数字镶嵌是通过计算机将若干相邻分幅的数字图像拼接成一幅图像的技术。需要在待镶嵌图像上选择一定数量的控制点，然后进行几何校正和配准，以保证镶嵌的几何精度，同时进行灰度调整，使待镶嵌图像灰度协调一致。在此基础上再进行数字镶嵌。具体的镶嵌方法有多种，如除去图像重叠部分的重复像元后对图像进行简单拼接；对重叠部分的像元灰度值按线性或正弦内插进行重新采样，得到镶嵌图像的像元灰度值；按两维接缝灰度差最小的原则，在图像重叠部分找到最佳镶嵌接缝加以镶嵌等。目前，在计算机图像处理装置和专用数字图像处理系统上，如I2S600系统，均可通过专用程序，由键盘控制和操作指令来实现数字影像镶嵌。
图像增强image enhancement
增强图象中的有用信息，它可以是一个失真的过程，其目的是要增强视觉效果。将原来不清晰的图像变得清晰或强调某些感兴趣的特征，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果的图像处理方法。
图像增强按所用方法可分成频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。
图像增强的目的是改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，扩大图像中不同物体特征之间的差别，满足某些特殊分析的需要。其方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类。基于空域的算法处理时直接对图像灰度级做运算基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法。
基于空域的算法分为点运算算法和邻域去噪算法。点运算算法即灰度级校正、灰度变换和直方图修正等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。邻域增强算法分为图像平滑和锐化两种。平滑一般用于消除图像噪声，但是也容易引起边缘的模糊。常用算法有均值滤波、中值滤波。锐化的目的在于突出物体的边缘轮廓，便于目标识别。常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等。
图像融合是指将多源遥感图像按照一定的算法，在规定的地理坐标系，生成新的图像的过程。
图像融合（Image Fusion）技术是指将多源信道所采集到的关于同一目标的图像经过一定的图像处理，提取各自信道的信息，最后综合成同一图像以供观察或进一步处理。
高效的图像融合方法可以根据需要综合处理多源通道的信息，从而有效地提高了图像信息的利用率、系统对目标探测识别地可靠性及系统的自动化程度。其目的是将单一传感器的多波段信息或不同类传感器所提供的信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，以增强影像中信息透明度，改善解译的精度、可靠性以及使用率，以形成对目标的清晰、完整、准确的信息描述。
这诸多方面的优点使得图像融合在医学、遥感、计算机视觉、气象预报及军事目标识别等方面的应用潜力得到充分认识、尤其在计算机视觉方面，图像融合被认为是克服目前某些难点的技术方向；在航天、航空多种运载平台上，各种遥感器所获得的大量光谱遥感图像（其中分辨率差别、灰度等级差别可能很大）的复合融合，为信息的高效提取提供了良好的处理手段，取得明显效益。
一般情况下，图像融合由低到高分为三个层次：数据级融合、特征级融合、决策级融合。数据级融合也称像素级融合，是指直接对传感器采集来得数据进行处理而获得融合图像的过程，它是高层次图像融合的基础，也是目前图像融合研究的重点之一。这种融合的优点是保持尽可能多得现场原始数据，提供其它融合层次所不能提供的细微信息。
融合算法常结合图像的平均值、熵值、标准偏差、平均梯度；平均梯度反映了图像中的微小细节反差与纹理变化特征，同时也反映了图像的清晰度。目前对图像融合存在两个问题：最佳小波基函数的选取和最佳小波分解层数的选取。
几何校正对于是遥感影像处理的最基本过程，现把具体步骤跟大家分享：
1.打开参考影像（base）和待校正影像：分别设为display#1,display#2
2．在主菜单上选择map->Registration->select GCPs：image to image
3 .出现窗口Image to Image Registration，分别在两边选中DISPLAY 1（左）,和DISPLAY 2（右）。BASE
图像指参考图像而warp则指待校正影像。
选择OK!
4. 现在就可以加点了：将两边的影像十字线焦点对准到自己认为是同一地物的地方，就可以选择ADD
POINT添加点了。（PS：看不清出别忘记放大^_^）
如果要放弃该点选择右下脚的delete last point，或者点show
point弹出image to image gcp
list窗口，从中选择你要删除的点，也可以进行其他很多操作，自己慢慢研究呵呵。选好4个点后就可以预
测：把十字*放在参考影像某个地物，点选
predict则待校正影像就会自动跳转到与参考影像相对应的位置，而后再进行适当的调整并选点。
5.选点结束后，首先把点保存了
：ground control points->file->save gcp as ASCII..
当然你没有选完点也可以保存，下次就直接启用就可以：ground control points->file->restore gcps from
ASCII...
6.接下来就是进行校正了：在ground control points.对话框中选择：
options->warp file(as image to map)
在出现的imput warp image中选中你要校正的影像，点ok进入registration parameters对话框：
首先点change proj按钮，选择坐标系
然后更改象素的大小，如果本身就是你所需要大小则不用改了
最后选择重采样方法（resampling）,一般都是选择双线性的（bilinear），最后的最后选择保存路径就OK
遥感图像的处理步骤详解
用计算机处理的遥感图像必须是数字图像。以摄影方式获取的模拟图像必须用图像扫描仪等进行模/数(A/D)转换;以扫描方式获取的数字数据必须转存到一般数字计算机
都可以读出的CCT等通用载体上。计算机图像处理要在图像处理系统中进行。图像处理系统是由硬件(计算机、显示器、数字化仪、磁带机等等)和软件(具有数据输入，输出，校正，变换，分类等功能)构成。图像处理内容主要包括校正、变换和分类。·校正处理图像校正是指从具有畸变的图像中消除畸变的处理过程，消除几何畸变的叫几何校正;消除辐射量失真的叫辐射校正。(1)几何校正:各类遥感图像都存在在几何校正的问题。由于人们已习惯使用正射投影的地形图，因此对各类遥感影像的畸变都必须以地形图为基准进行几何校正。几何校正步骤大致如下: ①选择控制点:在遥感图像和地形图上分别选择同名控制点，以建立图像与地图之间的投影关系，这些控制点应该选在能明显定位的地方，如河流交叉点等。②建立整体映射函数:根据图像的几何畸变性质及地面控制点的多少来确定校正数学模型，建立起图像与地图之间的空间变换关系，如多项式方法、仿射变换方法等。③重采样内插:为了使校正后的输出图像
像元与输入的未校正图像相对应,根据确定的校正公式，对输入图像的数据重新排列。在重采样中，由于所计算的对应位置的坐标不是整数值，必须通过对周围的像元值进行内插来求出新的像元值。(2)辐射较正:从遥感器所获得的图像的灰度与目标物的光谱反射率或光谱辐射亮度等物理量是不一致的，这是因为遥感器测量值中包含太阳位置及角度条件、薄雾及霭等大气条件所引起的失真。为了正确评价目标物的反射及辐射特性，必须消除这些失真。消除图像数据中依附在辐射亮度中的各种失真的过程就是辐射较正。辐射校正的结果，会改变图像的色调和色彩。·图像变换图像交换泛指按一定规则从一帧图形加工产生另一帧图像的处理过程，这里所指的图像变换主要包括图像增强和特征提取两方面内容。(1)图像增强:图像增强是改善图像视觉效果的处理。当分析遥感图像时，为了使分析者能容易确切地识别图像内容，必须按照分析目的对图像数据进行加工，目的是提高图像的可判读性。图像校正是消除伴随观测而产生的误差与畸变，使遥感观测数据更接近于真实值为主要目的的处理;而图像增强则把重点放在使分析者能从视觉上便于识别图像内容之上，典型的图像增强有灰度交换、彩色合成等。(2)特征提取:为了利用仪器进行图像判读及分析处理，需要从原始图像数据中求出有益于分析的判读标志及统计量等各种参数。对图像进行变换，突出其具有代表性的特征的方法，叫特征提取。特征提取可以定量地抽出以下三种特征: ①光谱特征:可提取颜色或灰度或波段间的亮度比等目标物的光谱特征，例如Landsat 的MSS有四个波段，根据某类地物的光谱特征，采用特定的比值可将其突出出来。②空间(几何)特征:把目标物的形状、大小、或者边缘，线性构造等几何性特征提取出来，例如把区域断层明显突出出来。③纹理特征:是指周期性图案及区域的均匀性等有关纹理的特征。根据构成图案的要素形状、分布密度、方向性等纹理进行图像特征提取的处理叫做纹理分析。·图像分类利用遥感图像进行分类，就是对单个像元或比较匀质的像元组给出对应其特征的名称，其原理是利用图像识别技术实现对遥感图像的自动分类。计算机用以识别和分类的主要标志是物体的光谱特性，图像上的其它信息如大小、形状、纹理等标志尚未充分利用。在计算机分类之前，往往要做些预处理，如校正、增强、滤波等，以突出目标物特征或消除同一类型目标的不同部位因照射条件不同、地形变化、扫描观测角的不同而造成的亮度差异等。计算机图像分类方法，常见的有两种，即监督分类和非监督分类。监督分类，首先要从欲分类的图像区域中选定一些训练样区，在这样训练区中地物的类别是已知的，用它建立分类标准，然后计算机将按同样的标准对整个图像进行识别和分类。它是一种由已知样本，外推未知区域类别的方法;非监督分类是一种无先验(已知)类别标准的分类方法。对于待研究的对象和区域，没有已知类别或训练样本作标准，而是利用图像数据本身能在特征测量空间中聚集成群的特点，先形成各个数据集，然后再核对这些数据集所代表的物体类别。与监督分类相比，非监督分类具有下列优点:不需要对被研究的地区有事先的了
解，对分类的结果与精度要求相同的条件下，在时间和成本上较为节省,但实际上,非监督分类不如监督分类的精度高，所以监督分类使用的更为广泛。
波段合成
对历史文件中的波段进行组合，合成为灰度或彩色影像。
在文件面板中单击某文件下的一个波段，如图。
在属性面板中单击组合波段属性页，如图。
打开灰度影像
如果要显示某波段的灰度数据，可选择灰度选项然后在文件面板中的路径列表中选择某影像文件下的一个波段，单击组合按钮，系统将弹出一个影像显示窗口打开该灰度影像。
合成彩色影像
如果要选择不同波段数据合成彩色影像，可选择彩色选项，如图。
在组合波段栏中分别为红，绿，蓝通道指定波段数据。
单击红选项，然后在文件面板中选择一个波段数据，则该波段号显示在其右侧的框中，同时程序自动选中绿选项，用户可再在文件面板中为绿色通道指定波段。同样可为蓝色通道指定波段数据。完成后，单击组合按钮，系统将弹出菜单如图所示。
在其中选择加载窗口（当前窗口或新窗口），系统将所选择的波段组合成彩色影像，并显示在加载窗口中。若不需要合成当前选择的波段数据，可单击重置按钮，然后重新选择波段进行组合。
说明：对于Landsat 卫星影像（FST），如果将同一地区各个波段的影像放在同一目录下，则当打开其中任一个波段的影像文件时，程序自动创建一个虚拟文件（文件名为影像文件名的前缀），该目录下的影像文件将作为此虚拟文件的各波段数据。用户可方便的选择各波段数据进行合成。例如，若打开某目录
中误差计算
一、基本计算
1、观测值中误差的计算
设在相同条件下对某量进行了n次观测，得一组观测值L1、L2、……Ln，x为观测值的算术平均值，表示观测值改正数，即
……
则中误差
2、相对中误差的计算
所谓相对中误差(简称相对误差)就是中误差之绝对值（设为|m|）与观测值（设为D）之比，并将分子化为1表示：
=
3、算术平均值及其中误差计算
设对某量进行
次等精度观测，观测值为(=1、2……)，
其算术平均值为：
算术平均值中误差
mx (其中m为观测值的中误差)
4、观测值函数中误差计算
观测值的倍数函数、和差函数、线性函数的中误差计算如下表所列。
= ＝
=
二、举例
例1：对某段距离进行了六次等精度测量，观测值列于表(5-3)，试求算术平均值及其中误差、相对误差和观测值中误差。
表5-3 距离测量成果计算表
/m
/mm
2、观测值中误差：＝±6.9mm ＝±2.8mm
[]=0 []=238
解：其计算步骤为
1.计算算术平均值
(2)计算观测值改正数
(=1、2……)
本例计算[]=0，说明检核通过。再计算各
之平方，得[]=238。 （注：检核：计算[]，看其是否为0。如果由于凑整误差使算得的[]为一微小数值，也应视为计算无误。）
(3)计算观测值中误差
=mm
(4)计算算术平均值中误差
=mm
(5)计算算术平均值的相对中误差
注：因本例为距离测量，所以需进行相对误差的计算，否则，该项计算免去。
例2：观测一四边形的三个内角，中误差分别±4″,±5″,±6″；则第4个角的中误差为多少？
解：第4各角计算式可写为 x4＝360－x1－x2－x3
由线性函数中误差计算公式可得：m4=±（42＋52＋62）1/2=±9″