25 遥感数据融合技术及其在森林资源监测中的应用.docVIP

遥感数据融合技术及其在森林资源监测中的应用 一、多卫星遥感数据融合的概念 融合的概念开始出现于70年代初期，当时称之为多源相关，多传感器融合和数据融合。80年代以来，信息融合技术得到迅速发展，对它的称谓亦渐趋统一，称之为数据融合或信息融合。数据融合的概念，最早出现于军事领域，美国国防部(1992)指出“数据融合是一个对多源数据(信息)进行多层次、多方面自动检测(detection)，联合(association)、相关(correlation)、估计(estimation)和结合(combination)的过程”。针对遥感数据融合，Pohl和Gendem指出“数据融合是通过一定的算法将两个以上的影像数据结合在一起生成一个新的影像”。Mangolini(1996)则将参与融合的数据扩展到了非遥感数据并首次引入“质量(quality)”来评价融合的结果，这在pohl和美国国防部的定义中是没有的。Mangolini将融合定义“一种方法、工具和手段的集合。Li等(1993)将融合定义为“将一组遥感器数据结合(combination)并生成单一数据”，该数据与原始数据相比应有更好的质量和可靠性(greater quality andreliability)。（霍宏涛，2001） 对于多卫星遥感数据，信息融合的定义可描述为（何国金等，1999）：将不同类型传感器获取的同一地区的影像数据进行空间配准，然后采用一定的算法将各影像数据中所含的信息优势或互补性有机地结合起来产生新影像数据的技术。这种新数据具有描述所研究对象的较优化的信息表征，同单一信息源相比，能减少或抑制对被感知对象或环境解释中可能存在的多义性、不完全性、不确定性和误差，最大限度地利用各种信息源提供的信息 二、数据融合的层次及其特点 按信息抽象程度的不同，数据融合可划分为像元极( Pixel based)、目标级或特征级融合 (Feature based)以及决策级融合( Decision level) 3个层次（何国金等，1999）。如下图所示（C. POHL，1998） 图1 数据融合的三个层次（C. POHL，1998） （1）象素级融合是在图像预处理阶段的融合，在两幅或多幅图像实现空间配准的基础上，然后将各图像的像元的物理量加权求和，该值对应为同一坐标上大的新图像的像元值，其作用是增加图像中的有用信息成分，以便改善如分割与特征提取等处理效果。在该层次的融合没有信息损失，因此这种处理提供了一种最优决策和识别性能。例如，美国陆地卫星多光谱数据的象素级处理，可以识别病害庄稼的特征，而单一光谱数据则不可能。 （2）特征级融合是在图像特征提取（如光谱特征和空间特征等）阶段的融合。对于不同图像进行的特征提取，必须按照各自图像上相同类型的特征进行融合处理，其使得能够以高的置信度来提取有用的图像特征，然后将获得的特征影像通过统计模型或人工神经网络模型进行融合，融合结果一般是分类图像。特征级融合比较适合于在象素级组合多源数据的等同数据不可能的情况下，而且比较简单，在许多情况下比较实用。（王淑等，2005；霍宏涛，2001） （3）决策级融合是高水平的融合。其按照应用的要求首先对图像进行分类，确定各个类别中的特征影像，然后对得到的增值信息按一定的规则进行融合处理。 三种融合层次的比较如下表1（王淑等，2005） 三、数据融合的主要方法 多卫星遥感数据数据的融合方法很多如IHS变换法、PCA变换法、Brovey变换法、Wavelet变换法、波段比值法、乘法变换等，而且正对不同算法出现的问题如光谱扭曲而出现的各种改进方法以及不同方法的组合等，使得数据融合没有统一固定的模式可以参考。如果再考虑三个不同层次的融合，则数据融合的方法就更多，如表2（王淑等，2005） 1、基于IHS变换的数据融合 IHS变换是数据融合中应用最为广泛的技术（D. AMARSAIKHAN，2004）。不同波段遥感数组合成的RGB颜色空间是一个对物体颜色属性描述系统，而IHS色度空间提取出物体的亮度I（Intensity）、色度H（Hue）、饱和度S( Saturation)，它表述了人的视觉对色彩的感觉，如I表示强度和亮度（其包含空间信息），而H、S分别定义颜色的波长和颜色的深浅程度（包含图像的光谱信息）。因此，在基于IHS变换是数据融合中，常以高空间分辨率数据代替多光谱数据IHS变换变换后的I分量，然后进行逆变换从而达到融合的目的。其一般过程如下 图2 HIS变换的算法很多，如球体变换、圆柱变换、三角变换、单六角锥变换等。这些方法的基本思想都是类似的，一般而言，对某种从RGB空间转换到HIS空间的方法，只要保证变换后的H是一个角度、饱和度S和强度I相互独立，并且这个变换是可逆的，那么该方法就是可行的（姚敏等，200