随着航天遥感技术的迅速发展,航天遥感图像已经广泛应用于气象预报、资源普查、环境监测、防灾减灾以及军事侦察等多个领域,在国民生产生活、国防安全保障中发挥着重要作用。图像处理技术是推动航天遥感迅速发展的关键技术之一,是提高遥感数据有效性和可解译性的有效手段,遥感图像处理技术已经成为了遥感科学与技术领域研究的前沿和热点。文章对涉及航天遥感图像去除冗余数据的若干算法进行了研究,着重研究了减少遥感数据量的压缩技术、剔除无用数据的云判技术以及融合光谱和空间信息的图像融合技术。主要创新概括起来在以下几点：1、通过分析多光谱图像的统计特性和空间特性,提出了联合相位相关和仿射变换的图像配准方法,有效提高了图像的相关性。针对多光谱图像压缩提出了结合KLT变换去谱间相关和低复杂度的二维小波编码方法。通过仿真,相对JPEG2000谱段图像独立压缩方法,提出方法解压图像的PSNR值平均提高2.0dB。为了便于在轨硬件实现,星上进行在点量化处理,地面计算机进行浮点处理,此时提出方法解压图像的PSNR值仍比JPEG2000平均高1.7dB。2、在可见光的云图检测技术中,通过对厚云图像特征的分析,总结出云区别于地物的主要特征包括亮度特征和纹理特征,在此基础上,通过实验比较出三个区分度较大的特征：亮像素比例、平均梯度和灰度共生矩阵的角二阶矩；采用支持向量机（SVM）的模式识别工具,通过大量样本的训练学习,得到相关参数,形成分类器,利用分类器对一轨遥感图像进行云检测仿真,实验结果表明,提出算法能较好完成云的检测,去除无用的含云冗余数据,满足了工程应用要求。3、全色图像和多光谱图像融合技术是遥感信息融合处理的关键技术之一。文章在分析了主要融合算法和融合规则的基础上,提出了基于Curvelet变换的融合算法。该方法结合了IHS变换算法能较好的保留光谱特性和Curvelet变换能较好保存空间信息的优点,并且分别从5种典型的评价准则进行比较,反映空间信息保持指标：熵值各谱段均大于其他3种算法、平均梯度在一个谱段略差于小波融合算法；反映光谱信息相似度：UIQI值和ERGAS值两个指标上,优于其他3种算法,在相似系数上略差于小波变换。总体来看,提出算法要优于IHS融合、小波融合和PCA融合三种方法。这种全色图像和多光谱图像的融合技术由于将多个谱段的图像数据融合在一幅图中，因此从某种层面上来说,该方法也是一种有效的遥感图像冗余数据去除技术。