遥感是开展资源环境监测不可替代的全球观测手段，是实施可持续发展战略的基础性技术支撑。“遥感图像处理”旨在从遥感数据中提取信息，它是“资源环境遥感”课程在数据流、信息流以及理论应用于实践的必要延伸。

本课程针对遥感图像处理的数据与方法基础、遥感图像质量改善、遥感信息提取及制图表达三部分内容，由浅入深系统地介绍遥感图像处理的基础知识。本课程重点关注三方面：一是遥感图像处理的内容体系、二是遥感图像通用处理流程及各环节的实践、三是较为简单的专题信息提取及实践。

在内容设计上，本课程特别强调从图像的角度来理解遥感图像处理各种算法的物理含义，尽量避免对数学公式的罗列与推导，而是借助生活中一些通俗易懂的案例来引导学生理解各种算法。在内容讲解上，本课程针对遥感图像处理中的具体问题，综合遥感原理和数字图像处理中的理论知识，借助遥感软件进行系统的实践训练，使学生掌握基本的遥感图像处理原理及操作过程，为学生将来从事遥感在资源、环境、生态、地理、空间信息等领域的研究和应用奠定基础。

本课程是进一步学习“遥感地学分析”、“高级遥感图像处理”、“遥感专题信息提取”等高年级或研究生课程的基础。

【知识目标】 掌握遥感图像处理的系统性知识架构及经典算法原理，理解常用遥感图像处理算法的优缺点，了解遥感图像处理在资源、环境、生态、地理、空间信息等领域的应用，并能借助常用软件（如ENVI/IDL）实现遥感图像的一些常规处理，为利用遥感数据解决科学研究与业务应用问题奠定技术方法基础。

【能力目标】 通过线上慕课及教材学习，培养自学能力；通过构建系统的遥感图像处理知识架构、比较同类方法的优缺点，培养逻辑思维能力；通过遥感图像处理实践操作，培养学以致用的动手能力；通过遥感综合应用实践，培养知识迁移的综合应用能力。

【情感态度目标】 通过对各类遥感图像处理算法不断改进的介绍，培养学生勇于探索及精益求精的科研精神；通过对实践中的不规范操作问题剖析，使学生养成良好的学习与操作习惯；通过对遥感应用于资源环境信息提取案例的介绍，使学生关心专业发展，学会思考运用所学知识解决专业问题，建立应用专业知识服务于国家发展的意识。

（一）线上部分

1.单元测验（60％），每次测验包括10道题，共5分。每次测验允许尝试2次，取最高成绩。本课程一共有12个单元测验。

在每次测验截止期之后，大家可以在课程的讨论区讨论测验题目，但是在截止期之前，请勿讨论，尤其不要在课程以外的网络空间讨论，比如说把测验的答案发布到百度文库中。警示：考虑到未来的学员，维护课程学习的公平，需要大家共同遵守MOOC课程的这一通则要求。

2.课程讨论（10％），本课程每个教学单元均会发布2道讨论题，每参与一次讨论记2分。想获取满分的学生需要在课程的“讨论活动”中至少参与5个教学单元的讨论（每个教学单元2道讨论题中任选1道），且讨论内容健康，言之有物。

3.期末考试（30％），客观题（判断题、选择题），共30分，需要在90分钟内完成。

注意：要保证有90分钟的时间不被打扰地参加考试。网络不稳定的地区，请选择网速好的情况下测试。

（二）线下部分

成绩考核采用考查方式，由出勤率、平时作业（35+10+10+10+5＝70%）、期末大作业（30%）三部分构成：

1.出勤率：全勤不加分；但缺勤1次扣3分；缺勤3次扣10分；缺勤4次重修。缺勤扣分项直接从总成绩中减去

2.平时作业：MOOC课程成绩（35分），1次课堂实践操作演示（10分），1次实践操作报告（10分），课堂回答问题（10分），课堂讨论（5分）

3.期末大作业，报告撰写要求：题目、摘要、关键词、引言、数据与方法、结果、讨论、结论。参考《遥感学报》格式。

先修课程（必修）：计算机基础；遥感原理或遥感概论

先修课程（可选）：科学计算语言（python、matlab、IDL等）、遥感图像处理软件（ENVI、ERDAS等）

1. 朱文泉, 林文鹏. 遥感数字图像处理——原理与方法. 北京: 高等教育出版社, 2015

2. 朱文泉, 林文鹏. 遥感数字图像处理——实践与操作. 北京: 高等教育出版社, 2016

3. 中英文期刊：Remote Sensing of Environment、IEEE Transactions on Geoscience and Remote Sensing、遥感学报等

4. 网上论坛，如：遥感类的学术论坛

Q :  如何才能学好“遥感图像处理”

A :  多看、多练、多思考，一定要勤动手。快乐学习而不是轻松学习。