1.因传感器的灵敏度特性引起的辐射误差校正
1）光学镜头的非均匀性引起边缘减光现象的校正
    在使用透镜的光学系统中，由于透镜光学特性，其镜头中心和边缘的透射光强度不一致，使同类地物在图像上不同位置有不同的灰度值，一般是边缘部分比中间部分暗。在这类光学系统中，一幅图像上各像点光的强度分布符合以下规律： Ep=E0 cos4θ ，θ为光轴到摄影面边缘部的视场角。

2）光电变换系统的特性引起的辐射误差校正
    由于能量转换系统的灵敏度特性有很好的重复性，可以在地面定期测量其特性，根据测量值对其进行辐射误差校正。对于Landsat卫星的MSS图像和TM图像按下式对传感器的输出进行校正：

式中：V ——已校正过的数据； Dmax ——校正系数，对于MSS为127，对TM为255；Rmax ——探测器能够输出的最大辐射亮度；Rmin ——探测器能够输出的最小辐射亮度；R ——传感器输出的未校正辐射亮度。

MSS和TM图像的增益系数

TM的Rmax 和Rmin

3）探测器增益变化引起的辐射误差校正
    通常采用楔校准模型加以消减。以陆地卫星（Landsat）可见光波段为例，校准模型为 ：

式中：Vr为未校正的输入亮度值；Vc为校准后的输出亮度值；a为滤波偏移值，是大气散射影响或其他原因产生的附加辐射值，决定于检测系统的大气的干扰，b为滤波增益，决定于检测系统的波谱响应因素；K为太阳角校正系数（常数）。
    计算的过程为滤波:当卫星上的传感器对地面正向扫描时，传感器接收目标的辐射光谱，而当传感器回归扫描时，则传感器不接收目标辐射能量，而是接收系统内的人工辐射光源发出的标准信号（校正锲，随时间而改变辐射的强弱），此时传感器对标准锲进行取样，输出Vi值，该值和遥感图像数据一起传至地面站进行处理。地面站进行校正处理时，对Vi值作回归运算。Ci，Di为回归系数，它们决定于检测器、波段和高增益等因素。这些因素不同，其差别也较大。通过事先对各个传感器进行大量的测试实验来确定。 

2.因大气影响引起的辐射误差校正
    大气校正就是指消除由大气散射引起的辐射误差的处理过程 。主要指对天空散射光的校正。
    大气校正的方法:
    利用辐射传递方程进行大气校正；利用地面实况数据进行大气校正；利用辅助数据进行大气校正。
    实际像场大气的校正：
    野外现场波谱测试（回归分析法）；大气参数测量；波段对比分析（直方图法）。
（1）野外波谱测试回归分析法
与卫星扫描同步进行野外波谱测试，将地面测量结果与卫星影像对应像元亮度值进行回归分析。
（2）辐射传递方程计算法
1）.求解辐射传递方程式

Li 为传感器接收到的辐射亮度；L0 为观测方向的路径辐射项；ri 为地表反射率；S为大气下界的半球反射率；F为大气层顶与太阳光垂直方向的通量密度。需测定气溶胶密度和水蒸气浓度，仅从图像数据中很难获取这些参数。
2）利用大气模型软件包
针对不同尺度分辨率大气传输标准码MODTRAN ( Moderate ResolutionTransmission ) 和LOWTRAN (Low Resolution Transmission ) ；
准高纬度辐射码SHARC(Standard High Altitude Radiation Code) ；
紫外与可见光辐射模型UVRAD (Ultraviolet and Visible Radiation)；
大气恢复程ATREM (The Atmosphere Removal program ) ；
6S 模型(Second Simulation of the Satellite Signal in the Solar Spectrum radiative code) ；
快速计算大气辐射模型ATCOR 。

（3）回归分析法
    由于大气散射主要影响短波部分，波长较长波段几乎不受影响，因此可用其校正其它波段数据。作法如下：在不受大气影响的波段（如TM7）和待校正的某一波段图像中，选择由最亮至最暗的一系列目标，将每一目标的两个待比较的波段灰度值提取出来进行回归分析。例如用TM1波段与TM5波段比较，作出回归直线，回归方程为： Y= a1 + b1X,其中即TM5波段的亮度均值，即TM1亮度均值。

对于任一波段其校正量ai是第i波段回归分析的截距。
（4）直方图校正法
    另一种简单方法是通过灰度直方图对比找出校正量。由于大气散射影响只作用于短波段，对可见光以外红外波段几乎没有影响（如TM5波段），因此如果影像范围内存在灰度值为零的地物（例如深水体，高山背阴处等），其灰度直方图往往从原点开始，而其它波段灰度直方图离原点有一段距离（例如图中线段a1），这段距离即为大气散射引起的灰度直方图漂移值。依此为改正量进行校正，相当于从每个像元灰度值中减去这个数值。其它波段的校正量可以由此类推求得。实际校正时只要依据以上公式通过TM1、TM5波段灰度值计算出a1、b1值，再减去改正量即可求出每个像元TM1波段校正后灰度值。

从图像像元亮度值中减去一个辐射偏置量，辐射偏置量等于图像直方图中最小的亮度值。前提（假设）：水体（或阴影）等物体的灰度值为0，大气散射导致图像上这些物体的灰度值不为0（辐射偏置量）。暗物体法DOS（Dark-object-subtraction）与此同理。

3. 因太阳辐射引起的辐射误差校正
（1）太阳高度角的辐射误差校正
A.太阳位置引起的辐射误差校正
    太阳高度角引起的畸变校正是将太阳光线倾斜照射时获取的图像校正为太阳光线垂直照射时获取的图像。太阳的高度角θ可根据成像时刻的时间、季节和地理位置来确定，即：sinθ=sinj ·sinδ±cosj ·cosδ·cost 。j 为图像对应地区的地理纬度；δ为太阳赤纬（成像时太阳直射点的地理纬度）；t为时角（地区经度与成像时太阳直射点地区经度的经差）。
    太阳高度角的校正是通过调整一幅图像内的平均灰度来实现的。

当研究相邻地区跨越不同时期的两幅图像时，为了使两个部分便于衔接或镶嵌，也可作太阳高度角校正。方法是以其中一幅图像为标准（或叫参考图像），而校正另一幅图像，使之与参考图像相近似。

2）地形坡度辐射误差校正
    太阳光线和地表作用以后再反射到传感器的太阳光的辐射亮度和地面倾斜度有关。 若处在坡度为α的倾斜面上的地物影像为g（x，y），则校正后的图像f（x，y）为：

4. 噪声消除
    遥感图像的噪声源主要有大气传输信道的噪声及传感器内所产生的噪声。大气传输信道中由于大气的湍流扰动影响产生随机噪声；传感器的噪声源包含有转换和滤波过程中产生的噪声，例如光电检测系统的电流不稳定性所表现的散粒噪声，即电流的无规则起伏现象，低光亮时为泊松分布，高光亮时为高斯分布。
    传感器的另一噪声源为滤波器电路中电阻、电容产生的热噪声，这种噪声也具有高斯分布、零均值的随机特性；热红外波段传感器因各部分的温度变化也产生噪声效应；此外，摄影胶片记录信息时存在的胶片颗粒噪声，即胶片上溴化银颗粒受等值曝光时因银颗粒的大小、形状不完全一致，而且分布不均匀引起的。以上这些噪音均属于对图像的高频干扰，因此可以采用滤波方法予以消除。

5.图像镶嵌
    图像镶嵌(MOSAIC)是将多个具有重叠部分的图像制作成一个没有重叠的新图像；有基于像元的镶嵌和基于地理坐标的镶嵌。
    图像的镶嵌注意的问题:
    镶嵌要有足够宽的重叠区，最好不少于图像的1/5，否则会影响精度；
    相邻图像往往色调或灰度值不一致，需要进行灰度一致化；
    如果镶嵌后需要进行某种地图投影变换，最好先根据该投影方式分幅校正，然后再镶嵌。

6.SAR影像的辐射校正与增强
    （1）雷达图像中的亮斑
    雷达图像上常常会产生许多不同亮度的斑点，影响图像解译，这些亮班点的产生是因为信号从地面返回被传感器接收时，这些点的信号特别强于周围像元点的信号而形成，一般来说，这种现象产生的地物目标有面目标（也叫分布目标），点目标和“硬”目标。面目标或分布目标是指同类的点或物质随机分布，并且表面粗糙的大块地区。例如：草地，草地中的草可以认为是随机分布的。由于位置不同，它们接收到的雷达波位相不同，回波的初位相和振幅都不相同。这样雷达天线所接收的电磁波就有最强信号和最弱信号之间的周期性变化，在图像上表现为亮点和暗点相间的图斑。由于亮点突出，这一现象叫做“光斑”效应。几何分辨率越高，这种效应越强，所以常常用降低分辨率的方法来减少光斑效应。
    （2）方法
     1）斑点噪声压缩（speckle suppression）
    矛盾：消除噪声的同时，图像的分辨率也降低了。
    步骤：输入文件—— 计算变异系数——选择变异系数放大倍数——选择滤波器 ——执行斑点压缩
         2）亮度调整
    原始雷达图像由于各种原因存在辐射误差，如雷达天线在接收和传送图像时有缺陷，或由于距离目标的远近产生强弱不同的信号。亮度调整功能通过调整每个像元的灰度值，使每条等斜距线上的像元都取该线的平均值，把图像像元全部调整到平均亮度。
    3）边缘增强
    执行边缘增强前，首先要进行斑点噪声处理。邻域增强——Wallis自适应滤波（局部对比度拉伸）——影像融合。