物联网数据融合技术
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
培训专用
第9章 物联网数据融合技术 多传感器数据融合(Multi-Sensor Data Fusion，MSDF)，简
称数据融合，也被称为多传感器信息融合(Multi-Sensor Information Fusion，MSIF)。它由美国国防部在20世纪70年代最 先提出，之后英、法、日、俄等国也做了大量的研究。近40年 来数据融合技术得到了巨大的发展，同时伴随着电子技术、信 号检测与处理技术、计算机技术、网络通信技术以及控制技术 的飞速发展，数据融合已被应用在多个领域，在现代科学技术 中的地位也日渐突出。
培训专用
第9章 物联网数据融合技术
9.1.2 物联网中的数据融合
数据融合是针对多传感器系统而提出的。在多传感器系统中，由 于信息表现形式的多样性、数据量的巨大性、数据关系的复杂性以及 要求数据处理的实时性、准确性和可靠性，都已大大超出了人脑的信 息综合处理能力，在这种情况下，多传感器数据融合技术应运而生。
(1) 数据对准。
(2) 数据相关。
(3) 数据识别，即估计目标的类别和类型。 (4) 感知数据的不确定性。 (5) 不完整、不一致和虚假数据。
(6) 数据库。 (7) 性能评估。
培训专用
第9章 物联网数据融合技术
3．物联网数据融合的意义和作用 物联网是利用射频识别(RFID)装置、各种传感器、全球定位系统 (GPS)、激光扫描器等各种不同装置、嵌入式软硬件系统，以及现代 网络及无线通信、分布式数据处理等诸多技术，能够协作地实时监测、 感知、采集网络分布区域内的各种环境或监测对象的信息，实现包括 物与物、人与物之间的互相连接，并且与互联网结合起来而形成的一 个巨大的信息网络系统。
特征级融合的流程：经过预处理的遥感影像数据—特征提取—特 征级融合—融合属性说明。
特征级融合模型如图9.3所示。
培训专用
第9章 物联网数据融合技术
图9.3 特征级融合模型
培训专用
第9章 物联网数据融合技术
(3) 决策级融合：是最高水平的融合。融合的结果为指挥、控制、决 策提供了依据。在这一级别中，首先对每一数据进行属性说明，然后对 其结果加以融合，得到目标或环境的融合属性说明。
培训专用
第9章 物联网数据融合技术
一般来说，遥感影像的数据融合分为预处理和数据融合两步。
1) 预处理
预处理主要包括遥感影像的几何纠正、大气订正、辐射校正及空间 配准。
(1) 几何纠正、大气订正及辐射校正的目的在于去除透视收缩、 叠掩、阴影等地形因素以及卫星扰动、天气变化、大气散射等随 机因素对成像结果一致性的影响。
决策级融合的流程：经过预处理的遥感影像数据—特征提取—属性 说明—属性融合—融合属性说明。
决策级融合模型如图9.4所示。
培训专用
第9章 物联网数据融合技术
图9.4 决策级融合模型
培训专用
第9章 物联网数据融合技术
决策级融合的优点：容错性强、开放性好、处理时间短、数据要 求低、分析能力强。而由于对预处理及特征提取有较高要求，所以决 策级融合的代价较高。
(2) 数据融合时机。 (3) 数据融合算法。
培训专用
第9章 物联网数据融合技术
2) 物联网数据融合技术要求 与以往的多传感器数据融合有所不同，物联网具有它自己独特的 融合技术要求： (1) 稳定性。 (2) 数据关联。 (3) 能量约束。
(4) 协议的可扩展性。
培训专用
第9章 物联网数据融合技术
培训专用
第9章 物联网数据融合技术
(3) 主成分变换(PCT)：也称为W-L变换，数学上称为主成分分析 (PCA)。PCT是应用于遥感诸多领域的一种方法，包括高光谱数据压 缩、信息提取与融合及变化监测等。PCT的本质是通过去除冗余，将 其余信息转入少数几幅影像(即主成分)的方法，对大量影像进行概括 和消除相关性。PCT使用相关系数阵或协方差阵来消除原始影像数据 的相关性，以达到去除冗余的目的。对于融合后的新图像来说各波段 的信息所作出的贡献能最大限度地表现出来。PCT的优点是能够分离 信息，减少相关，从而突出不同的地物目标。另外，它对辐射差异具 有自动校正的功能，因此无须再做相对辐射校正处理。
培训专用
第9章 物联网数据融合技术
(2) 特征级融合：是一种中等水平的融合。在这一级别中，先是 将各遥感影像数据进行特征提取，然后按特征信息对多源数据进行分类、聚集 和综合，产生特征矢量，而后采用一些基于特征级的融合方法融合这 些特征矢量，作出基于融合特征矢量的属性说明。
培训专用
第9章 物联网数据融合技术
多源遥感影像的实质是在统一地理坐标系中将对同一目标检 测的多幅遥感图像数据采用一定的算法，生成一幅新的、更能有 效表示该目标的图像信息。
多源遥感影像的目的是将单一传感器的多波段信息或不同类 别传感器所提供的信息加以综合，消除多传感器信息之间可能存 在的冗余和矛盾，加以互补，改善遥感信息提取的及时性和可靠 性，提高数据的使用效率。
培训专用
第9章 物联网数据融合技术
相对于单源遥感影像数据，多源遥感影像数据所提供的信息具有 以下特点：
(1) 冗余性：指多源遥感影像数据对环境或目标的表示、描述 或解译结果相同。
(2) 互补性：指信息来自不同的自由度且相互独立。
(3) 合作性：不同传感器在观测和处理信息时对其他信息有依 赖关系。
(4) 信息分层的结构特性：数据融合所处理的多源遥感信息 可以在不同的信息层次上出现，这些信息抽象层次包括像素层、 特征层和决策层，分层结构和并行处理机制还可保证系统的实 时性。
9.2 数据融合的原理
9.2.1 数据融合的基本原理
1．数据融合的原理
数据融合中心对来自多个传感器的信息进行融合，也可以 将来自多个传感器的信息和人机界面的观测事实进行信息融合 (这种融合通常是决策级融合)，提取征兆信息，在推理机作用 下，将征兆与知识库中的知识匹配，做出故障诊断决策，提供 给用户。
培训专用
第9章 物联网数据融合技术
这个巨大的信息网络系统是一个物联网系统，在这个物联网 系统中，有大量感知数据需要选取适当的融合模式、处理算法进 行综合分析，才能提高数据的质量，获得最佳决策和完成评估任 务。这就是物联网数据融合的意义和作用。
培训专用
第9章 物联网数据融合技术
4．物联网数据融合所要解决的关键问题和要求 1) 物联网数据融合所要解决的关键问题 物联网数据融合所要解决的关键问题有以下几个： (1) 数据融合节点的选择。融合节点的选择与网络层的路由协议有密 切关系，需要依靠路由协议建立路由回路数据，并且使用路由结构中的 某些节点作为数据融合的节点。
第9章 物联网数据融合技术
第9章 物联网数据融合技术
9.1 数据融合概述
9.2 数据融合的原理
9.3 数据融合技术与算法
9.4 物联网数据管理技术
培训专用
第9章 物联网数据融合技术
9.1 数据融合概述
9.1.1 数据融合简介
数据融合(Data Fusion)一词最早出现在20世纪70年代，并于20世纪80 年代发展成一项专门技术。数据融合技术最早被应用于军事领域，1973 年美国研究机构就在国防部的资助下，开展了声呐信号解释系统的研究。
培训专用
第9章 物联网数据融合技术
在基于信息融合的故障诊断系统中可以加入自学习模块，故障决策 经自学习模块反馈给知识库，并对相应的置信度因子进行修改，更新知 识库。同时，自学习模块能根据知识库中的知识和用户对系统提问的动 态应答进行推理，以获得新知识、总结新经验，不断扩充知识库，实现 专家系统的自学习功能。
(2) 影像空间配准的目的在于消除由不同传感器得到的影像在拍摄角
度、时相及分辨率等方面的差异。
培训专用
第9章 物联网数据融合技术
影像空间配准时遥感影像数据融合的前提空间配准一般可分为以下步骤： ① 特征选择：在欲配准的两幅影像上，选择如边界、线状物交叉点、区域 轮廓线等明显的特征。 ② 特征匹配：采用一定配准算法，找出两幅影像上对应的明显地物点，作 为控制点。 ③ 空间变化：根据控制点，建立影像间的映射关系。
培训专用
第9章 物联网数据融合技术 现在数据融合的主要应用领域有多源影像复合、机器人和
智能仪器系统、战场和无人驾驶飞机、图像分析与理解、目标 检测与跟踪、自动目标识别、工业控制、海洋监视和管理等。 在遥感中，数据融合属于一种属性融合，它是将同一地区的多 源遥感影像数据加以智能化合成，产生比单一信息源更精确、 更完全、更可靠的估计和判断等。
培训专用
第9章 物联网数据融合技术
1．数据融合的定义
数据融合的定义简洁地表述为：数据融合是利用计算机技 术对时序获得的若干感知数据，在一定准则下加以分析、综合， 以完成所需决策和评估任务而进行的数据处理过程。 数据融合有三层含义：
(1) 数据的全空间，即数据包括确定的和模糊的、全空间的和子 空间的、同步的和异步的、数字的和非数字的，它是复杂的、多维多 源的，覆盖全频段。
培训专用
第9章 物联网数据融合技术
图9.1 数据融合示意图
培训专用
第9章 物联网数据融合技术
数据融合的实质是针对多维数据进行关联或综合分析，进而选取适 当的融合模式和处理算法，用以提高数据的质量，为知识提取奠定基础。
培训专用
第9章 物联网数据融合技术
2．数据融合研究的主要内容
数据融合是针对一个网络感知系统中使用多个和多类感知节点(如多 传感器)展开的一种数据处理方法，研究的内容主要包含以下几个方面。
培训专用
第9章 物联网数据融合技术 ③ 分析能力差。不能实现对影像的有效理解和分析。
④ 纠错要求。由于底层传感器信息存在不确定性、不完全性 或不稳定性，所以对融合过程中的纠错能力有较高要求。
⑤ 抗干扰性差。
像元级融合所包含的具体融合方法有代数法、IHS变换、 小波变换、主成分变换(PCT)、K-T变换等。
培训专用
第9章 物联网数据融合技术
④ 插值：根据映射关系，对非参考影像进行重采样， 获得同参考影像配准的影像。
空间配准的精度一般要求在1至2个像元内。空间配准中 最关键、最困难的一步就是通过特征匹配寻找对应的明显地 物点作为控制点。
培训专用
第9章 物联网数据融合技术
2) 数据融合
根据融合目的和融合层次智能地选择合适的融合算法，将 空间配准的遥感影像数据(或提取的图像特征或模式识别的属性 说明)进行有机合成(如“匹配处理”和“类型变换”等)，以便 得到目标的更准确表示或估计。
培训专用
第9章 物联网数据融合技术
(2) 数据的融合不同于组合，组合指的是外部特性，融合指的是内部 特性，它是系统动态过程中的一种数据综合加工处理。
(3) 数据的互补过程，数据表达方式的互补、结构上的互补、 功能上的互补、不同层次的互补，是数据融合的核心，只有互补 数据的融合才可以使系统发生质的飞跃。数据融合示意图如图9.1 所示。
像元级融合模型如图9.2所示。
培训专用
第9章 物联网数据融合技术
图9.2 像元级融合模型
培训专用
第9章 物联网数据融合技术
像元级融合的优点：保留了尽可能多的信息，具有最高精度。 像元级融合的局限性： ① 效率低下。由于处理的传感器数据量大，所以处理时间较长， 实时性差。
② 分析数据受限。为了便于像元比较，对传感器信息的配 准精度要求很高，而且要求影像来源于一组同质传感器或同单 位的。
培训专用
第9章 物联网数据融合技术 2) 数据融合的方法
数据融合的方法主要有以下几种：
(1) 代数法：包括加权融合法、单变量图像差值法、图像比 值法等。
(2) 图像回归法(Image Regression)：首先假定影像的像元值是 另一影像的一个线性函数，通过最小二乘法来进行回归，然后再 用回归方程计算出的预测值减去影像的原始像元值，从而获得二 影像的回归残差图像。经过回归处理后的遥感数据在一定程度上 类似于进行了相对辐射校正，因而能减弱多时相影像中由于大气 条件和太阳高度角的不同所带来的影响。
培训专用
第9章 物联网数据融合技术 2．数据融合的分类及方法 1) 数据融合的分类
遥感影像的数据融合有三类：像元(pixel)级融合、特征 (feature)级融合、决策(decision)级融合，融合的水平依次从低到高。
(1) 像元级融合：是一种低水平的融合。
像元级融合的流程：经过预处理的遥感影像数据—数据融 合—特征提取—融合属性说明。
第9章 物联网数据融合技术 多传感器数据融合(Multi-Sensor Data Fusion，MSDF)，简
称数据融合，也被称为多传感器信息融合(Multi-Sensor Information Fusion，MSIF)。它由美国国防部在20世纪70年代最 先提出，之后英、法、日、俄等国也做了大量的研究。近40年 来数据融合技术得到了巨大的发展，同时伴随着电子技术、信 号检测与处理技术、计算机技术、网络通信技术以及控制技术 的飞速发展，数据融合已被应用在多个领域，在现代科学技术 中的地位也日渐突出。
培训专用
第9章 物联网数据融合技术
9.1.2 物联网中的数据融合
数据融合是针对多传感器系统而提出的。在多传感器系统中，由 于信息表现形式的多样性、数据量的巨大性、数据关系的复杂性以及 要求数据处理的实时性、准确性和可靠性，都已大大超出了人脑的信 息综合处理能力，在这种情况下，多传感器数据融合技术应运而生。
(1) 数据对准。
(2) 数据相关。
(3) 数据识别，即估计目标的类别和类型。 (4) 感知数据的不确定性。 (5) 不完整、不一致和虚假数据。
(6) 数据库。 (7) 性能评估。
培训专用
第9章 物联网数据融合技术
3．物联网数据融合的意义和作用 物联网是利用射频识别(RFID)装置、各种传感器、全球定位系统 (GPS)、激光扫描器等各种不同装置、嵌入式软硬件系统，以及现代 网络及无线通信、分布式数据处理等诸多技术，能够协作地实时监测、 感知、采集网络分布区域内的各种环境或监测对象的信息，实现包括 物与物、人与物之间的互相连接，并且与互联网结合起来而形成的一 个巨大的信息网络系统。
特征级融合的流程：经过预处理的遥感影像数据—特征提取—特 征级融合—融合属性说明。
特征级融合模型如图9.3所示。
培训专用
第9章 物联网数据融合技术
图9.3 特征级融合模型
培训专用
第9章 物联网数据融合技术
(3) 决策级融合：是最高水平的融合。融合的结果为指挥、控制、决 策提供了依据。在这一级别中，首先对每一数据进行属性说明，然后对 其结果加以融合，得到目标或环境的融合属性说明。
培训专用
第9章 物联网数据融合技术
一般来说，遥感影像的数据融合分为预处理和数据融合两步。
1) 预处理
预处理主要包括遥感影像的几何纠正、大气订正、辐射校正及空间 配准。
(1) 几何纠正、大气订正及辐射校正的目的在于去除透视收缩、 叠掩、阴影等地形因素以及卫星扰动、天气变化、大气散射等随 机因素对成像结果一致性的影响。
决策级融合的流程：经过预处理的遥感影像数据—特征提取—属性 说明—属性融合—融合属性说明。
决策级融合模型如图9.4所示。
培训专用
第9章 物联网数据融合技术
图9.4 决策级融合模型
培训专用
第9章 物联网数据融合技术
决策级融合的优点：容错性强、开放性好、处理时间短、数据要 求低、分析能力强。而由于对预处理及特征提取有较高要求，所以决 策级融合的代价较高。
(2) 数据融合时机。 (3) 数据融合算法。
培训专用
第9章 物联网数据融合技术
2) 物联网数据融合技术要求 与以往的多传感器数据融合有所不同，物联网具有它自己独特的 融合技术要求： (1) 稳定性。 (2) 数据关联。 (3) 能量约束。
(4) 协议的可扩展性。
培训专用
第9章 物联网数据融合技术
培训专用
第9章 物联网数据融合技术
(3) 主成分变换(PCT)：也称为W-L变换，数学上称为主成分分析 (PCA)。PCT是应用于遥感诸多领域的一种方法，包括高光谱数据压 缩、信息提取与融合及变化监测等。PCT的本质是通过去除冗余，将 其余信息转入少数几幅影像(即主成分)的方法，对大量影像进行概括 和消除相关性。PCT使用相关系数阵或协方差阵来消除原始影像数据 的相关性，以达到去除冗余的目的。对于融合后的新图像来说各波段 的信息所作出的贡献能最大限度地表现出来。PCT的优点是能够分离 信息，减少相关，从而突出不同的地物目标。另外，它对辐射差异具 有自动校正的功能，因此无须再做相对辐射校正处理。
培训专用
第9章 物联网数据融合技术
(2) 特征级融合：是一种中等水平的融合。在这一级别中，先是 将各遥感影像数据进行特征提取，然后按特征信息对多源数据进行分类、聚集 和综合，产生特征矢量，而后采用一些基于特征级的融合方法融合这 些特征矢量，作出基于融合特征矢量的属性说明。
培训专用
第9章 物联网数据融合技术
多源遥感影像的实质是在统一地理坐标系中将对同一目标检 测的多幅遥感图像数据采用一定的算法，生成一幅新的、更能有 效表示该目标的图像信息。
多源遥感影像的目的是将单一传感器的多波段信息或不同类 别传感器所提供的信息加以综合，消除多传感器信息之间可能存 在的冗余和矛盾，加以互补，改善遥感信息提取的及时性和可靠 性，提高数据的使用效率。
培训专用
第9章 物联网数据融合技术
相对于单源遥感影像数据，多源遥感影像数据所提供的信息具有 以下特点：
(1) 冗余性：指多源遥感影像数据对环境或目标的表示、描述 或解译结果相同。
(2) 互补性：指信息来自不同的自由度且相互独立。
(3) 合作性：不同传感器在观测和处理信息时对其他信息有依 赖关系。
(4) 信息分层的结构特性：数据融合所处理的多源遥感信息 可以在不同的信息层次上出现，这些信息抽象层次包括像素层、 特征层和决策层，分层结构和并行处理机制还可保证系统的实 时性。
9.2 数据融合的原理
9.2.1 数据融合的基本原理
1．数据融合的原理
数据融合中心对来自多个传感器的信息进行融合，也可以 将来自多个传感器的信息和人机界面的观测事实进行信息融合 (这种融合通常是决策级融合)，提取征兆信息，在推理机作用 下，将征兆与知识库中的知识匹配，做出故障诊断决策，提供 给用户。
培训专用
第9章 物联网数据融合技术
这个巨大的信息网络系统是一个物联网系统，在这个物联网 系统中，有大量感知数据需要选取适当的融合模式、处理算法进 行综合分析，才能提高数据的质量，获得最佳决策和完成评估任 务。这就是物联网数据融合的意义和作用。
培训专用
第9章 物联网数据融合技术
4．物联网数据融合所要解决的关键问题和要求 1) 物联网数据融合所要解决的关键问题 物联网数据融合所要解决的关键问题有以下几个： (1) 数据融合节点的选择。融合节点的选择与网络层的路由协议有密 切关系，需要依靠路由协议建立路由回路数据，并且使用路由结构中的 某些节点作为数据融合的节点。
第9章 物联网数据融合技术
第9章 物联网数据融合技术
9.1 数据融合概述
9.2 数据融合的原理
9.3 数据融合技术与算法
9.4 物联网数据管理技术
培训专用
第9章 物联网数据融合技术
9.1 数据融合概述
9.1.1 数据融合简介
数据融合(Data Fusion)一词最早出现在20世纪70年代，并于20世纪80 年代发展成一项专门技术。数据融合技术最早被应用于军事领域，1973 年美国研究机构就在国防部的资助下，开展了声呐信号解释系统的研究。
培训专用
第9章 物联网数据融合技术
在基于信息融合的故障诊断系统中可以加入自学习模块，故障决策 经自学习模块反馈给知识库，并对相应的置信度因子进行修改，更新知 识库。同时，自学习模块能根据知识库中的知识和用户对系统提问的动 态应答进行推理，以获得新知识、总结新经验，不断扩充知识库，实现 专家系统的自学习功能。
(2) 影像空间配准的目的在于消除由不同传感器得到的影像在拍摄角
度、时相及分辨率等方面的差异。
培训专用
第9章 物联网数据融合技术
影像空间配准时遥感影像数据融合的前提空间配准一般可分为以下步骤： ① 特征选择：在欲配准的两幅影像上，选择如边界、线状物交叉点、区域 轮廓线等明显的特征。 ② 特征匹配：采用一定配准算法，找出两幅影像上对应的明显地物点，作 为控制点。 ③ 空间变化：根据控制点，建立影像间的映射关系。
培训专用
第9章 物联网数据融合技术 现在数据融合的主要应用领域有多源影像复合、机器人和
智能仪器系统、战场和无人驾驶飞机、图像分析与理解、目标 检测与跟踪、自动目标识别、工业控制、海洋监视和管理等。 在遥感中，数据融合属于一种属性融合，它是将同一地区的多 源遥感影像数据加以智能化合成，产生比单一信息源更精确、 更完全、更可靠的估计和判断等。
培训专用
第9章 物联网数据融合技术
1．数据融合的定义
数据融合的定义简洁地表述为：数据融合是利用计算机技 术对时序获得的若干感知数据，在一定准则下加以分析、综合， 以完成所需决策和评估任务而进行的数据处理过程。 数据融合有三层含义：
(1) 数据的全空间，即数据包括确定的和模糊的、全空间的和子 空间的、同步的和异步的、数字的和非数字的，它是复杂的、多维多 源的，覆盖全频段。
培训专用
第9章 物联网数据融合技术
图9.1 数据融合示意图
培训专用
第9章 物联网数据融合技术
数据融合的实质是针对多维数据进行关联或综合分析，进而选取适 当的融合模式和处理算法，用以提高数据的质量，为知识提取奠定基础。
培训专用
第9章 物联网数据融合技术
2．数据融合研究的主要内容
数据融合是针对一个网络感知系统中使用多个和多类感知节点(如多 传感器)展开的一种数据处理方法，研究的内容主要包含以下几个方面。
培训专用
第9章 物联网数据融合技术 ③ 分析能力差。不能实现对影像的有效理解和分析。
④ 纠错要求。由于底层传感器信息存在不确定性、不完全性 或不稳定性，所以对融合过程中的纠错能力有较高要求。
⑤ 抗干扰性差。
像元级融合所包含的具体融合方法有代数法、IHS变换、 小波变换、主成分变换(PCT)、K-T变换等。
培训专用
第9章 物联网数据融合技术
④ 插值：根据映射关系，对非参考影像进行重采样， 获得同参考影像配准的影像。
空间配准的精度一般要求在1至2个像元内。空间配准中 最关键、最困难的一步就是通过特征匹配寻找对应的明显地 物点作为控制点。
培训专用
第9章 物联网数据融合技术
2) 数据融合
根据融合目的和融合层次智能地选择合适的融合算法，将 空间配准的遥感影像数据(或提取的图像特征或模式识别的属性 说明)进行有机合成(如“匹配处理”和“类型变换”等)，以便 得到目标的更准确表示或估计。
培训专用
第9章 物联网数据融合技术
(2) 数据的融合不同于组合，组合指的是外部特性，融合指的是内部 特性，它是系统动态过程中的一种数据综合加工处理。
(3) 数据的互补过程，数据表达方式的互补、结构上的互补、 功能上的互补、不同层次的互补，是数据融合的核心，只有互补 数据的融合才可以使系统发生质的飞跃。数据融合示意图如图9.1 所示。
像元级融合模型如图9.2所示。
培训专用
第9章 物联网数据融合技术
图9.2 像元级融合模型
培训专用
第9章 物联网数据融合技术
像元级融合的优点：保留了尽可能多的信息，具有最高精度。 像元级融合的局限性： ① 效率低下。由于处理的传感器数据量大，所以处理时间较长， 实时性差。
② 分析数据受限。为了便于像元比较，对传感器信息的配 准精度要求很高，而且要求影像来源于一组同质传感器或同单 位的。
培训专用
第9章 物联网数据融合技术 2) 数据融合的方法
数据融合的方法主要有以下几种：
(1) 代数法：包括加权融合法、单变量图像差值法、图像比 值法等。
(2) 图像回归法(Image Regression)：首先假定影像的像元值是 另一影像的一个线性函数，通过最小二乘法来进行回归，然后再 用回归方程计算出的预测值减去影像的原始像元值，从而获得二 影像的回归残差图像。经过回归处理后的遥感数据在一定程度上 类似于进行了相对辐射校正，因而能减弱多时相影像中由于大气 条件和太阳高度角的不同所带来的影响。
培训专用
第9章 物联网数据融合技术 2．数据融合的分类及方法 1) 数据融合的分类
遥感影像的数据融合有三类：像元(pixel)级融合、特征 (feature)级融合、决策(decision)级融合，融合的水平依次从低到高。
(1) 像元级融合：是一种低水平的融合。
像元级融合的流程：经过预处理的遥感影像数据—数据融 合—特征提取—融合属性说明。