随着我国航天事业的发展以及高分对地观测系统的逐步完善,国产高分遥感数据的认可度越来越高,各个领域对这些数据的应用需求也越来越大,这对于社会经济的发展和国防安全都至关重要。虽然遥感数据应用中心能为广大的用户提供充足的数据支持,但其所提供的数据一般处于源数据阶段,对大部分的应用需求不能有效满足,需要用户自行处理后才能应用。而从数据的筛选到每一景影像处理完成,都需要耗费大量的时间和人力,这大大限制了国产高分数据在应用上的发展。为此,本文提出了一种高分卫星光学遥感数据预处理与最优筛选技术,来解决国产高分数据前期筛选及预处理困难的问题。1.提出了一种基于ENVI/IDL的高分光学遥感数据自动预处理流程。通过快速大气校正(QUAC)、RPC正射校正、GS图像融合和图像配准等步骤,实现高分数据的自动预处理,解决了大部分应用中前期预处理耗时长及过程繁琐的问题。还可以在配准的基础上对图像进行植被增强,为农林业等对植被信息重点关注的部门,提供所需的特殊高质量卫星遥感影像。并分别在湖南省常德市和郴州市的GF-2号遥感数据上进行了实验验证。结果表明,该方法对高分辨率遥感数据进行自动预处理时性能较好,且处理时长稳定,达到了预期效果。2.提出了一种基于SegNet模型的高分光学遥感数据云层判别方法。将大幅面的遥感图像裁剪后进行标注,并利用随机裁剪、旋转、色度变化、明暗变化和噪声干扰等操作对数据进行扩充,使用SegNet网络进行分割模型的训练,骨架网络采用VGG-16模型。实验结果表明,该方法能够快速准确的对云层进行检测与分割,分割精度基本能够满足实际应用的需求。从计算速度来看,对于1100×1100大小的图像分割只需要12秒,速度较快。