遙感圖像數據融合

遙感圖像數據融合是一個對多遙感器的圖像數據和其他信息的處理過程，它著重於把那些在空間或時間上冗餘或互補的多源數據，按一定的規則（或算法）進行運算處理，獲得比任何單一數據更精確、更豐富的信息，生成一幅具有新的空間、波譜、時間特徵的合成圖像。

基本介紹

• 中文名：遙感圖像數據融合
• 外文名：Remote sensing image data fusion
• 定義：一個對多遙感器的圖像數據
• 分類：像素級、特徵級和決策級
• 特點：單一數據更精確、更豐富的信息
• 對象：空間信息和光譜（或波譜）信息

定義

為達到具體的套用目的，待處理的數據除基本的多源遙感圖像外，通常還包括一些非遙感數據，如數字地圖、地面物化參數分布等。考慮到數據在屬性、空間和時間上的不同，遙感圖像數據融合應先進性數據預處理，包括將不同來源、具有不同解析度的圖像在空間上進行幾何校正、噪聲消除、絕對配準（地理坐標配準）或相對配準以及非遙感數據的量化處理等，以形成各感測器數字圖像、圖像立方體、特徵圖（如紋理圖、聚類圖、PCT主成分圖和小波分解圖等）三維地形數據圖和各種地球物理化數據分布圖等輔助數據構成的空間數據集或資料庫。

它不僅僅是數據間的簡單複合，而強調信息的最佳化，以突出有用的專題信息，消除或抑制無關的信息，改善目標識別的圖像環境，從而增加解譯的可靠性，減少模糊性（即多義性、不完全性、不確定性和誤差）、改善分類、擴大套用範圍和效果。

基本框架

在具體的融合處理中，被利用的遙感圖像信息主要有兩種：空間信息和光譜（或波譜）信息。而融合處理的質量則很大程度上取決於圖像模型的合理選用。對空間信息而言，主要模型由統計模型：描述了圖像像元的空間分布，很適合刻畫圖像的紋理特徵，典型的有共生矩陣、隱馬爾可夫模型等；空間模型：主要基於物體的幾何特徵、位置和相互關係等因素建立，其打破了通常的區域限制，可提供更加豐富的空間信息；物理模型，即根據感測器信號的物理特性建立的圖像模型，如Lidar圖像中的斑點模型和球狀模型等。關於光譜信息，主要有光譜向量模型（包括各階導數譜向量模型）、線性光譜混合模型和各種非線性光譜混合模型。

遙感圖像數據融合的分級結構除了經典的像素級、特徵級和決策級3級結構外，也可根據套用系統的構成合理地擴展。融合算法的設計和選用可針對其中的任意一級或多級展開，相應的方法處理要視具體套用而定。一般來講，信號和像素級的融合目的在於增加圖像中的有用信息成分，如提高圖像品質、合理地銳化等；特徵級融合是為了能以較高的置信度提取有用的圖像特徵；決策級融合則允許對來自多個感測器或數據源的信息在最高抽象層上進行處理，以得出最終或輔助的決策。

分類

基於像元的圖像融合

基於像元的圖像融合是指對測量的物理參數的合併，即直接在採集的原始數據層上進行融合。它強調不同圖像信息在像元基礎上的綜合，強調必須進行基本的地理編碼，即對柵格數據進行相互間的幾何配準，在各像元一一對應的前提下進行圖像像元級的合併處理，以改善圖像處理的效果，使圖像分割、特徵提取等工作在更準確的基礎上進行，並可能獲得更好的圖像視覺效果。

基於像元的圖像融合必須解決以幾何糾正為基礎的空間匹配問題，在匹配過程中會出產生誤差，而且它是對每個像元進行運算，涉及到的數據處理量大。再說，由於對多種遙感器原始數據所包含的特徵難以進行一致性檢驗，基於像元的圖像融合往往具有一定的盲目性。儘管基於像元的圖像融合有一定的局限性，但由於它是基於最原始的圖像數據，能更多地保留圖像原有的真實感，提供其他融合層次所不能提供的細微信息，因而被廣泛套用。

基於特徵的圖像融合

基於特徵的圖像融合是指運用不同算法，首先對各種數據源進行目標識別的特徵提取如邊緣提取、分類等，也就是先從初始圖像中提取特徵信息——空間結構信息如範圍、形狀、領域、紋理等；然後對這些特徵信息進行綜合分析和融合處理。這些多種來源的相似目標或區域，它們空間上一一對應，但並非一個個像元對應，並被相互指派，然後運用統計方法或神經網路、模糊激憤等方法進行融合，以進一步評價。

基於決策層的圖像融合

基於決策層的圖像融合是指在圖像理解和圖像識別基礎上的融合。也就是，經“特徵提取”和“特徵識別”過程後的融合。它是一種高層次的融合，往往直接面向套用，為決策支持服務。此種融合先經過圖像數據的特徵提取以及一些輔助信息的參與，再對其有價值的複合數據運用判別準則、決策規則加以判斷、識別、分類，然後在一個更為抽象的層次上，將這些有價值的信息進行融合，獲得綜合的決策結果，以提高識別和解譯能力，更好地理解研究目標，更有效地反映地學過程。常用的方法有：用馬爾可夫隨機場模型方法加入多源決策分類、貝葉斯法則的分類理論與方法、模糊集理論、專家系統方法等。

融合算法

圖像融合算法種類非常多，但大體上可以分為三類：

第一類

從圖像增強算法發展而來的較為簡單的傳統圖像融合方法，即針對各個圖像通道，利用一些替換、算術等簡單的方法來實現。

套用較廣的有：線性加權法、HPF（高通濾波）法、IHS變換法、PCA（主分量分析法）等。這些方法簡單易行，在不同的遙感領域得到套用。

第二類

自80年代中期發展起來的多融合算法，主要是塔式算法和小波變換法及小波變換融合算法。它們的基本思想是：首先把原始圖像在不同的解析度下進行分解，然後在不同的分解水平上對圖像進行融合，最後通過重構來獲得融合圖像。

第三類

主要是多種算法相結合形成的各種改進的融合算法。