● 处理降噪：因为传感器问题，遥感图像会出现周期性的噪声，必须消除、减弱噪声才能使用。方式包括用带通或者槽形滤波来消除周期性噪声，用傅立叶变换对尖峰噪声进行滤波处理，采用傅里叶变换和低通滤波进行消除或减弱条带噪声（坏线）；
● 处理薄云：减弱处理因为天气原因，而在遥感影像上出现的薄云；
● 处理阴影：采用比值法对其进行消除因太阳高度角而导致的山体阴影；
2.几何校正：
为使2级数据定位准确，我们在对遥感图像进行几何校正，对地形起伏较大地区还要进行正射纠正，必要时有的还要进行大气纠正。
● 图像配准：把一种数据源的地理坐标配准到另一种数据源的地理坐标上，这样两种数据源才能叠加显示和数学计算，分成影像对栅格图像和影像对矢量图形两种类型的配准；
● 几何粗纠正：
● 几何精纠正：为了精准定位，我们需要将遥感数据准确定位到特定的地理坐标系，分成三种方式：
➢ 图像对图像的纠正：根据已有准确地理坐标和投影信息的遥感影像，纠正原始遥感影像，使其具有准确的地理坐标和投影信息。
➢ 图像对地图（栅格或矢量）：根据已有准确地理坐标和投影信息的扫描地形图或矢量地形图，纠正原始遥感影像，使其具有准确的地理坐标和投影信息。
➢ 图像对已知坐标点（地面控制点）：根据已有准确地理坐标和投影信息的已知坐标点或地面控制点，纠正原始遥感影像，使其具有准确的地理坐标和投影信息。
● 正射纠正：根据已有地理参考数据（影像、地形图和控制点等）和数字高程模型数据（DEM、GDEM），纠正原始遥感影像，可以减弱消除地形起伏带来的影像变形，使其具有准确的地理坐标和投影信息。
3.图像增强：增强遥感图像的地物信息可读性更强，突出重点目标，需要增强处理遥感图像。
● 彩色合成：利用彩色合成的方法处理多光谱图像进行，得到彩色图像，分为真彩色图像和假彩色图像。
● 直方图变换：直方图是指统计每幅图像的各亮度的像元数而得到的随机分布图。一般来说，包含大量像元的图像，像元的亮度随机分布应是正态分布。若直方图呈现非正态分布，那么图像的亮度分布偏亮、偏暗或亮度过于集中。这样的图像对比度小，我们需要调整该直方图到正态分布，以改善图像的质量。
● 密度分割：按照像元的灰度值，我们将灰度图像进行分级，并赋以不同的颜色，使原有灰度图像变成伪彩色图像，以增强图像。
● 灰度颠倒：将图像的灰度范围先拉伸到显示设备的动态范围(如0～255)到饱和状态，然后再进行颠倒，使正像和负像互换。
● 图像间运算：经过空间配准后，两幅或多幅单波段图像可进行算术运算，实现图像的增强，常见的计算有加法运算、减法运算、比值运算和综合运算。
● 图像融合：将多源遥感数据在统一的地理坐标系中，生成一组新的信息或合成图像。不同的遥感数据具有不同的空间分辨率、波谱分辨率和时相分辨率。图像融合可以综合它们各自的优势，弥补单一图像上信息的不足，扩大了各自信息的应用范围，而且提高了遥感影像的分析精度。
4.图像裁剪：如果只是对遥感影像中的一个特定的范围感兴趣，则需要对遥感影像进行裁剪。
● 按ROI裁剪：ROI是是指感兴趣区域，也就是根据感兴趣区域的范围大小进行裁剪；
● 按文件裁剪：按照指定影像文件的范围大小进行裁剪；
● 按地图裁剪：根据地图的地理坐标或经纬度的范围进行裁剪；
5.图像镶嵌和匀色：
● 图像镶嵌：也叫图像拼接，将两幅或多幅数字影像拼在一起，构成一幅整体图像。我们需要先对每幅图像进行几何校正，然后规划到统一的坐标系中，接着进行裁剪，去掉重叠的部分，最后将裁剪后的多幅影像装配起来，形成一幅大幅面的影像。
6.遥感信息获取
因为地物电磁波存在辐射差异，反映到遥感图像上就能判别出目标地物的特征。提取遥感信息是指提取地物特征，包括地物类型、性质、空间位置、形状、大小等属性。目前信息提取方法有包括目视判读法和计算机分类法，目视判读是最常用的方法。
● 目视判读：也叫人工解译，用人工的方法判读遥感影像，手工勾绘遥感影像上目标地物的范围。
● 图像分类：依据地物的光谱特征，确定判别函数和相应的判别准则，将图像所有的像元按性质分为若干类别。
➢ 监督分类：在研究区域选择有代表性的训练场地作为样本，通过选择特征参数（如亮度的均值、方差等），建立判别函数，对样本进行分类。最后依据样本的分类特征来识别样本像元的归属类别的方法。
➢ 非监督分类：没有先验的样本类别，而是直接根据像元间的相似度大小进行归类，将相似度大的归为一类的方法。
➢ 其他分类方法：包括神经网络分类、分形分类、模糊分类等分类方法，以及他数据挖掘方法如模式识别、人工智能等。