遥感图像处理-图像融合.pptVIP

遥感图像处理-图像融合 中国科学院遥感应用研究所 孟 瑜 2007年4月23日 背景 随着遥感技术的发展，越来越多的不同类型遥感器被用于对地观测。这些多遥感器、多时相、多分辨率、多波段的遥感图像数据，各自显示了自身的优势和局限。为了更充分运用这些数据资源，数字融合技术应运而生。 内容提纲 概述 遥感数据融合方法介绍 遥感与非遥感数据融合方法介绍 融合质量评估 1、概述 定义 数据融合( Fusion, Merge)指同一区域内遥感数据之间或遥感数据与非遥感数据之间的匹配融合。 多种遥感数据源信息融合是指利用多种对地观测技术所获取的关于同一地物的不同遥感数据，通过一定的数据处理技术提取各遥感数据源的有用信息，最后将其融合到统一的空间坐标系(图像或特征空间)中进行综合判读或进一步的解析处理。 图像融合是一个对多遥感器的图像数据和其他信息的处理过程。着重于把那些在空间和时间上冗余或互补的多源数据，按照一定的规则进行运算处理，获得比任何一种数据更精确、更丰富的信息，生成一幅具有新的空间、波谱、时间特征的合成图像。 数据融合的发展 数据融合的概念始于70年代。进入20世纪90年代以后，随着多种遥感卫星的发射成功，从不同遥感平台获得的不同空间分辨率和时间分辨率的遥感影像形成了多级分辨率的影像金字塔序列，给遥感用户提供了从粗到精、从多光谱到高光谱的多种遥感数据源。融合的发展在一定程度上解决了多种数据源综合分析的问题。 数据融合的发展 起初是进行同种遥感数据多波段、多时相的数据融合，以提高遥感解译能力和进行动态分析。 后来发展到不同类型遥感数据的融合，如陆地卫星与气象卫星、陆地卫星MSS与航天飞机成象雷达SIR－A、陆地卫星MSS与海洋卫星侧视雷达SAR，以及陆地卫星 MSS与RBV等，以扩大应用范围，提高分析精度，获得更好的遥感应用效果。 与此同时，人们越来越感到由于遥感本身以及实际应用中的局限性，要真正认识事物，并非遥感独家所能完成。它需要其它学科的支持，只有遥感与非遥感数据的融合，如与气象、水文数据，与重力、磁力等地球物理增息，与地球化学勘探数据，与专题地图数据，以及与数字地形模型（DTM）等数据融合，进行综合分析，才能更好地发挥作用。 数据融合的目标 空间分辨率的提高 目标特征增强 提高分类精度 信息互补 概述-图像融合的流程 概述-图像融合的层次 概述-图像融合的层次 概述-图像融合的层次 像元级 线性加权法、IHS变换、PCA变换、高通滤波法、小波变换融合算法等。 特征级 Dempster-shafer推理法；聚类分析法；贝叶斯估计法；熵法；带权平均法；表决法及神经网络法等。 决策级 贝叶斯估计法；专家系统；神经网络法；模糊集理论；可靠性理论以及逻辑模板法等。 数据融合的技术关键 充分认识研究对象的地学规律。 充分了解每种融合数据的特点和适用性。 充分考虑到不同遥感数据之间波谱数据的相关性引起的有用数据的增加以及噪声误差的增加，因此对多种遥感数据作出合理的选择。 几何配准，即解决遥感图像的几何畸变，解决空间配准问题。 只有对地学规律、影象特征、成象机理这三者有深刻的认识，并把它们有机地结合起来，数据融合才能达到更好地效果。 2、遥感数据融合方法介绍 遥感数据融合 遥感数据的融合主要指不同传感器的遥感数据的融合，以及不同时相的遥感数据的融合。融合方式的确定应根据目标空间分布、光谱反射特性及时相规律方面的特征选择不同的遥感图像数据，它们在空间分辨率、光谱分辨率和时间分辨率方面相互补充，以形成一个更有利的识别环境，来识别所要识别的目标或类型。 遥感数据融合预处理 影像配准是数据融合处理中的关键步骤，其几何配准精度直接影响融合影像的质量。通常情况下，不同类型的传感器影像之间融合时，由于它们成像方式的不同，则其系统误差类型也不同。如SPOT与TM数据融合时，SPOT的传感器是以CCD推帚式扫描成像的，而TM则是通过光机扫描方式成像的，因而不同类型影像进行融合时必须经过严密的几何校正，分别在不同数据源的影像上选取控制点，用双线性内插或三次卷积内插运算对分辨率较低的图像进行重采样，改正其误差，将影像投影到同一的地面坐标系统上，为图像配准奠定基础。 像素级图像融合 像素级融合是最低层次的图像融合，它将经过高精度图像配准后的多源影像数据按照一定的融合原则，进行像素的合成，生成一幅新的影像。融合的目的在于提高图像质量，提供良好的地物细节信息，直接服务于目视解译，自动分类。高空间分辨率的全色影像和高光谱分辨率的高光谱影像的像素级融合影像一般具有以下性质（Wald,1997）： 融合影像空间特性应当和高空间分辨率的影像尽可能保持一致； 融合影像的光