影像融合 - read.pptVIP

影像融合 信息融合（Information Fusion）是指将来自多个传感器或多源的信息进行综合处理，从而得到更为准确、可靠的结论。 信息融合是一种信息处理技术，即对多源信息进行处理，以获得改善了的新信息，为决策应用提供更好的服务。 应用领域：多源影像复合、机器人和智能仪器系统、战场和无人驾驶飞机、图像分析与理解、目标检测与跟踪、自动目标识别等等。 在遥感中，信息融合属于一种属性融合，它是将同一地区的多源遥感影像数据信息加以智能化合成，产生比单一信息源更精确、更完全、更可靠的估计和判断。 影像融合(Image Fusion)是信息融合技术的一种，它是一种通过高级影像处理技术对多源影像进行复合的技术，是根据应用的目的，使用特定的算法将多个不同的影像进行图像信息的合并处理，从而生成新的图像。 目的：将单一传感器的多波段信息或不同传感器所提供的信息进行综合处理，消除多传感器信息之间可能存在的冗余和矛盾，并加以互补，降低其不确定性，减少模糊度，以增强影像中信息透明度，改善解译的精度、可靠性以及使用率，从而形成对目标的清晰、完整、准确的信息描述。 影像融合并不是简单的信息叠加，它产生的是包含更多有价值信息的图像，影像融合技术是近几年来图像处理领域研究的热点，也是目前遥感应用分析的前沿。 一般来说，遥感影像的数据融合分为数据预处理、信息融合变换两步。 预处理：主要包括遥感影像的几何纠正、大气订正、辐射校正及空间配准 （1）几何纠正、辐射校正的目的主要在于去处透视收缩、叠掩、阴影等地形因素以及卫星扰动、天气变化、大气散射等随机因素对成像结果一致性的影响； （2）影像空间配准的目的在于消除由不同传感器得到的影像在拍摄角度、时相及分辨率等方面的差异。 影像的空间配准时遥感影像数据融合的前提 空间配准一般可分为以下步骤 : (1）特征选择：在欲配准的两幅影像上，选择如边界、线状物交叉点、区域轮廓线等明显的特征。 （2）特征匹配：采用一定配准算法，找处两幅影像上对应的明显地物点，作为控制点。 （3）空间变化：根据控制点，建立影像间的映射关系。 （4）插值：根据映射关系，对非参考影像进行重采样，获得同参考影像配准的影像。 空间配准的精度一般要求在1~2个像元内。空间配准中最关键、最困难的一步就是通过特征匹配寻找对应的明显地物点作为控制点。 融合变换处理 根据融合目的和融合层次智能地选择合适的融合算法，将空间配准的遥感影像数据（或提取的图像特征或模式识别的属性说明）进行有机合成，得到目标的更准确表示或估计 。 变换处理：变换处理是遥感影像信息融合的实质和重点。根据具体融合算法，首先对图像进行变换，然后根据融合目的对变换后的图像信息进行相关处理，对处理后的图像进行反变换，得到融合结果。融合结果中便包含了不同遥感影像的综合信息，提供给应用层进行分析应用。 二、遥感影像信息融合方法 1、遥感影像信息融合方法分类 基于像素（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。 2.1 像素级融合 先对空间配准的遥感影像数据直接融合，而后对融合的数据进行特征提取和属性说明。这是最低层次的信息融合，可以在像素或分辨单元上进行，亦称数据级融合。像素级融合的优点是保留了尽可能多的信息，具有较高精度，缺点是处理信息量大、费时、实时性差。 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：缺点是处理信息量大、费时、实时性、干扰性差。 象素级融合——分类 （1）基于光谱（彩色）域变换的融合技术 亮度－色调－饱和度变换（Intensity-Hue-Saturation， IHS）变换 和比值变换(Brovey Transform, BT)和主成分变换(Principle Component Transform, PCT)等 特点：每次该类技术每次只能对3个波段数据融合 （2）基于空间域信号分解和重构的融合技术 小波变化（Wavelet transform, WT） 基于亮度平滑滤波变换(Smoothing Filter-based Intensity Modulation, SFIM) 高通滤波变换（High Pass Filter, HPT）等 特点：其能对任意波段进行融合 （3）?基于算术运算的融合技术 乘积变换(Multiplication Transform, MT )和加法变换等 特点：模型简单可以对任意波段进行融合 2.2 特征级融合 特征级融合是一种