浅析多元遥感数据融合.pptVIP

多源遥感数据融合的方法及实对比分析 专 业：摄影测量与遥感技术 一. 多源数据融合基本原理 多源数据融合是把来自多个传感器和信息源的数据进行联合、相关、组合和估值的处理。产生比单一信息源更精确、更完全、更可靠的估计和判决，以获得满足某种应用的高质量信息完成一个单一传感器独自所不能进行的推理。 相对于单源遥感影象数据，多源遥感影象数据所提供的信息具有以下特点： 1.冗余性：表示多源遥感影像数据对环境或目标的表示、描述或解译结果相同； 2.互补性：指信息来自不同的自由度且相互独立 3.合作性：不同传感器在观测和处理信息时对其它信息有依赖关系； 4.信息分层的结构特性：数据融合所处理的多源遥感信息可以在不同的信息层次上出现，这些信息抽象层次包括像素层、特征层和决策层，分层结构和并行处理机制还可保证系统的实时性。 实质： 在统一地理坐标系中将对同一目标检测的多幅遥感图像数据采用一定的算法，生成一幅新的、更能有效表示该目标的图像信息。 目的：将单一传感器的多波段信息或不同类别传感器所提供的信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，加以互补，改善遥感信息提取的及时性和可靠性，提高数据的使用效率。 简单的说，多源遥感数据融合的目的是：①简化图像处理②便于图像特征提取③实现图像压缩④从概念上增强对图像信息的理解。 二、数据融合分类及方法 1 数据融合方法分类 遥感影像的数据融合方法分为三类：基于像元（pixel）级的融合、基于特征(feature)级的融合、基于决策(decision)级的融合。融合的水平依次从低到高。 1.1 像元级融合 像元级融合是一种低水平的融合。 像元级融合的流程为：经过预处理的遥感影像数据——数据融合——特征提取——融合属性说明。 优点：保留了尽可能多的信息，具有最高精度。 局限性： 1. 效率低下。由于处理的传感器数据量大，所以处理时间较长，实时性差。 2. 分析数据限制。为了便于像元比较，对传感器信息的配准精度要求很高，而且要求影像来源于一组同质传感器或同单位的。 3.分析能力差。不能实现对影像的有效理解和分析 4.纠错要求。由于底层传感器信息存在的不确定性、不完全性或不稳定性，所以对融合过程中的纠错能力有较高要求。 5.抗干扰性差。 像元级融合所包含的具体融合方法有：代数法、IHS变换、小波变换、主成分变换（PCT）、K-T变换等 1.2 特征级融合 特征级融合是一种中等水平的融合。在这一级别中，先是将各遥感影像数据进行特征提取，提取的特征信息应是原始信息的充分表示量或充分统计量，然后按特征信息对多源数据进行分类、聚集和综合，产生特征矢量，而后采用一些基于特征级融合方法融合这些特征矢量，作出基于融合特征矢量的属性说明。 特征级融合的流程为：经过预处理的遥感影像数据——特征提取——特征级融合——（融合）属性说明。 1.3 决策级融合 决策级融合是最高水平的融合。融合的结果为指挥、控制、决策提供了依据。在这一级别中，首先对每一数据进行属性说明，然后对其结果加以融合，得到目标或环境的融合属性说明。 决策级融合的优点时具有很强的容错性，很好的开放性，处理时间短、数据要求低、分析能力强。而由于对预处理及特征提取有较高要求，所以决策级融合的代价较高。 决策级融合的流程：经过预处理的遥感影像数据——特征提取——属性说明——属性融合——融合属性说明。 2 多源遥感数据融合常用方法介绍 2.1 主成分变换（PCT） 也称为W-L变换，数学上称为主成分分析（PCA）。PCT是应用于遥感诸多领域的一种方法，包括高光谱数据压缩、信息提取与融合及变化监测等。PCT的本质是通过去除冗余，将其余信息转入少数几幅影像（即主成分）的方法，对大量影像进行概括和消除相关性。PCT使用相关系数阵或协方差阵来消除原始影像数据的相关性，以达到去除冗余的目的。对于融合后的新图像来说各波段的信息所作出的贡献能最大限度地表现出来。 PCT的优点是能够分离信息，减少相关，从而突出不同的地物目标。另外，它对辐射差异具有自动校正的功能，因此无须再做相对辐射校正处理。 2.2 乘积变换 乘积性融合法是应用最基本的乘积组合算法, 直接对两种空间分辨率的遥感数据进行融合, 其运算法则为:Bi_new=Bi_m ×B_h式中:Bi_new 代表融合以后 的波段数值(i=1,2,?8943 .,n);Bi_m 代表多光谱图像中的任意一个波段数值:B_h 代表高分辨率遥感数据波段值。 将一定亮度的图像进行变换处理时, 只有乘积变换可以