從1957年第一顆人造地球衛(wèi)星發(fā)射成功以來，遙感技術得到了突飛猛進的發(fā)展。隨著模式識別、圖像處理和計算機視覺技術的飛速發(fā)展，遙感技術的發(fā)展日新月異。然而，遙感圖像在獲取和傳輸過程中常常被各種各樣的噪聲干擾，而在一定程度上對圖像質量產生不利影響，使圖像的清晰度明顯降低�；蛘哂捎趥鞲衅鞅旧淼娜秉c，觀測物的特性無法得到有效地反映，導致圖像的可辨性降低。這類噪聲對遙感圖像的識別、目標檢測和分割等影響較大。為了提高圖像的質量，去除噪聲，為后期的圖像分析、識別，以及較高層次的處理提供依據，必須進行遙感圖像預處理，來濾除圖像中的噪聲污染。

　　現代圖像領域中，伴隨數字不斷發(fā)展的圖像技術以及日益緊密的與其他學科之間的聯系，許多更加有效的去除噪聲的方法被提出，包括基于數學形態(tài)學、小波閾值法、基于神經網絡的方法以及多尺度幾何分析法等。但在實際應用中，上述方法都存在著圖像邊緣紋理細節(jié)的保持與各種噪聲濾除的矛盾，而最能反映圖像特征信息的是圖像的邊緣紋理細節(jié)。因此，對噪聲進行濾除的關鍵問題是在濾除噪聲的同時，最大程度地保持圖像的細節(jié)特征信息。

　　近年來，基于偏微分方程（Partial Differential Equation.PDE）的圖像處理方法因其本身所具有的形式上的規(guī)范性、模型建立的靈活性和局部自適應特性從而成為一種新型的圖像處理數學工具，并廣泛應用在圖像修復、圖像去噪和圖像分割等多個方面。與其他傳統(tǒng)方法相比，偏微分方程技術具有以下優(yōu)點：①它能夠使用廣義上連續(xù)的二維函數來對圖像進行建模，從而對圖像進行求導和求積分等操作，能夠使得圖像處理問題規(guī)范化，形式上更簡單。②PDE給出了連續(xù)域上圖像的分析模型，使得網格的劃分與局部非線性濾波分析易于實現。③PDE可視為具有微小子鄰域局部濾波器的迭代，其物理意義更易于人理解。④基于PDE方法能夠通過數值計算方法來實現，并獲得較高的穩(wěn)定性和精度。

　　目前對遙感圖像進行去噪的研究已經有許多方法，偏微分方程的各種模型及改進模型得到了廣泛的應用，使其成為圖像處理領域一個持續(xù)的熱點問題，偏微分方程理論的發(fā)展為遙感圖像處理提供了新的方法和研究技術。反之，工程技術中提出的新問題，又促使了偏微分方程理論的前進，因此得到了越來越多的有關方面學者的關注。總之，對于遙感圖像的去噪技術的研究，運用基于PDE的圖像處理方法來改善或解決傳統(tǒng)方法去噪的難點問題將是一個比較有益的嘗試。

　　本書將遙感圖像的特征以及偏微分方程處理的特點相結合，敘述了偏微分方程圖像分析的基本概念及研究框架，并重點闡述了各向異性擴散技術在圖像處理中的應用，以此作為遙感應用的方法基礎，并以遙感圖像增強和去噪的研究內容為導向，重點分析了多光譜、高光譜和雷達等不同類型的遙感影像圖像恢復和去噪采用的技術流程和關鍵算法。此外，將該技術進行拓展，應用于多／高光譜遙感圖像專題信息分類中。本書是作者近年來在遙感圖像偏微分方程分析與處理方面研究成果的一個階段性總結，同時也是作者對遙感圖像偏微分方程技術的一個初步詮釋。