数据融合技术在DEM数据修正中的应用.pdfVIP

数据融合技术在DEM数据修正中的应用木 宋国民 信息工程大学测绘学院，河南郑州450052 摘要：分析比较了不同层次的数据融合的特点与方法。提出利用数据融合技术修正数字高程模型 的错误信息的思路与方法，并对该方法进行了实验检验。 关键词：数据融合数字高程模型数据修正 l引 言 a_ta 数据融合(D 信息的一种处理方法，是许多传统学科和新技术的集成和应用，其中包括计算机科学、通信技术、模式识 别、决策论、不确定性理论、信号处理、估计理论、最优化技术、人工智能和神经网络等。随着研究的深 入和应用领域的扩大，最初以军事应用为目的的数据融合技术现今广泛应用于各个领域之中。 2DEM数据修正问题的提出 Elevation 某一地区有两种不同传感器获取的数字高程模型(Di西cal Model，DEM)，不同传感器获取 中有部分数值为空(空洞，其值表现为错误数值)。为了能充分利用较高分辨率的DEM数据，同时又能消 除该数据中的错误数值，需借助DEM2数据对DEMl中的错误数值进行修正。该问题的解决可借助数据融合 技术来加以实现。 3数据融合理论 数据融合是将某一目标的多源信息进行融合，形成比单一传感器更精确、更完全的估计和判断，即对 各个传感器在空间或时间上冗余或互补的数据，依据某种准则进行组合，以获得对被测对象的一致性描述 或理解。 根据信息抽象层次的不同，数据融合通常可以分为三级：数据级融合(特征提取以前)、特征级融合(属 性说明之前)和决策级融合(各传感器数据独立属性说明之后)【啦，3】。 3．1数据级融合 数据级(测量级)融合，也称像素级融合，是直接在采集到的原始数据层上进行的融合，在多源数据 未经预处理之前就进行数据的综合和分析，这是最低层次的融合。 数据级融合的主要优点是能保持尽可能多的原始信息，提供其它融合层次所不能提供的细微信息，因此 ’作者简介：宋国民(1973-)，男，浙江杭州人，副教授，博士，主要从事地形环境仿真与地理信息系统研究． 精度最高。这种融合的缺点主要表现在：所要处理的传感器数据量巨大，故处理代价高，处理时问长，实时 性差；它是在信息的最低层进行的，传感器原始信息的／1i确定性、不完全性和不稳定性要求在融合时有较高 的纠错处理能力；要求各传感器信息之间具有精确到一个像素的配准精度，故要求各传感器信息来自同质传 感器；数据通信量较大，抗干扰能力较差。 数据级融合通常用于多源图像复合、图像分析和理解、同类(同质)雷达波形的直接合成等。融合的主 要方法有：HIS变换、PCA变换、高通滤波法(HPF)和线性加权法以及小波变换融合算法等。 3．2特征级融合 特征级融合属于中间层次的融合，它首先对来自传感器的原始信息进行特征提取，然后对特征信息进 行综合分析和处理，并做出基于融合特征信息的属性说明。一般来说，提取的特征信息廊是像素信息的充 分表示量或统计量，然后按特征信息对多传感器数据进行分类、汇集和综合。 特征级融合的优点在于实现了可观的信息压缩，有利于实时处理，并且由于所提供的特征寅接与决策 分析有关，因而融合结果能最大限度地给出决策分析所需要的特征信息。其缺点是比数据级融合精度差。 目前大多数C3繇统的数据融合研究都是在该层次上展开的。 法、聚类分析法、神经网络法等。 3．3决策级融合 决策级融合是一种高层次的融合，它通过不同类型的传感器观测同一个目标，每个传感器在本地完成 基本的处理，以建立对所观察目标的初步结论，然后通过关联处理进行决策层融合判决，最终获得联合推 断结果。其结果可为指挥控制决策提供依据。因此，决策级融合必须从具体决策问题的需求出发，充分利 用特征级融合所提取的测量对象的各类特征信息，采用适当融合技术来实现。决策级融合是三级融合的最 终结果，是直接针对具体决策目标的，融合结果直接影响决策水平。 决策级融合的主要优点有：灵活性高；容错性强；系统对信息传输带宽要求较低；通信量小，抗干扰 能力强；具有很好的开放性，对传感器的依赖性小，传感器可以是同质的，也可以是异质的；融合中心处 理代价低，处理时间短。 决策级数据融合方法