空間數(shù)據(jù)融合

--------空間數(shù)據(jù)融合大綱綜述空間數(shù)據(jù)融合---矢量空間數(shù)據(jù)融合---柵格空間數(shù)據(jù)融合存在的問題及其展望空間數(shù)據(jù)融合（背景）遙感技術(shù)、地理信息系統(tǒng)和全球定位系統(tǒng)的應(yīng)用,改變了過去數(shù)據(jù)獲取困難的局面。多種遙感影像數(shù)據(jù)(多時(shí)相、多光譜、多平臺和多分辨率)、地面觀測數(shù)據(jù)和統(tǒng)計(jì)數(shù)據(jù)越來越多?？臻g數(shù)據(jù)具有獲取手段多源性、多語義性、多時(shí)空性和存儲格式多源性等特征，導(dǎo)致空間數(shù)據(jù)之間存在著差異性、冗余性等問題。為了充分利用豐富的空間數(shù)據(jù)、解決上述問題和加深對空間實(shí)體的進(jìn)一步了解和認(rèn)識,增強(qiáng)對空間數(shù)據(jù)融合技術(shù)的探討和學(xué)習(xí)具有很重要的現(xiàn)實(shí)意義。

空間數(shù)據(jù)融合（概念）空間數(shù)據(jù)融合是一個(gè)多級多側(cè)面的加工過程，包括對多個(gè)數(shù)據(jù)源數(shù)據(jù)和信息的自動(dòng)化檢測、互聯(lián)、相關(guān)、估計(jì)和組合處理。

具體地說,數(shù)據(jù)融合技術(shù)是指通過一定的算法“合并”來自多個(gè)信息源的數(shù)據(jù),以產(chǎn)生更可靠、更準(zhǔn)確的信息,并根據(jù)這些信息做出最可靠的決策,即根據(jù)多源觀測信息給出一個(gè)關(guān)于狀態(tài)的最優(yōu)估計(jì)量。空間數(shù)據(jù)融合（意義）能夠更加準(zhǔn)確地獲得空間實(shí)體信息充分利用已有的數(shù)據(jù)，降低成本，實(shí)現(xiàn)信息資源的共享可以提高空間分辨率,降低模糊度并達(dá)到圖像增強(qiáng)的目的通過不同遙感影像信息的融合處理可以完成更復(fù)雜、更高級的一些分類、判斷決策等任務(wù)利用多時(shí)相數(shù)據(jù)進(jìn)行動(dòng)態(tài)監(jiān)測,提高時(shí)相檢測能力。改進(jìn)空間數(shù)據(jù)的可靠性和可維護(hù)性空間數(shù)據(jù)融合（類型）矢量空間數(shù)據(jù)融合柵格空間數(shù)據(jù)融合矢量柵格數(shù)據(jù)的融合（第7組已講矢量柵格數(shù)據(jù)的結(jié)合，此部分我們不再講述）矢量數(shù)據(jù)融合關(guān)于矢量數(shù)據(jù)融合的研究,國內(nèi)外的研究不是太多。最早的矢量數(shù)據(jù)融合研究始于20世紀(jì)80年代中期,為了提高兩部門的數(shù)據(jù)質(zhì)量、消除誤差以及交換屬性和實(shí)體信息,美國地質(zhì)測量局和美國人口調(diào)查局合作進(jìn)行了地圖融合技術(shù)的研究,并成功開發(fā)了世界上第一個(gè)地圖制圖自動(dòng)融合系統(tǒng),之后許多學(xué)者也進(jìn)行了研究。矢量數(shù)據(jù)融合指將同一地區(qū)不同來源的空間數(shù)據(jù),采用不同的方法,重新組合專題數(shù)據(jù),統(tǒng)一物體的分類分級和屬性,進(jìn)一步改善空間實(shí)體的幾何精度。目前,對矢量數(shù)據(jù)的融合方法中最主要的、應(yīng)用最廣泛的方法是先進(jìn)行數(shù)據(jù)格式的轉(zhuǎn)換即空間數(shù)據(jù)模型的融合,然后是幾何位置糾正,最后是重新對地圖數(shù)據(jù)各要素進(jìn)行的重新分類組合、統(tǒng)一定義。一般的，對矢量數(shù)據(jù)融合需研究：（1）制定數(shù)據(jù)融合規(guī)則（2）研究地理數(shù)據(jù)模型的融合（3）重新對物體的分類、分級進(jìn)行組合，制定更加合理的分類、分級方法（4）研究幾何數(shù)據(jù)融合的方法數(shù)據(jù)融合規(guī)則首先是數(shù)據(jù)源的提取方式，即各種要素應(yīng)從何種數(shù)據(jù)源中提取。其次，應(yīng)制定數(shù)據(jù)融合時(shí)屬性不一致和位置關(guān)系矛盾時(shí)處理的原則。地理數(shù)據(jù)模型融合由于數(shù)據(jù)源多種多樣，其對應(yīng)的數(shù)據(jù)模型必然也有或多或少的區(qū)別，根據(jù)源數(shù)據(jù)的空間數(shù)據(jù)模型不同，我們一般稱有拓?fù)潢P(guān)系的數(shù)據(jù)模型為復(fù)雜數(shù)據(jù)模型，稱無拓?fù)潢P(guān)系的數(shù)據(jù)模型為簡單數(shù)據(jù)模型。空間數(shù)據(jù)模型融合可分為：（1）由簡單數(shù)據(jù)模型到復(fù)雜數(shù)據(jù)模型的融合（2）由復(fù)雜數(shù)據(jù)模型到簡單數(shù)據(jù)模型的融合（3）復(fù)雜數(shù)據(jù)模型之間的融合重新分類、分級由于不同的數(shù)據(jù)源其數(shù)據(jù)的生產(chǎn)是獨(dú)立的，對物體的分類、分級各不相同。即使分類、分級近似，但由于其編碼長度和表示法不同，也存在一定的轉(zhuǎn)換工作量。首先要對物體的分類、分級的統(tǒng)一其次，要對地理要素編碼進(jìn)行融合，還要統(tǒng)一編碼表示方法。地理要素幾何位置的融合技術(shù)地理空間矢量數(shù)據(jù)融合是一個(gè)比較復(fù)雜的過程，包括幾何位置的融合和屬性數(shù)據(jù)的融合。幾何位置融合是一個(gè)比較復(fù)雜的過程，需要用到模式識別、統(tǒng)計(jì)學(xué)、圖論以及人工智能等學(xué)科的思想和方法。

融合應(yīng)包括兩個(gè)過程：

一是實(shí)體匹配，找出同名實(shí)體;

二是將匹配的同名實(shí)體進(jìn)行幾何位置與屬性數(shù)據(jù)的融合。

（1）同名實(shí)體的匹配實(shí)體的匹配是指將兩個(gè)數(shù)據(jù)集中的同一地物識別出來。

（2）地理空間矢量數(shù)據(jù)幾何位置融合對同名實(shí)體的幾何位置進(jìn)行融合，首先要對數(shù)據(jù)源的幾何精度進(jìn)行評估，根據(jù)幾何精度，融合應(yīng)分兩種情況進(jìn)行討論。如果一種數(shù)據(jù)源的幾何精度明顯高于另一種，則應(yīng)該取精度高的數(shù)據(jù)，舍棄精度低的數(shù)據(jù)。對于幾何精度近似的數(shù)據(jù)源，應(yīng)該分點(diǎn)、線、面來探討融合的方法。點(diǎn)狀物體的合并較為簡單，線狀物體的融合可采用特征點(diǎn)融合法和緩沖區(qū)算法。面狀物體的融合主要涉及邊界線的融合，可參照線狀物體的合并進(jìn)行。

（3）地理空間矢量數(shù)據(jù)屬性融合地理要素?cái)?shù)據(jù)屬性的差異通過地理要素語義融合來消除。在兩個(gè)不同數(shù)據(jù)集中的同一個(gè)地理實(shí)體，不僅有不同的幾何形狀差異，也有不同的屬性結(jié)構(gòu)和語義描述方法。屬性融合往往和幾何位置的融合結(jié)合起來進(jìn)行，在進(jìn)行幾何位置融合的同時(shí)，按照數(shù)據(jù)融合的目的從兩種數(shù)據(jù)源中抽取所需的屬性組成新的屬性結(jié)構(gòu)，按照語義轉(zhuǎn)換方法對屬性值進(jìn)行轉(zhuǎn)換。融合后新數(shù)據(jù)不僅改變了屬性結(jié)構(gòu)，也從兩個(gè)數(shù)據(jù)集中繼承了屬性內(nèi)容。

如圖所示：

矢量數(shù)據(jù)的幾何位置和屬性的融合柵格數(shù)據(jù)融合

柵格數(shù)據(jù)融合主要是多源遙感數(shù)據(jù)的融合，是將同一地區(qū)的多源遙感數(shù)據(jù)加以智能化合成,產(chǎn)生比單一信源更精確、更完全、更可靠的估計(jì)和判斷。

意義：提高影像的空間分解力和清晰度提高平面測圖精度、分類的精度與可靠性增強(qiáng)解譯和動(dòng)態(tài)監(jiān)測能力減少模糊度提高遙感影像數(shù)據(jù)的利用率

柵格數(shù)據(jù)融合的層次目前國內(nèi)外都把遙感數(shù)據(jù)融合按照其融合的水平和特點(diǎn),分為三個(gè)層次：（1）數(shù)據(jù)級（像素級）（2）特征級（3）決策級數(shù)據(jù)級（像素級）融合

數(shù)據(jù)級融合是一種低水平的融合。經(jīng)過預(yù)處理的多源遙感數(shù)據(jù)直接融合,而后根據(jù)需要對融合的數(shù)據(jù)進(jìn)行特征提取和屬性說明：

數(shù)據(jù)融合特征提取屬性說明特征級融合特征級融合（是一種中等水平的融合）它是先將各遙感影像數(shù)據(jù)進(jìn)行特征提取，而后融合。決策級融合

決策級融合是最高水平的融合。它首先對每一數(shù)據(jù)進(jìn)行屬性說明,然后對其結(jié)果加以融合,得到目標(biāo)或環(huán)境的融合屬性說明,以便根據(jù)一定的準(zhǔn)則和決策的可信度以最優(yōu)決策。級別算法優(yōu)點(diǎn)缺點(diǎn)像素級代數(shù)運(yùn)算、高通濾波法、HIS變換法、主分量分析法、分量替換法和小波分析保留了盡可能多的信息,具有最高精度處理信息量大、費(fèi)時(shí)、實(shí)時(shí)性較差,并且要求影像數(shù)據(jù)是由同類傳感器獲取的或同單位的特征級Bayes估計(jì)、神經(jīng)網(wǎng)絡(luò)法、聚類分析、DempaterOshafer推理法、熵法、加權(quán)平均法、表決法等。融合的結(jié)果最大限度地給出了決策分析所需要的特征信息精度差決策級人工神經(jīng)網(wǎng)絡(luò)、D-S算法、模糊邏輯法等。具有很強(qiáng)的容錯(cuò)性實(shí)現(xiàn)難度大常用柵格數(shù)據(jù)融合算法IHS變換將低分辨率多光譜圖像從RGB空間轉(zhuǎn)換到IHS空間，用高分辨率全色圖像代換變換后的明度成分，然后作反變換。主成分分析法（PCA）主成分變換法（principalcomponentanalysis，PCA），亦稱K—L變換，是一種最小均方差意義上的最優(yōu)正交變換。將多波段的低分辨率圖像進(jìn)行PCA變換，將單波段的高分辨率圖像經(jīng)過灰度拉伸，使其灰度的均值與方差和PCA變換第一分量圖像一致；然后用拉伸過的高分辨率圖像代替第一分量圖像，經(jīng)過PCA逆變換還原到原始空間生成具有高空間分辨率的多波段融合圖像。常用柵格數(shù)據(jù)融合算法小波變換基于小波變換的圖像融合,就是對原始圖像進(jìn)行小波變換,將其分解在不同頻段的不同特征域上,然后在不同的特征域內(nèi)進(jìn)行融合,構(gòu)成新的小波金字塔結(jié)構(gòu),再用小波逆變換得到合成圖像的過程。根據(jù)分解形式的不同又可分為金字塔形小波融合技術(shù)和樹狀小波融合技術(shù)。

金字塔形小波分解是利用正交小波變換對原圖像進(jìn)行正交小波分解,得到表示低頻信息、水平方向變化信息、垂直方向變化信息和對角方向變化信息的4個(gè)子圖像,再將低頻子圖像進(jìn)一步分解成4個(gè)子圖像。

樹狀小波分解與傳統(tǒng)的金字塔形小波分解的不同之處在于它不僅僅將低頻信息進(jìn)行分解,而且根據(jù)圖像的特征,按子帶圖像的能量自適應(yīng)地對各個(gè)子帶信息進(jìn)行分解。常用柵格數(shù)據(jù)融合算法小波變換柵格數(shù)據(jù)融合實(shí)例

-----基于CBERS和HR影像融合方法研究融合數(shù)據(jù)CBERS-02B衛(wèi)星鄭州地區(qū)的HR影像（高空間分辨率全色影像）和CCD影像（低空間分辨率多光譜影像）HR全色波段影像CCD多光譜影像融合方法主成分變換法IHS變換法小波變換法融合結(jié)果主成分變換法IHS變換法融合結(jié)果小波變換（主成分）法小波變換（IHS）法融合結(jié)果定性評價(jià)從視覺效果上來看，三種融合方法中：IHS變換法融合效果最差，無論是空間分辨率還是光譜保持程度都不好；主成分變換法相比較而言，空間細(xì)節(jié)保持和分辨率最好，光譜保真度相對差一點(diǎn)；小波變換的兩種方法光譜保持度都相對較好，但空間細(xì)節(jié)保持遠(yuǎn)不如主成分變換法。

融合結(jié)果定量評價(jià)定量評價(jià)指標(biāo)均值標(biāo)準(zhǔn)差信息熵平均梯度相關(guān)系數(shù)光譜扭曲度融合結(jié)果定量評價(jià)影像波段均值標(biāo)準(zhǔn)差信息熵平均梯度相關(guān)系數(shù)(光譜)光譜扭曲度HR\120.19417.806.10703.6608\\CCDR96.73124.5904.5621.268710G142.89824.5094.3251.321910B61.90614.0633.2010.999610主成分變換R85.43024.8227.0564.00310.834872.378G116.27817.3566.9854.26120.852471.234B94.82719.0486.4323.98770.845673.486IHS變換R91.87423.2394.3680.98560.823174.321G134.22314.5354.2340.96540.863069.652B58.33311.5123.0021.00020.852373.459小波（主成分）變換R168.79530.4724.9871.56320.990851.362G171.72021.6814.5641.23640.987652.125B166.65327.3044.8951.54230.992353.321小波（IHS）變換R168.78130.5304.9931.23690.987555.326G171.74721.6284.5561.02310.990252.693B166.70327.0934.8351.36540.994256.320融合結(jié)果定量評價(jià)1.

亮度信息主成變換的均值稍有增加或降低，標(biāo)準(zhǔn)差有所增加，目視效果較好;小波變換的均值和標(biāo)準(zhǔn)差均有所增加,使得目視效果變好;IHS變換的均值和標(biāo)準(zhǔn)差均下降,不利于目視判讀。因此亮度指標(biāo)最好的為小波變換,其次為主成分變換，最后為IHS變換。2.信息量通過信息熵可以看出主成分變換所得融合結(jié)果信息量最大,小波變換其次,IHS變換最后。融合結(jié)果定量評價(jià)3.清晰度

主成分變換法融合影像的的平均梯度高于原始多光譜影像,同時(shí)也高于原始全色影像，說明融合后的結(jié)果影像可以更好地突出細(xì)節(jié)紋理信息,使影像更加清晰。IHS變換法，恰恰相反。小波變換的指標(biāo)接近于或稍高于原始多光譜影像,提高較少。4.光譜信息從表中可以看出小波變換扭曲程度最小,而相關(guān)系數(shù)最大,因此小波變換的光譜信息保持的最好。主成分變換和IHS變換法的光譜相關(guān)系數(shù)均比小波變換的低，而扭曲程度大，光譜保持不如小波變換。

三種融合方法中主成分變換法效果最好，尤其是其空間細(xì)節(jié)保持很好；IHS變換法無論是光譜保持方面還是空間分辨率方面，效果都相對最差；小波變換法，光譜保真效果最好，但空間細(xì)節(jié)保持遠(yuǎn)不如主成分變換法。實(shí)例總結(jié)空間數(shù)據(jù)融合（存在的問題）多數(shù)據(jù)庫之間不能交流:不同系統(tǒng)相互孤立,運(yùn)行平臺、數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)來源各不相同,無法實(shí)現(xiàn)數(shù)據(jù)互通、信息共享。數(shù)據(jù)標(biāo)準(zhǔn)不一致:各單位分別進(jìn)行數(shù)據(jù)采集,缺乏統(tǒng)一的數(shù)據(jù)規(guī)范和標(biāo)準(zhǔn),數(shù)據(jù)結(jié)構(gòu)不一致,造成大量數(shù)據(jù)冗余。未形成基本的理論框架和有效廣義模型及算法，目前的空間數(shù)據(jù)融合的方法都是針對一定的條件和具體的應(yīng)用問題。對空間數(shù)據(jù)融合的研究絕大部分都是建立在隨機(jī)理論的不確定性理論基礎(chǔ)之上的，對模糊性考慮得比較少。解決途徑①