Представлено огляд сучасного стану автоматизованої постобробки зображень мультиспектральних поляриметрів.
Проаналізовано ключові методи та алгоритми, що застосовуються для калібрування, сегментації та класифікації да-
них. Показано, що поєднання мультиспектральної та поляриметричної інформації забезпечує більш глибоке розумін-
ня властивостей об’єктів і середовищ порівняно з використанням лише однієї модальності. Особливу увагу приділено
сучасним програмним засобам для обробки поляризаційних зображень, а також їхнім можливостям і обмеженням
у різних сферах застосування, показано велику роль методів машинного навчання та штучного інтелекту, які забез-
печують ефективну автоматизацію аналізу великих масивів даних. Наголошено на важливості якісної постобробки,
що включає геоприв’язку пікселів приймача зображення, розрахунок геометричних параметрів, а також усунення
інструментальних похибок. Окремо розглянуто можливість інтеграції результатів постобробки знімків з програмним
забезпеченням GRASP (Generalized Retrieval of Atmosphere and Surface Properties) для більш точного відновлення ае-
розольних і хмарних характеристик.