遙感影像數(shù)據(jù)融合技術(shù)的研究

【摘 要】隨著遙感技術(shù)的發(fā)展，多遙感器、多分辨率、多時(shí)相的海量數(shù)據(jù)襲來(lái)，這些數(shù)據(jù)各自都有自身的優(yōu)勢(shì)和局限。如何充分開(kāi)發(fā)和利用這些數(shù)據(jù)資源，遙感數(shù)據(jù)融合為我們提供了方便。本文闡述了遙感影像數(shù)據(jù)融合常見(jiàn)的三種方法以及融合過(guò)程。

【關(guān)鍵詞】遙感；數(shù)據(jù)融合；融合算法

0.引言

如今，遙感技術(shù)迅速發(fā)展，SPOT、Landsat/TM、SAR等不同遙感器，為我們提供了大量的不同時(shí)相、不同波段、不同角度、不同分辨率的遙感影像。由于技術(shù)條件的限制，成像原理的不同，單一遙感器的遙感數(shù)據(jù)都不會(huì)全面的反映目標(biāo)特征。因此，將不同特征的數(shù)據(jù)（非遙感的或遙感的）結(jié)合起來(lái)，既可以發(fā)揮各單一遙感數(shù)據(jù)的優(yōu)勢(shì)，又可以彌補(bǔ)不足，相互取長(zhǎng)補(bǔ)短。數(shù)據(jù)融合應(yīng)運(yùn)而生。

數(shù)據(jù)融合是對(duì)多遙感器的圖像數(shù)據(jù)和其他信息的處理過(guò)程。它是按照一定的規(guī)則和算法，去除掉時(shí)間或空間上冗余或互補(bǔ)的多源數(shù)據(jù)，使其獲得比任意單一數(shù)據(jù)更精確、更豐富信息的新合成圖像。

1.融合的基本要求和融合前的圖像預(yù)處理

1.1融合的基本要求

不同類(lèi)型遙感影像之間的融合處理，必須具備四個(gè)條件：①融合影像數(shù)據(jù)應(yīng)包括不同空間和光譜分辨率；②融合影像數(shù)據(jù)應(yīng)是同一區(qū)域；③影像應(yīng)精確配準(zhǔn)；④在不同時(shí)間獲取的影像中，其內(nèi)容沒(méi)有大的變化。

1.2融合前的圖像預(yù)處理[1]

融合前，各種單一的數(shù)據(jù)必須先進(jìn)行幾何校正、輻射校正、去除壞線條帶。由于不同來(lái)源的遙感圖像數(shù)據(jù)會(huì)因?yàn)槠脚_(tái)、觀測(cè)角度、軌道等的不同，特征差異較大，必須進(jìn)行空間配準(zhǔn)，即保證同一區(qū)域的圖像轉(zhuǎn)換到統(tǒng)一坐標(biāo)系下。其次是保證數(shù)據(jù)關(guān)聯(lián)，即各類(lèi)數(shù)據(jù)轉(zhuǎn)換成統(tǒng)一的表達(dá)形式。

2.融合類(lèi)型

圖像數(shù)據(jù)的融合可分為三個(gè)不同層次：

2.1基于像元層次的融合

基于像元的圖像數(shù)據(jù)融合指對(duì)測(cè)量的物理參數(shù)合并，即直接在采集的原始數(shù)據(jù)上進(jìn)行融合。基于像元的融合往往具有一定的盲目性，但由于基于最原始的圖像數(shù)據(jù)，能夠更多的保留圖像原有的真實(shí)感，提供其他融合層次所不能提供的細(xì)微信息。

2.2基于特征層次的融合

基于特征的圖像數(shù)據(jù)融合指運(yùn)用不同的算法、對(duì)各種數(shù)據(jù)源進(jìn)行目標(biāo)識(shí)別的特征提取。基于特征層次的融合強(qiáng)調(diào)了特征之間的對(duì)應(yīng)，并不突出像元之間的對(duì)應(yīng)，在處理上避免了像元重采樣等造成的人為誤差。但是正因?yàn)樗皇腔谧钤嫉膱D像數(shù)據(jù)而是特征，所以在特征提取過(guò)程中不可避免的會(huì)丟失部分信息，從而難以提供細(xì)微信息。

2.3基于決策層次的融合

基于決策層的圖像數(shù)據(jù)融合指在圖像理解和圖像識(shí)別基礎(chǔ)上的融合，也就是經(jīng)過(guò)特征提取和特征識(shí)別后的融合。它具有很高的靈活性，對(duì)前期的處理要求很高，是一種高層次的融合，往往直接面向應(yīng)用，為決策支持服務(wù)。

3.常用數(shù)據(jù)融合方法

3.1 HIS變換

在圖像數(shù)據(jù)融合中，主要運(yùn)用兩種HIS技術(shù)。一種是直接法，即將3波段圖像直接變換到指定的HIS空間。第二種是替代法，即首先將由RGB3個(gè)波段數(shù)據(jù)組成的數(shù)據(jù)集變換到相互分離的HIS彩色空間中用以上公式變換。

3.2主成分分析（PCA）

主成分分析就是一種除去波段之間的多余信息，將多波段的圖像信息壓縮到比原波段更有效的少數(shù)幾個(gè)轉(zhuǎn)換波段的方法。即在盡可能不丟失信息的情況下，用幾個(gè)綜合性的波段代表多波段的原圖像，使數(shù)據(jù)量減少。

主分量變換在進(jìn)行融合中有兩種變換方法[3]，一種是直接法：將參與變換的各波段。包括高空間分辨率數(shù)據(jù)在內(nèi)，統(tǒng)一進(jìn)行主分量變換，然后進(jìn)行反主分量變換。另一種是替換法：將多光譜的多個(gè)波段先做主分量變換，并且與HIS變換相似，將高分辨率全色影像與第一主分量進(jìn)行直方圖匹配，使之與第一主分量有相同的均值與方差，然后用匹配后的高分辨率影像代替第一主分量，最后進(jìn)行反主分量變換，得到空間分辨率提高了的多光譜影像的融合影像[4]。

3.3小波變換

由于同一目標(biāo)在不同數(shù)據(jù)源之間是非線性關(guān)系，所以必須引入非線性理論和模型。小波變換具有信息保持性、變焦性、小波基選擇的靈活性等優(yōu)點(diǎn)。因此，從上個(gè)世紀(jì)九十年代開(kāi)始，小波變換作為新的數(shù)學(xué)工具，被譽(yù)為“數(shù)學(xué)顯微鏡”[5]。

經(jīng)小波變換，圖像可分解為一些具有不同空間分辨率、方向特性和頻率特征的子信號(hào)。利用高分辨率影像數(shù)據(jù)的高頻成份和相應(yīng)的多光譜影像數(shù)據(jù)的低頻成份組合進(jìn)行小波重建，可得到融合影像。小波變換后的圖像能有效地增強(qiáng)多光譜圖像的空間細(xì)節(jié)表現(xiàn)能力。

4.結(jié)束語(yǔ)

隨著遙感技術(shù)和應(yīng)用的迅速發(fā)展，遙感理論在不斷完善，遙感研究方法在不斷充實(shí)和更新。遙感影像數(shù)據(jù)的融合方法雖不少，但每一種方法都存在著各自的局限性，很難建立一個(gè)統(tǒng)一的圖像融合理論和方法系統(tǒng)。目前，數(shù)據(jù)融合算法趨向于把知識(shí)理解和統(tǒng)計(jì)信息相結(jié)合，以及多傳感器或多時(shí)相數(shù)據(jù)的特征融合處理，今后還將向智能化、實(shí)時(shí)化方向發(fā)展。

【參考文獻(xiàn)】

[1]趙英時(shí)，等.遙感應(yīng)用分析原理與方法[M].北京：科學(xué)出版社，2013：44-46.

[2]Harris J R，et al.IHS transform for the integration of radar imagery with Other remotely sensed data.Phote Engin Remote Sens，1990，36（12）：1631-1641.

[3]CPOHL J L.Van genderen multisensor image fusion in remote sensing：Concepts，methods and applications[J].1998，19（5）：823-854.

[4]Pat S Chavez.Comparison of three different methods to merge multiresolution and multispectral data：Landsat TM and SPOT panchromatic[J].PERS 1991，57（3）：259-303.

[5]王智均，李德仁，李清泉.利用小波變換對(duì)影像進(jìn)行融合的研究.武漢測(cè)繪科技大學(xué)學(xué)報(bào)，2000，25（2）：137-141.