随着航空航天技术、数字图像处理技术和计算机视觉技术的快速发展和在各领域的广泛应用,高分辨率影像成为其繁荣结果的代表产物。高分辨率影像可以带来更清晰的视觉效果和更为丰富的内容信息,但所处理数据量变得更为庞大也成为随之而来的问题。本文针对卫星遥感图像所处理的影像问题,详细分析现今卫星遥感图像处理技术的主要流程及其相关算法,并对其后处理过程主要基本技术进行实验验证和效果分析。在此基础上,考虑到高分辨率图像的数据量非常大的情况,设想将后处理过程在卫星或其他遥感平台线上预先实现非精确的区域分割,降低图像分析的处理数据量,以便更准确地提取感兴趣目标,做更为详实的分析前提。首先,针对传统且易于在硬件系统上实现的图像处理算法效果不佳的问题,分别对图像滤波、图像锐化和图像分割三种处理方式提出对应的改进算法。图像滤波部分,结合中值滤波能较好滤除椒盐噪声和高斯滤波法能较好复原图像的优点,提出一种基于权重的均衡滤波;图像锐化部分,结合形态学操作能准确提取细节信息并处理的优点和反锐化掩模算法对于图像锐化结果整体效果较好的特点,提出一种基于形态学的反锐化掩模算法;图像分割部分,利用小波理论的多尺度特性和分解图像后降低低频信号分辨率的特点,降低图像处理的数据量,并通过直方图多范围阈值分割图像。实验证明,三种改进算法都能较好地改善处理图像的效果。其次,通过引入稀疏信号分析理论,采用形态学分析手段将图像分解成结构和纹理两部分,并对纹理部分采用自适应高斯核函数的mean-shift算法进行聚类,并以最大相异系数作为相似度测量依据,实现纹理特征的区域分割,并结合结构部分的边缘提取。实验结果表明,该算法在结合灰度信息和纹理信息的条件下,能准确对地物目标做区域分割。最后,本章采用Spartan-3E系列FPGA设计并实现遥感图像后处理系统,模拟该系统在卫星或其他遥感平台线上预先实现非精确的区域分割,降低图像分析的处理数据量。该系统分别设计了图像滤波、图像锐化和图像分割三部分。图像滤波以中值滤波和高斯滤波结果对比做噪声判断,选取合适的处理结果。图像锐化对边缘细节成分做形态学操作,然后对图像做掩膜操作。图像分割采用小波理论对图像分解,降低其主要内容分辨率,然后做直方图阈值范围分割。实验结果表面,该图像处理系统能对图像得到较好的增强效果,并准确地对目标做区域提取,实现该系统的设计目的。