遙感影像數(shù)據(jù)融合原理與方法課件

1、遙感影像數(shù)據(jù)融合原理與方法 顧曉鶴2003.10.17一. 數(shù)據(jù)融合基本涵義 數(shù)據(jù)融合（data fusion）最早被應(yīng)用于軍事領(lǐng)域。 現(xiàn)在數(shù)據(jù)融合的主要應(yīng)用領(lǐng)域有：多源影像復(fù)合、機(jī)器人和智能儀器系統(tǒng)、戰(zhàn)場(chǎng)和無(wú)人駕駛飛機(jī)、圖像分析與理解、目標(biāo)檢測(cè)與跟蹤、自動(dòng)目標(biāo)識(shí)別等等。 在遙感中，數(shù)據(jù)融合屬于一種屬性融合，它是將同一地區(qū)的多源遙感影像數(shù)據(jù)加以智能化合成，產(chǎn)生比單一信息源更精確、更完全、更可靠的估計(jì)和判斷。 相對(duì)于單源遙感影象數(shù)據(jù)，多源遙感影象數(shù)據(jù)所提供的信息具有以下特點(diǎn)： 1.冗余性：表示多源遙感影像數(shù)據(jù)對(duì)環(huán)境或目標(biāo)的表示、描述或解譯結(jié)果相同； 2.互補(bǔ)性：指信息來(lái)自不同的自由度且相互獨(dú)立

2、3.合作性：不同傳感器在觀測(cè)和處理信息時(shí)對(duì)其它信息有依賴關(guān)系； 4.信息分層的結(jié)構(gòu)特性：數(shù)據(jù)融合所處理的多源遙感信息可以在不同的信息層次上出現(xiàn)，這些信息抽象層次包括像素層、特征層和決策層，分層結(jié)構(gòu)和并行處理機(jī)制還可保證系統(tǒng)的實(shí)時(shí)性。 實(shí)質(zhì)： 在統(tǒng)一地理坐標(biāo)系中將對(duì)同一目標(biāo)檢測(cè)的多幅遙感圖像數(shù)據(jù)采用一定的算法，生成一幅新的、更能有效表示該目標(biāo)的圖像信息。目的：將單一傳感器的多波段信息或不同類別傳感器所提供的信息加以綜合，消除多傳感器信息之間可能存在的冗余和矛盾，加以互補(bǔ)，改善遙感信息提取的及時(shí)性和可靠性，提高數(shù)據(jù)的使用效率。 二、數(shù)據(jù)融合原理及過(guò)程 一般來(lái)說(shuō)，遙感影像的數(shù)據(jù)融合分為預(yù)處理和數(shù)據(jù)融

3、合兩步 1.預(yù)處理：主要包括遙感影像的幾何糾正、大氣訂正、輻射校正及空間配準(zhǔn) （1）幾何糾正、大氣訂正及輻射校正的目的主要在于去處透視收縮、疊掩、陰影等地形因素以及衛(wèi)星擾動(dòng)、天氣變化、大氣散射等隨機(jī)因素對(duì)成像結(jié)果一致性的影響；（2）影像空間配準(zhǔn)的目的在于消除由不同傳感器得到的影像在拍攝角度、時(shí)相及分辨率等方面的差異。 2.數(shù)據(jù)融合 根據(jù)融合目的和融合層次智能地選擇合適的融合算法，將空間配準(zhǔn)的遙感影像數(shù)據(jù)（或提取的圖像特征或模式識(shí)別的屬性說(shuō)明）進(jìn)行有機(jī)合成，得到目標(biāo)的更準(zhǔn)確表示或估計(jì) 。 對(duì)于各種算法所獲得的融合遙感信息，有時(shí)還需要做進(jìn)一步的處理，如“匹配處理”和“類型變換”等，以便得到目標(biāo)的更

4、準(zhǔn)確表示或估計(jì)。 三、數(shù)據(jù)融合分類及方法 1 數(shù)據(jù)融合方法分類 遙感影像的數(shù)據(jù)融合方法分為三類：基于像元（pixel）級(jí)的融合、基于特征(feature)級(jí)的融合、基于決策(decision)級(jí)的融合。融合的水平依次從低到高。1.1 像元級(jí)融合 像元級(jí)融合是一種低水平的融合。 像元級(jí)融合的流程為：經(jīng)過(guò)預(yù)處理的遙感影像數(shù)據(jù)數(shù)據(jù)融合特征提取融合屬性說(shuō)明。 1.2 特征級(jí)融合 特征級(jí)融合是一種中等水平的融合。在這一級(jí)別中，先是將各遙感影像數(shù)據(jù)進(jìn)行特征提取，提取的特征信息應(yīng)是原始信息的充分表示量或充分統(tǒng)計(jì)量，然后按特征信息對(duì)多源數(shù)據(jù)進(jìn)行分類、聚集和綜合，產(chǎn)生特征矢量，而后采用一些基于特征級(jí)融合方法融合

5、這些特征矢量，作出基于融合特征矢量的屬性說(shuō)明。 特征級(jí)融合的流程為：經(jīng)過(guò)預(yù)處理的遙感影像數(shù)據(jù)特征提取特征級(jí)融合（融合）屬性說(shuō)明。 1.3 決策級(jí)融合 決策級(jí)融合是最高水平的融合。融合的結(jié)果為指揮、控制、決策提供了依據(jù)。在這一級(jí)別中，首先對(duì)每一數(shù)據(jù)進(jìn)行屬性說(shuō)明，然后對(duì)其結(jié)果加以融合，得到目標(biāo)或環(huán)境的融合屬性說(shuō)明。 決策級(jí)融合的優(yōu)點(diǎn)時(shí)具有很強(qiáng)的容錯(cuò)性，很好的開(kāi)放性，處理時(shí)間短、數(shù)據(jù)要求低、分析能力強(qiáng)。而由于對(duì)預(yù)處理及特征提取有較高要求，所以決策級(jí)融合的代價(jià)較高。 決策級(jí)融合的流程：經(jīng)過(guò)預(yù)處理的遙感影像數(shù)據(jù)特征提取屬性說(shuō)明屬性融合融合屬性說(shuō)明。 表1 三級(jí)融合層次的特點(diǎn) 融合框架 信息損失 實(shí)時(shí)性

6、精度 容錯(cuò)性 抗干擾力 工作量 融合水平 像元級(jí) 小差高差差小低特征級(jí) 中中中中中中中決策級(jí) 大優(yōu)低優(yōu)優(yōu)大高2 數(shù)據(jù)融合方法介紹 2.1 代數(shù)法 代數(shù)法包括加權(quán)融合、單變量圖像差值法、圖像比值法等。（1）加權(quán)融合法（2）單變量圖象差值法（3）圖象比值法 2.2 圖像回歸法（Image Regression） 圖像回歸法是首先假定影像的像元值是另一影像的一個(gè)線性函數(shù)，通過(guò)最小二乘法來(lái)進(jìn)行回歸，然后再用回歸方程計(jì)算出的預(yù)測(cè)值來(lái)減去影像的原始像元值，從而獲得二影像的回歸殘差圖像。經(jīng)過(guò)回歸處理后的遙感數(shù)據(jù)在一定程度上類似于進(jìn)行了相對(duì)輻射校正，因而能減弱多時(shí)相影像中由于大氣條件和太陽(yáng)高度角的不同所帶來(lái)的

7、影響。 2.4 K-T變換 即Kauth-Thomas變換，簡(jiǎn)稱K-T變換，又形象地成為“纓帽變換”14。它是線性變換的一種，它能使座標(biāo)空間發(fā)生旋轉(zhuǎn)，但旋轉(zhuǎn)后的坐標(biāo)軸不是指向主成分的方向，而是指向另外的方向，這些方向與地面景物有密切的關(guān)系，特別是與植物生長(zhǎng)過(guò)程和土壤有關(guān)。以此，這種變換著眼于農(nóng)作物生長(zhǎng)過(guò)程而區(qū)別于其他植被覆蓋，力爭(zhēng)抓住地面景物在多光譜空間的特征。通過(guò)這種變換，既可以實(shí)現(xiàn)信息壓縮，又可以幫助解譯分析農(nóng)業(yè)特征，因此有很大的實(shí)際應(yīng)用意義。 目前對(duì)這個(gè)變換在多源遙感數(shù)據(jù)融合方面的研究應(yīng)用主要集中在MSS與TM兩種遙感數(shù)據(jù)的應(yīng)用分析方面。 2.5 小波變換 小波變換是一種新興的數(shù)學(xué)分析方

8、法，已經(jīng)受到了廣泛的重視。小波變換是一種全局變換，在時(shí)間域和頻率域同時(shí)具有良好的定位能力，對(duì)高頻分量采用逐漸精細(xì)的時(shí)域和空域步長(zhǎng)，可以聚焦到被處理圖像的任何細(xì)節(jié)，從而被譽(yù)為“數(shù)學(xué)顯微鏡”。 小波變換常用于雷達(dá)影像SAR與TM影像的融合。它具有在提高影像空間分辨率的同時(shí)又保持色調(diào)和飽和度不變的優(yōu)越性。 2.6 IHS變換 3個(gè)波段合成的RGB顏色空間是一個(gè)對(duì)物體顏色屬性描述系統(tǒng)，而IHS色度空間提取出物體的亮度I，色度H，飽和度S，它們分別對(duì)應(yīng)3個(gè)波段的平均輻射強(qiáng)度、3個(gè)波段的數(shù)據(jù)向量和的方向及3個(gè)波段等量數(shù)據(jù)的大小。RGB顏色空間和IHS色度空間有著精確的轉(zhuǎn)換關(guān)系。 以TM和SAR為例，變換思路是把TM圖像的3個(gè)波段合成的RGB假彩色圖像變換到IHS色度空間，然后用SAR圖像代替其中的I值，再變換到RGB顏色空間，形成新的影像。 2.7 貝葉斯（Bayes）估計(jì) 2.8 D-S推理法(Dempster-Shafter) 2.9 人工神經(jīng)網(wǎng)絡(luò)（ANN） 2.10 專家系統(tǒng) 遙感數(shù)據(jù)融合存在問(wèn)題及發(fā)展趨勢(shì) 遙感影像數(shù)據(jù)融合還是一門很不成熟的技術(shù)，有待于進(jìn)一步解決的關(guān)鍵問(wèn)題有： （1）空間配準(zhǔn)模型 （2）建立統(tǒng)一的數(shù)學(xué)融合模型