高分辨率遥感影像中包含大量复杂的地物信息，直接通过分割提取道路的准确度往往较低，而且无法有效排除居民区等的干扰。提出一种结合视觉显著性分析的高分辨率遥感影像道路提取算法。 该算法通过自适应阈值分割得到包含居民区和道路的特征图,利用人类视觉系统进行显著性分析，得到居民区的显著图，通过对显著图的分割得到只包含居民区的特征图，对两张特征图进行异或运算，即可提取出道路。实验结果表明，所提出的算法能较为有效地除去居民区的干扰，完整地提取出道路，对今后遥感图像道路提取有一定理论与实践意义。

针对遥感影像感兴趣区域检测中所需的全局搜索与建立先验知识库等问题，提出基于显著特征聚类的遥感图像感兴趣区域检测算法。利用色彩信息，在不同的颜色通道(RGB)构建直方图以计算不同颜色通道的信息图，融合得到单幅图的显著图。接着通过k-means在CIELab颜色空间上进行聚类，在簇的层级上计算显著值，以降低计算复杂度，从而获得CIELab颜色空间的显著图。将单幅显著图与CIELab空间显著图对应融合，得到最终显著图。根据获得的最终显著图构建感兴趣区域掩膜，以达到将感兴趣区域分割出来的目的。实验结果表明，该算法不需要建立先验知识库，获得显著图结果更加准确，对遥感图像的显著性区域检测有实际意义。

针对遥感图像融合中，不同地物区域对空间与光谱信息要求不同的问题，提出了一种基于显著性分析的自适应遥感图像融合算法。结合多尺度谱残差分析模型，将遥感图像分为纹理、边缘丰富的显著区域与纹理、边缘较少的非显著区域，对显著性不同的区域采用不同融合算法。针对居民区、道路等纹理、边缘信息丰富的显著区域，采用窗均值亮度色调饱和度(IHS)变换，较好地保留了空间细节；针对农田、山地等非显著区域，采用基于小波变换的融合策略保留较多光谱信息。实验结果表明，新算法能使融合结果中的显著区域保留更多空间细节，非显著区域保留更多光谱信息，为今后的遥感图像融合研究提供了一定的理论与应用价值。

针对高空间分辨率遥感影像图幅较大、地物特征丰富以及边缘信息复杂等特点，提出了一种新的快速自适应插值方法，在较低计算复杂度下，有效改善了高空间分辨率遥感影像的插值效果。新算法按照坐标的奇偶性将待插值点分组，并利用Canny算子获得原始图像边缘；将相邻4个像素所组成的矩形区域按照边缘特点划分为5种类型，并针对各类插值点完成快速插值；利用已插值点和原像素点间的关系对剩余未插值点二次赋值。实验结果表明，新算法不仅具有较低计算复杂度，而且有效改善了传统插值方法产生的锯齿和模糊现象，获得了较高的峰值信噪比，对遥感影像插值算法的研究具有重要实际价值。

针对二维Otsu及其改进算法分割直方图非高斯分布的遥感图像效果较差等问题，提出了一种基于最小类平均绝对偏差的遥感图像分割算法（MCMAD）。利用对角线投影法把遥感图像的二维直方图转化为一维直方图，从而降低计算复杂度；在不同阈值下计算一维直方图相应类中像素出现的概率和类中像素灰度的期望值；遍历一维直方图的所有阈值，得到不同阈值对应的类平均绝对偏差，将最小类平均绝对偏差对应的阈值作为最佳阈值分割点。实验结果表明，与二维Otsu及其改进算法相比，MCMAD算法不仅能够很好的分割直方图为高斯分布的遥感图像，而且改善了直方图为拉普拉斯分布的遥感图像分割效果。此外，新算法的时间消耗也很低。

频域分析在遥感图像显著区域检测时可以很好地检测到显著区域的边缘部分，但是，往往在显著区域的内部产生误检测。提出了一种基于图像高频信息多尺度融合的视觉显著区域检测算法，将遥感图像进行多尺度的高斯金字塔分解，对分解后的每一级图像进行傅里叶变换，提取变换后的高频信息进行多尺度融合，获得最终显著图。结合该显著图提取遥感影像视觉显著区域不仅能够有效排除显著区域内部误检测问题，而且获得了更为精确的显著区域细节。此外，该算法较Itti模型具有更低计算复杂度。

传统提升小波变换无法有效重构遥感图像中的非水平与非垂直高频信息，导致这些地方的高频小波系数仍然较为显著，降低了遥感图像的编码效率。提出了一种新的基于方向优化的提升小波框架（DOLW）。设计基于梯度的方向预测模型获得提升小波的最优变换方向；沿最优变换方向对图像进行先垂直后水平的方向提升变换，削弱遥感图像高频子带中非水平与非垂直方向上的边缘与纹理能量；利用抽样函数完成分数像素上的插值预测。针对遥感图像的实验表明，与传统的提升小波变换相比，新算法获得的重构图像无论峰值信噪比还是主观质量都有显著提高，对今后遥感图像的压缩编码研究具有重要价值。

针对传统的自适应方向提升小波变换(ADL-DWT)算法在高分辨率遥感影像压缩中计算复杂度过高的问题, 提出一种新的基于方向预测的提升小波变换(DP-LWT)算法, 实现了高分辨率遥感影像的快速、高效压缩。新算法首先将高分辨率遥感影像分为若干不重叠子块, 然后采用梯度算子快速预测遥感影像中每个图像块的最佳提升方向, 并沿着最佳预测方向插值完成方向提升小波变换, 最后进行多级树集合分裂(SPIHT)编码。实验结果表明, 新算法有效削弱了遥感影像各子带中非水平与非垂直方向的高频系数; 与传统自适应方向提升小波变换相比, 在重建高分辨率遥感影像峰值信噪比基本相同的情况下, 有效减少了小波变换中方向预测的计算复杂度。

感兴趣区域是图像中重要性较高并被优先关注的部分。传统视觉关注模型利用半径固定的圆描述感兴趣区轮廓，无法获得感兴趣区域的精确描述。提出一种基于自适应半径搜索的图像感兴趣区自动检测方法。提取图像的颜色、亮度和方向特征并生成多尺度的视觉显著图；通过计算显著图的全局显著度阈值获得视觉注意焦点搜索结束的条件；利用基于显著比的自适应半径搜索策略获取感兴趣区的精确描述信息。实验结果表明，新方法不仅能够提高对图像感兴趣区的自动检测精度，而且更符合人眼视觉系统的特点。对今后基于图像感兴趣区的目标自动识别具有重要价值。

离散余弦变换(DCT)应用于图像压缩与编码具有实现简单、压缩效率高等优点，但是无法与快速、高效的嵌入式零块编码算法相结合。提出一种新的基于嵌入式零块编码的离散余弦变换系数分布模型，通过系数聚类使离散余弦变换后的图像系数能够具有小波变换后图像系数的分布特点。在编码过程中，对嵌入式零块编码中的四叉树分割框架进行了优化。实验结果表明，新算法不仅降低了嵌入式零块编码的编码复杂度，而且在相同输出码率条件下，峰值信噪比(SNR)高于联合图像专家组(JPEG)图像压缩标准。