遥感为人类认识宇宙世界提供了一种新途径和手段，遥感图像作为一种重要的信息源已被广泛应用于农业、林业、生态、环境、气象、全球变化以及人类活动监测等众多领域，“遥感数字图像处理”已成为地理信息科学、遥感科学与技术、资源环境科学等多个学科的重要专业基础课。

本课程从遥感数字图像处理流程及目的的角度出发，在对遥感图像获取及特性、图像数据存储与读取、空间域处理方法、变换域处理方法等数字图像处理基础知识讲解的基础上，针对遥感数字图像质量改善（辐射校正、几何校正、图像去噪声、图像增强）、空间目标及属性特征提取（感兴趣目标及对象提取、特征提取与选择）、信息提取与制图表达三大内容，由浅入深进行系统讲解。

在内容设计上，本课程特别强调从图像含义的角度来理解遥感数字图像处理各种算法的物理意义，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员理解各种算法，其中不仅包括常用的经典方法，也包括近几年新提出的方法。在内容讲解上，本课程针对遥感数字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。

通过对本课程的学习，使学生能够理解遥感图像处理原理，掌握基本的图像处理算法，能借助常用软件（如ENVI/IDL）实现对遥感图像的一些常规处理及综合应用，为利用遥感数据解决科学研究与业务应用问题奠定基础。

（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

采用考查方式，由出勤率、平时作业（30+30+10%）、期末综合实践报告（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。缺勤扣分项直接从平时成绩中减去。

2.平时作业（30+30+10％），MOOC课程成绩单（30分），课程操作实践报告（1次小组实践操作汇报计10分，2次个人实践操作报告各计10分），课堂回答问题（10分）。

3.期末综合实践报告（30％）

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、遥感技术与应用等 

4. 网上论坛，如：遥感类的学术论坛

如果你是刚刚涉足遥感数字图像处理领域的初学者，且非常想学好遥感数字图像处理这门课程，我们给出以下三点建议供你参考：

1. 三轮次学习：短期内了解知识结构 → 有选择地剖析经典算法原理 → 系统化知识结构、并尝试实践应用

2. 跳出算法（尤其是数学公式）

3. 关注原理及解决问题的思路