遙感影像數據融合技術的研究

【摘 要】隨著遙感技術的發展，多遙感器、多分辨率、多時相的海量數據襲來，這些數據各自都有自身的優勢和局限。如何充分開發和利用這些數據資源，遙感數據融合為我們提供了方便。本文闡述了遙感影像數據融合常見的三種方法以及融合過程。

【關鍵詞】遙感；數據融合；融合算法

0.引言

如今，遙感技術迅速發展，SPOT、Landsat/TM、SAR等不同遙感器，為我們提供了大量的不同時相、不同波段、不同角度、不同分辨率的遙感影像。由于技術條件的限制，成像原理的不同，單一遙感器的遙感數據都不會全面的反映目標特征。因此，將不同特征的數據（非遙感的或遙感的）結合起來，既可以發揮各單一遙感數據的優勢，又可以彌補不足，相互取長補短。數據融合應運而生。

數據融合是對多遙感器的圖像數據和其他信息的處理過程。它是按照一定的規則和算法，去除掉時間或空間上冗余或互補的多源數據，使其獲得比任意單一數據更精確、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處理

1.1融合的基本要求

不同類型遙感影像之間的融合處理，必須具備四個條件：①融合影像數據應包括不同空間和光譜分辨率；②融合影像數據應是同一區域；③影像應精確配準；④在不同時間獲取的影像中，其內容沒有大的變化。

1.2融合前的圖像預處理[1]

融合前，各種單一的數據必須先進行幾何校正、輻射校正、去除壞線條帶。由于不同來源的遙感圖像數據會因為平臺、觀測角度、軌道等的不同，特征差異較大，必須進行空間配準，即保證同一區域的圖像轉換到統一坐標系下。其次是保證數據關聯，即各類數據轉換成統一的表達形式。

2.融合類型

圖像數據的融合可分為三個不同層次：

2.1基于像元層次的融合

基于像元的圖像數據融合指對測量的物理參數合并，即直接在采集的原始數據上進行融合。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據，能夠更多的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。

2.2基于特征層次的融合

基于特征的圖像數據融合指運用不同的算法、對各種數據源進行目標識別的特征提取。基于特征層次的融合強調了特征之間的對應，并不突出像元之間的對應，在處理上避免了像元重采樣等造成的人為誤差。但是正因為它不是基于最原始的圖像數據而是特征，所以在特征提取過程中不可避免的會丟失部分信息，從而難以提供細微信息。

2.3基于決策層次的融合

基于決策層的圖像數據融合指在圖像理解和圖像識別基礎上的融合，也就是經過特征提取和特征識別后的融合。它具有很高的靈活性，對前期的處理要求很高，是一種高層次的融合，往往直接面向應用，為決策支持服務。

3.常用數據融合方法

3.1 HIS變換

在圖像數據融合中，主要運用兩種HIS技術。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個波段數據組成的數據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幾個轉換波段的方法。即在盡可能不丟失信息的情況下，用幾個綜合性的波段代表多波段的原圖像，使數據量減少。

主分量變換在進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據在內，統一進行主分量變換，然后進行反主分量變換。另一種是替換法：將多光譜的多個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

由于同一目標在不同數據源之間是非線性關系，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點。因此，從上個世紀九十年代開始，小波變換作為新的數學工具，被譽為“數學顯微鏡”[5]。

經小波變換，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。利用高分辨率影像數據的高頻成份和相應的多光譜影像數據的低頻成份組合進行小波重建，可得到融合影像。小波變換后的圖像能有效地增強多光譜圖像的空間細節表現能力。

4.結束語

隨著遙感技術和應用的迅速發展，遙感理論在不斷完善，遙感研究方法在不斷充實和更新。遙感影像數據的融合方法雖不少，但每一種方法都存在著各自的局限性，很難建立一個統一的圖像融合理論和方法系統。目前，數據融合算法趨向于把知識理解和統計信息相結合，以及多傳感器或多時相數據的特征融合處理，今后還將向智能化、實時化方向發展。

【參考文獻】

[1]趙英時，等.遙感應用分析原理與方法[M].北京：科學出版社，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.利用小波變換對影像進行融合的研究.武漢測繪科技大學學報，2000，25（2）：137-141.