遥感技术已用到国民经济的各个领域,通过遥感影像生产的产品广泛应用于勘察矿物、地理信息获取、大地测量、军事侦查和农业调查等方面。因而遥感影像的质量问题关系到产品应用的效果,如果因没有选择适当的遥感数据导致提供的信息与实际的地理情况相悖,其带来的负面影响是巨大的。在遥感影像数据的获取、传输和存储过程中,存在着很多因素会造成遥感影像质量的降低,以致遥感影像的应用范围受到了限制。为了能从海量的遥感数据中选择合适的数据进行生产和使用,提高遥感影像数据的使用效率,对遥感影像的质量进行评价就尤为重要。本文以Landsat 8 OLI和ASTER遥感影像为研究对象,将粒度计算、粗糙集与模糊集、神经网络等理论相结合构建一个综合评价模型用于面向遥感蚀变异常提取的遥感影像的质量评价。在指标体系的构建时除了以常用的影像评价指标为基础,研究了常用指标的表征方法和及其相应表征参数提取方法,还从影响遥感蚀变异常提取因素出发,提取影响因素参数,构建一个面向遥感蚀变异常提取的遥感影像质量评价指标体系。利用ENVI遥感影像处理软件和MATLAB图像处理工具以及rosetta粗糙集软件,提取了表征影响遥感影像质量的常用评价指标参数,从影响遥感蚀变异常提取角度出发,提取影响因素参数,结合常用指标体系,利用模糊集理论进行指标连续数据的离散化处理,再利用粗糙集理论进行指标的筛选,最终得到一个面向遥感蚀变异常提取的遥感影像质量评价综合评价指标。最后利用神经网络理论,对影像进行最终的评价。以Landsat 8 OLI遥感影像数据为实验数据来源,对评价模型的精度进行实验与分析。结果表明:本文构建的面向遥感蚀变异常提取的遥感影像质量评价指标体系具有较好的代表性,且利用本文构建的评价模型能较好的反应影像质量的优劣,对如何选用质量较好的影像数据进行遥感蚀变异常提取具有指导意义。