小麦生物量遥感监测是通过遥感技术对小麦长势进行监测,其主要目的是利用现代科学技术手段对农作物实现实时监控和管理。目前,遥感监测在很多领域都得到成功的应用,例如森林火灾监测、森林生物量反演和地面沉降等,现已成为遥感领域研究的热点问题之一。遥感在生物量反演时,需要对目标区域的两幅或多幅遥感图像进行配准、融合、滤波和分类识别等操作,从而得到目标研究区域的影像信息。由于遥感图像处理过程较为复杂,因此,如何准确、高效地提取研究区域地物的生物物理信息具有十分重要的意义。本文首先从遥感图像处理出发,重点研究了遥感图像配准。遥感图像的应用都要求对图像进行配准,例如图像融合、变化检测和图像的DEM提取等。由于遥感图像的特殊性,因此基于特征的图像配准,在遥感图像配准中应用广泛,通过将对图像的分析转换为对图像某种特征的分析,大大的降低了运算量。本文在研究了经典的SIFT和SURF特征配准算法之后,同时提出了改进Harris-SURF算子的遥感图像配准算法。改进的遥感图像配准算法在对光学遥感图像和合成孔径图像配准时精度可以达到90%,具有较强的可行性。其次,对配准后的图像进行融合和分类。目前,单一光学数据很难满足农作物生物量反演和农作物识别研究的需要,因此利用光学和微波遥感融合技术已成为提高农作物的生物参数反演和不同农作物识别精度的新思路。遥感数据融合可以很大程度上发挥多源遥感数据的优点,更好提取不同地物的光谱和后向散射特征提高分类的精度。利用光学和雷达数据融合可以更好的弥补光学数据的不足,提高地物识别精度。最后,对于提取小麦的遥感数据特征和实际产量数据进行相关性分析,得到不同生物参数与产量之间的相关系数,分析不同生物参数对于小麦产量的影响。实验结果表明:NDVI*RVI在小麦的生育期内对生物量的敏感性保持稳定。