(完整)遥感图像融合技术的发展现状.pdfVIP

(完整)遥感图像融合技术的发展现状 遥感图像融合技术的发展现状及趋势 1 引言 多源图像融合属于多传感器信息融合的范畴， 是指将不同传感器获得的同一 景物的图像或同一传感器在不同时刻获得的同一景物的图像, 经过相应处理后, 再运用某种融合技术得到一幅合成图像的过程。多幅图像融合可克服单一传感器 图像在几何、光谱和空间分辨率等方面存在的局限性和差异性, 提高图像的质量, 从而有利于对物理现象和事件进行定位、识别和解释。与单源遥感图像相比， 多 源遥感图像所提供的信息具有冗余性、互补性和合作性.因此,将多源遥感图像各 自的优势结合应用, 获得对环境正确的解译是极为重要的.多源遥感图像融合则是 富集这些多种传感器遥感信息的最有效途径之一,是现代多源数据处理和分析中非 常重要的一步。本文基于遥感图像融合的研究现状、分析了图像融合研究的困境 和不足， 最后提出了未来的发展趋势和热点， 以期达到抛砖引玉的作用。 2 遥感图像融合研究现状 随着信息科学技术的发展， 在20 世纪七八十年代诞生了一个称为数据融合 的全新概念 。这一概念不断扩展， 处理的对象由一般的数据发展到数字图 像.1979 年, Daliy 等人首先将雷达图像和LandsatMSS 图像的复合图像应用于地 质解译， 被认为是最早的图像融合。20 世纪80 年代, 图像融合技术逐渐应用到 遥感图像的分析和处理中。90年代以后, 图像融合技术成为研究的热点, 并成为 很多遥感图像应用的一个重要预处理环节。目前, 遥感图像融合已经发展为像素 级、特征级和决策级3个层次, 如表1.需要指出的是， 融合层次并没有划分融合 算法严格的界限, 因为本质上各个融合层次都是信息融合的范畴.像素级图像融合 (完整)遥感图像融合技术的发展现状 技术已被广泛研究和应用， 并取得了一定的成果.特征级融合是一种中等层次的 信息融合, 利用从各个传感器图像的原始信息中提取的特征信息,进行综合分析及 融合处理， 不仅增加从图像中提取特征信息的可能性， 还可能获取一些有用的 复合特征, 尤其是边缘、角、纹理、相似亮度区域、相似景深区等.在特征级融合 中， 对图像配准的要求不如像素级图像融合对配准要求那么严格。决策级图像融 合是一种更高层次的信息融合, 其结果将为各种控制或决策提供依据。在进行融 合处理前, 先对图像进行预处理、特征提取、识别或判决, 建立对同一目标的初 步判决和结论, 然后对各个图像的决策进行相关处理， 最后进行决策级的融合。 从特点来看，不同层次的融合各有优缺点, 难以在信息量和算法效率方面都同时 满足需求。 表一：遥感图像融合三个层次的对比 融合层次融合算法特点 Br ov ey ， IHS , 分量替换法 （包 信息量最大, 信息 括GS 方法 PCA 方 损失最小， 预处理 像素级 法等） ， 高通滤 最小， 容错性和抗 波方法、小波变换 干扰能力最差, 融 法, 模糊数学、逻 合方法最难。 辑滤波、数学形态 学等。 信息量， 信息损 模糊方法、神经网 失, 预处理, 容错 特征级 络技术、聚类方 性和抗干扰能力， 法 Kalman 滤波 融 等。 合方法难易程度都 处于中等。 贝叶斯估计法 信息量最小, 信息 决策级