用了。 所以人们给8位定义了一个新词，叫做字节（Byte）。
这就是我们常说的大B和小b， 你租电信的宽带，说几兆的就是几兆小b，硬盘的容量就是几T大B，呵呵。当然， 1M=1024*1024B， 1T=1024M*1024M， 这是计算机世界的换算关系。 厂商为了骗人，用的是10进制，就是1M=1000*1000B，1T=1000*1000M。
波段,Bandwidth, 是指传输时最低波长和最高波长之间的范围。一般来说同样的算法和传输手段，波段越宽，抗干扰能力就越强，传输能力就越大。
像素Pixel,是指图像的一个点， 在计算机里面将这个点数字画打包，如果是黑白的，那么一个点用1b就可以表示，如果是灰度，一般用8b=1B来表示，彩色就更复杂了，16色，256色，8bit，16bit，32bit等等，总之就是用数字化的方式记载该点的颜色信息，以便在计算机上还原。
遥感图像就是用不同波长的波去照射目标，根据回波计算，然后数字化，结合已有数据，进行可视化展示。 像素就是图像的最小单位哦。将图像分辨率为多少，就是说图像上一个像素代表实际上的大小。
G. PCI遥感图像处理软件的基本信息
PCI软件的高光谱分析（Hyperspectral Data Analysis）模块提供高光谱地物库，并支持用户有限光谱通道的光谱库，即可由用户自行组合成有限光谱通道（如10－20个）的光谱曲线库。它同时提供用户各种光谱分析能力，自动地物判识（根据光谱特点），包括：
·光谱角制图工具（Spectral Angle Mapper)
·光谱记录的添加
·光谱数据的算术运算
·高到低的谱卷积和高斯卷积
·光谱库报告
·影像光谱到参考光谱的匹配
·支持用户对光谱库记录的修改
·谱的归一化
用户可用上述工具对高光谱影像进行辅助的或半自动的地物判识，或结合PCI软件的多光谱分析（Multispectral Analysis) 和神经元网络分类模块及其他影像解译方法进行地物判识。
Software Toolkit with GDB Technology （C语言开发工具包） Software Toolbox Object Libraries
它是PCI软件的底层开发工具，由150个C和FORTRAN源程序和库构成，具备完备的语法结构。用户可用它们编写应用系统、访问数据库和外设、显示影像和进行影像处理。同时它还提供PCI用户界面编辑功能，使用户可以将新开发的功能和程序加入到PCI软件的用户界面上。
PCI AUTHOR （PCI用户界面编辑器） Author 应用程序是一个基于EASI+描述语言的直观并且功能强大的可视化设计工具，该语言已被集成进入SPANS和EASI/PACE软件中。它允许有能力的高级用户将EASI+提供的底层功能，用图形界面的方式得以体现。SPANS和EASI/PACE的功能都被集成进入了EASI+的框架结构中，使得用户可以方便的创造、编辑和运行用户定制的所有SPANS和EASI/PACE所提供功能的图形程序。
ACE Cartographic Edition v3.2 （PCI 专业制图工具） PCI的ACE是一个功能完善的专业制图软件，其特点有：完全的所见即所得环境，栅格与矢量一体化，图像可以是黑白、真彩色和伪彩色图像，矢量数据分层调用，每类要素的表示方法存储在RST(表示码设置表RepCode Setup Table)中统一管理，具有任意复杂的填充方式和多层线形的制作功能和灵活的文字注释方式，一张图可分成多个区域，图廓可以可视化制作调整，可支持各种绘图仪和打印机。有符号编辑和外国文字（包括汉字）引入的功能。支持分色打印。具有索引功能。
专业雷达处理 雷达由于具有全天时、全天侯获取数据的能力，加上在海洋、冰雪、植被、地质、军事很多应用领域的独特优势，引起了各国的普遍重视，有人提出了九十年代是雷达遥感的时代，如果注意到目前的运行星载遥感系统，已经有多少是SAR系统，又有多少在计划中，就会知道这一结论是恰如其分的。PCI公司紧紧抓住了这一发展趋势，在雷达数据处理领域始终保持了绝对的世界领先地位。要得到SAR图像，需要经过一个十分复杂的成像处理过程，加拿大的MDA公司用了二十年的时间，才完善了SAR成像软硬件系统。如今，使用PCI提供的SARP，就可以实现只有地面站才能装备的庞大系统所能实现的全部功能。购买原始信号数据，可节约一大笔开支，而且用户可根据自己的应用目的，灵活控制成像过程，也就是控制信息的增强压制和表现方式，避免了地面站的流水作业产品不适合特殊应用目的的情况。
PCI的APP提供了针对海洋应用、点目标检测(军事应用)和特殊构像情况(如大视角的远距离成像)的精细成像处理算法，这个产品是超前的，因为雷达遥感应用领域的很多专家才刚刚认识到：欲把应用深入下去，必须从头（成像）做起，PCI已可以提供完善的产品了。在常规SAR图像处理方面，PCI提供的软件的特色是为SAR图像几何校正这一难题的解决，提供了完备的解决方法，另外提供了丰富的滤波、纹理分析、辐射校正与定标、变化检测和图像质量评价工具。PCI提供的另一个软件包可以用Radarsat的立体像对提取DEM，这是目前这一领域唯一的一个实用化的软件，利用雷达立体像对提取DEM与利用光学立体像对提取DEM相比，难度在于雷达图像特征复杂，同名点的匹配需要复杂的数学方法
H. 遥感影像的空间特征有哪些
遥感影像的空间信息是通过图像的像元值在空间上的变化反映出来，包括图像上有实际意义的点、线、面或者区域的空间位置、长度、面积、距离、纹理信息等都属于空间信息。
与空间信息相关的两个概念需要理解，一是采样，即把连续图像空间划分成一个个网格，并对各个网格内的辐射值进行测量；二是空间分辨率，即图像中一个像元代表地面实际大小。
在ENVI中，同样可以很方便的查看图像的基本信息，在Available Bands List中，选择一幅图像点击右键，选择Edit
Header。可以看到图像的投影信息，空间分辨率等信息。
答案来源：http://www.cppblog.com/COOOOOOOOL/archive/2010/03/22/110294.html
I. 如何获取遥感图像中的目标信息
摘要 目前，遥感图像信息提取的手段主要有三种：一是遥感图像的目视解译，它借助于简单的观察工具（如立体镜、放大镜等）凭肉眼鉴别影像，判断目标物的属性特征；二是遥感图像的光学处理，即采用光学仪器改进图像质量，压抑噪声，突出目标影像，提取有关信息；三是遥感图像的数字处理，即用计算机对数字化了的影像进行几何校正、增强等专门处理，达到提取目标物属性特征信息的目的。三种方法各有所长，但目视解译是基础，光学处理和数字处理是深入解译和提高解译水平不可缺少的技术手段，但其效果仍需要专业人员目视解译判断。随着计算机技术的高速发展，遥感信息已越来越多地采用数字记录和储存，故数字图像处理已经成为当今遥感图像处理的主要手段。本节主要介绍遥感图像的目视解译和遥感数字图像处理的基本方法。