第七章-数据融合方法-课件.pdfVIP

《遥感原理与方法B 》 第七章 图像数据融合 中国科学院大学 姜小光 2013年11月6日 《遥感原理与方法 B》 主要内容 （一） 概 况 概念、目标、关键技术 （二） 数据融合方法 一、彩色技术 RGB彩色合成 / IHS变换 二、算术运算 三、图像变换 主成分分析、相关统计分析、滤波分析 回归变量代换 （三） 融合效果评价 信息量、 清晰度 图像数据融合 多源数据提供可能： 面对各具特色的多平台、多时相、多尺度、多频段、 多角度的遥感数据，需要取长补短，综合多类特征，进行 图像数据融合，以更充分地利用和挖掘这些数据资源与信 息。 应用需求： 数据融合是遥感图像分析、应用的一种十分重要、有效 手段。 随着对遥感数据光谱、辐射、几何、方向、时间等特性 信息理解的深入，数据融合的理论与方法有迅速的发展。 从技术层面上，发展了许多新技术方法，提高自动融合水 平；从应用层面上，更加结合应用实际。 图像数据融合-- 概念 图像数据融合是对多遥感器的图像数据及其它信息的处理 过程。它着重于把那些在空间或时间上互补的多源数据，按 一定的规则 （或算法）进行运算处理，以获得比任何单一数 据更精确、更丰富的信息，生成具有新的空间、波谱、时间 特征的融合图像。 它不仅仅是数据间的简单复合，而强调信息的优化，以 突出有用的专题信息，消除或抑制无关的信息，改善目标识 别的图像环境，从而增加解译的可靠性、减少模糊性、改善 分类、扩大应用范围和效果。 什么是图像复合？ 图像融合的不同层次 基于像元 特征提取 特征提取 基于特征 特征识别 基于决策 融合可以在单层次上进行，也可以在多层次上进行， 即从低层→高层，逐步抽象的数据处理过程。 基于像元的图像融合 （pixel-based fusion ） 是指直接在原始数据层上进行融合。在各像元一一对应 （几何配准）的前提下进行图像像元级的融合处理，以改善 图像识别环境。 它是基于原始的图像数据，能更多地保留图像原有的真实感， 提供细微信息，被广泛应用于多源图像融合、图像分析和理解 等）。 局限性： • 像元级的运算，数据处理量大； • 不同传感器的数据特征不同， 基于像元的图像融合往往具有 一定的盲目性。 • 以数据的空间匹配为前提，用同一映射方法对待不同类型 的影像，产生一定误差；像元重采样也会造成采样点地物 光谱特征的人为变化，导致后续图像应用分析的误差； 基于特征的图像融合 （feature—based fusion ） 指先对图像提取空间特征信息，如边缘、范围、纹理等，然 后对特征进行融合。 运用不同算法 （统计方法、神经网络、模糊积分、模式识别等）， 对各种数据源分别进行目标识别的特征提取 （如边缘提取、纹 理结构等），以获取目标特征信息空间结构信息 （如范围、形 状、纹理等），并对这些具有互补性的目标特征，进行融合处理 与综合分析。 基于特征的图像融合的数据处理量大大减少，利于实时处理 ；对特征属性的判断具有更高的可信度和准确性，融合结果能 更好地给出决策分析所需的特征信息。 但是，在特征提取过程中不可避免地会出现信息的部分丢失 ，难以提供细微信息。 常用于多传