航测内业中遥感影像融合的要点分析
对航测内业中遥感影像数据融合方法的探讨
对航测内业中遥感影像数据融合方法的探讨摘要：随着社会的发展，我国的科学技术水平有了较大的提高，遥感技术取得了较大的发展，遥感数据信息量大大增加，多源遥感应用数据的分辨率问题已经为最重要的问题。
多源遥感数据具有互补性的特点，但是目前多源遥感数据的应用具有冗余性。
单元遥感数据在获取数据方面已经不能满足当今社会的需求。
多源遥感数据的应用极大地减少了数据处理的总量，还能实现数据整合，实现遥感数据处理方法的融合。
本文从航测内业遥感影像数据融合概念入手，分析、探讨了航测内业中遥感影像融合的多种方法，希望本文的研究能够推动航测内业中遥感影像数据融合方法向着更加完善的方向发展。
关键词：航测内业；遥感影像；数据融合；方法引言近几年科学技术的发展促进了现代遥感技术的进步和发展，航测内业遥感影像数据处理的精度不断提高，航测遥感影像需要实现数据融合，进而控制传感数据出现的误差，在航测遥感工作当中，遥感影像的处理具有至关重要的作用，能够起着引导航测内业遥感影像数据融合工作的发展趋势，对数据融合结果产生影响。
一、对航测遥感影像技术的再认识（一）航测遥感影像技术内涵航测也叫做摄影测量和遥感，在本质上属于测绘科学中遥感科学的类型，遥感科学能够实现空间科学、电子科学、地球科学等多种科学的发展和融合，是一个新兴的学科类型，也是测绘技术中重要的技术之一，并且能够实现新型边缘学科的渗透、融合发展，实现航测遥感影像技术和现实工作的结合，通过使用空间传感器能够实现目标影像和非影像信息的获取，为人类的相关活动提供科学依据和科学方法，为国家重大决策提供依据。
虽然目前航测遥感技术主要在国防建设和特殊地质勘探工作当中应用，但是随着社会的发展，我国的科学技术水平有了较大的提高，各行各业当中科学技术水平也有所提高，相信未来在其他行业、领域当中行业侧遥感影像技术也会有所应用。
（二）航测遥感影像技术的优势根据相关研究航测遥感影像技术具有工作效率高、灵活性大、信息处理速度快的优点，航测遥感技术的应用能够实现准确、迅速地获取相关数据，能够保证相关工作人员提高信息获取的准确性，工作人能够及时掌握相关数据，提高自己的反应速度。
航测内业中遥感影像融合方法的探究 周文龙
航测内业中遥感影像融合方法的探究周文龙摘要：随着社会的发展和科技进步，航测遥感技术从不同传感器搜集而来的数据，在时空、光谱分辨率和极化方式等方面，有各自不同的特点，因而对这些数据的有效利用也出现了新的问题，已经不能适应实际工作的需要。
鉴于此，文章重点就航测内业中遥感影像融合方法进行研究分析，以供参考和借鉴。
关键字：航测内业；遥感影像；融合方法；探究引言数据融合的概念最早出现在上世纪七十年代，而进入九十年代以后，随着多种遥感卫星的发射成功，不同空间分辨率、光谱分辨率和时间分辨率的遥感影像都能够被获取，虽然它们之间可以形成优势互补，但是数据的处理量太大，给研究工作带来很大的困难，所以如何有效整合这些数据，以便获得更丰富的信息，这成为非常重要的研究课题。
遥感影像融合技术的出现，为解决这一课题提供了新的方法，它作为信息融合技术的一种，通过高级影像处理技术，对多源影像进行复合，产生新的形象，以此达到消除冗余数据，弥补单一数据的不足，提高信息的协调能力等目的。
1航测遥感影像技术的优势第一，效率高。
航测遥感技术应用领域以准确、迅速、及时得优势为相关行业提供相应信息，能准确对获取信息加以数据反应和掌握；第二，灵活性好。
航测遥感影像技术中的飞行速度缓慢，但能够有效保证测绘的质量，对起降机场的条件没有过多的要求，产生灵活性；第三，数据处理迅速。
与大型测绘飞行机相比，低飞行机运用的测绘技术具有更高的分辨率，对数据的处理速度非常快，处理效率高，因此在测绘领域经常被用来采集多种信息。
2多源遥感影像融合概述2.1多源遥感影像融合的概念多源遥感影像融合是指通过一种复合模型结构，融合不同传感器提供的遥感影像数据信息，消除传感器之间的矛盾和冗杂，然后经过相互配合，增强影像信息的清晰度、可靠性和使用率，形成完整统一的信息描述，其最主要的目的就是提高数据的使用效率，取得更好的处理效果。
2.2对遥感影像数据进行融合遥感影像数据融合是指用数学方法，经过严密准确的计算，得到分辨率较低的多光谱数据和分表率高的全色数据，这两种原始影像数据优点的处理过程。
遥感数据与测绘数据的融合与分析
遥感数据与测绘数据的融合与分析引言：当今社会，遥感技术和测绘技术在地理信息领域发挥着重要的作用。
遥感数据和测绘数据是两种不同的数据源，但它们可以相互融合，互补优势，进一步提高我们对地表信息的理解和分析能力。
本文将探讨遥感数据和测绘数据的融合与分析方法，以及在不同领域的应用。
一、遥感数据与测绘数据的定义与特点1. 遥感数据遥感数据是通过遥感设备对地表进行观测和记录的数据，在空间和时间维度上广泛覆盖。
遥感数据具有全球性、连续性和多源性的特点，可以提供大量的地表信息，如地物类型、植被覆盖、土地利用等。
2. 测绘数据测绘数据是通过地面测绘仪器和技术进行测量和记录的数据，通常是通过实地测量获取地表的各种属性信息。
测绘数据具有高精度、高度整体性和可靠性的特点，可以提供地表的准确位置、高程、形状等数据。
二、遥感数据与测绘数据的融合方法1. 基于像元的融合方法基于像元的融合方法是将遥感数据和测绘数据以像素为单位进行融合。
该方法主要包括直接组合法、加权平均法和逻辑运算法等。
通过像元级别的融合，可以综合利用遥感数据和测绘数据的信息，提高地物分类和识别的准确性。
2. 基于特征的融合方法基于特征的融合方法是将遥感数据和测绘数据的特征进行提取和匹配，然后进行融合分析。
常见的特征包括光谱特征、纹理特征和形状特征等。
通过特征级别的融合，可以进一步提取地表信息的空间分布和变化规律。
三、遥感数据与测绘数据的融合与分析应用1. 土地利用与覆盖分析通过融合遥感数据和测绘数据，可以获取土地利用和覆盖的详细信息，如耕地面积、森林覆盖率等。
这对于土地管理、生态环境保护和资源规划具有重要意义。
2. 自然灾害监测与评估遥感数据和测绘数据的融合在自然灾害监测与评估方面具有重要作用。
通过融合分析，可以及时获取灾区的具体范围、损失程度和恢复需求，为灾后救援和重建提供有力的支持。
3. 城市规划与管理在城市规划与管理领域，融合遥感数据和测绘数据可以提供城市的空间布局、建筑高度、道路网络等信息。
遥感影像数据融合原理与方法
遥感影像数据融合原理与方法遥感影像数据融合是将不同波段或不同传感器的遥感影像数据融合在一起，以获取更全面、准确、可靠的信息。
它在农业、林业、城市规划、环境监测等领域具有广泛的应用。
下面将对遥感影像数据融合的原理和方法进行详细介绍。
一、遥感影像数据融合原理遥感影像数据融合的原理是通过将多个波段或多个传感器的影像数据进行组合，以获取多波段或多传感器数据的综合信息。
融合后的影像数据能够提供更多的数据维度和更丰富的信息内容，从而增强地物辨别能力和特征提取能力。
1.时空一致性：遥感影像数据融合要求融合后的影像数据在时域和空域上具有一致的特性，即不同时间或空间的影像数据融合后要保持一致性，以便进行准确的信息提取和分析。
2.特征互补性：不同波段或传感器的影像数据通常具有不同的特征信息，例如，光学影像可以提供颜色信息，而雷达影像可以提供物体的形状和纹理信息。
融合时要充分利用不同波段和传感器的特征互补性，使融合后的影像数据包含更全面、准确的信息。
3.数据一致性：遥感影像数据融合应保持数据的一致性，即融合后的影像数据应在不改变原始数据的情况下，能够反映出原始数据的真实信息。
在融合过程中要注意去除噪声和图像畸变等因素，以保持数据的一致性。
二、遥感影像数据融合方法1.基于像素的融合方法：基于像素的融合方法是将不同波段或传感器的影像数据进行像素级别的融合。
常用的方法有像素互换法和加权平均法。
像素互换法是将一个波段或传感器的像素值替换到另一个波段或传感器的影像上，以增加信息的表达能力。
加权平均法是对不同波段或传感器的像素值进行加权平均，得到融合后的像素值。
2.基于特征的融合方法：基于特征的融合方法是针对不同波段或传感器的特征进行分析和融合。
常用的方法有主成分分析法和小波变换法。
主成分分析法是通过对不同波段或传感器的影像数据进行主成分分析，提取出影像数据中的主要特征，然后将主成分进行融合。
小波变换法是利用小波变换来分析和提取不同波段或传感器的影像数据中的特征，然后通过小波系数的线性组合对影像数据进行融合。
测绘技术中的遥感图像融合与解译技巧
测绘技术中的遥感图像融合与解译技巧随着遥感技术的快速发展，遥感图像在测绘领域中发挥着重要作用。
而图像融合和解译技巧则成为了提高遥感图像质量和准确性的关键。
本文将介绍测绘技术中常用的遥感图像融合技术以及解译技巧，并探讨其在实际应用中的意义。
遥感图像融合是将多幅遥感图像的信息融合在一起，形成一幅集成了各种信息的遥感图像。
它能够通过综合利用多幅遥感图像的优势，提高图像的空间分辨率和信息内容。
常见的遥感图像融合技术包括像元级融合、特征级融合和决策级融合等。
在像元级融合中，我们将多幅遥感图像的像素直接进行操作，得到融合后的图像。
常见的像元级融合方法有加权平均法、PCA主成分分析法和IHS变换法等。
加权平均法简单直观，但对光谱差异较大的图像效果较差。
PCA主成分分析法则能够更好地保留丰富的空间信息，但在处理低显著性特征时效果较差。
而IHS变换法则可以有效地保留光谱特征，但容易引入噪声。
特征级融合则是通过提取多幅遥感图像的特征，并对这些特征进行融合，得到融合后的图像。
常见的特征级融合方法有小波变换法和奇异值分解法等。
小波变换法能够有效提取不同尺度下的特征信息，并通过融合得到一张更加丰富的图像。
奇异值分解法则能够保留原图像的主要信息，并通过特征融合得到更清晰、更准确的结果。
决策级融合是在每个像素处做出一个最优的决策，将多幅遥感图像的信息进行融合。
常见的决策级融合方法包括Bayesian推理、Fuzzy推理和神经网络等。
这些方法都能够通过对各幅图像信息进行权衡和综合，得到一个最优的结果。
但在实际应用中，由于决策过程的复杂性，其计算量和时间成本较高。
除了图像融合技术，解译技巧在测绘技术中同样至关重要。
遥感图像的解译能力直接决定了其在实际应用中的价值。
常见的解译技巧包括目视解译、计算机辅助解译和机器学习等。
目视解译是最传统的解译方法，也是最直观的方法。
通过对遥感图像进行直接观察和判断，解读图像中的目标和特征。
然而，目视解译受到主观因素的影响较大，容易出现误判和差错。
遥感与测绘数据的融合与分析技巧
遥感与测绘数据的融合与分析技巧近年来，遥感技术的迅速发展和应用推广，为各行各业带来了巨大的变革和创新。
而在应用遥感技术中，与测绘数据的融合与分析是一项非常重要的任务。
本文将对遥感与测绘数据的融合与分析技巧进行探讨。
首先，我们来了解一下遥感和测绘数据的基本概念。
遥感是指利用航空器、卫星等遥感传感器，通过接收来自地球表面各种物理量的辐射信息，以实现对地表特征和目标物体的识别、提取和分析的技术手段。
而测绘数据则是通过地面测量、立体摄影和测绘仪器进行数据采集和处理，用以描述地理空间及其相关属性的信息。
融合遥感和测绘数据，可以得到更全面、准确的地理信息。
遥感数据具有较大的区域覆盖能力和时空连续性，能够获取大范围的地表信息，包括地貌、植被、水体等。
而测绘数据则可以提供高精度的地理空间信息，如地理坐标、高程数据等。
因此，将两者融合起来，可以实现对地理信息的多层次、多尺度的描述和分析。
在遥感与测绘数据的融合中，数据预处理非常重要。
首先需要对遥感和测绘数据进行坐标系统统一和投影转换，以保证数据的一致性和可比性。
其次，需要对遥感数据进行大气校正、辐射校正和几何校正，消除不同传感器和影像之间的差异。
同时，还需要对测绘数据进行去噪、滤波等处理，以提高其精度和可靠性。
在数据融合过程中，可以采取多种方法和技术，如基于像素的融合、基于特征的融合、基于模型的融合等。
基于像素的融合是指通过对遥感和测绘数据像素级别的加权平均或逻辑运算，得到融合后的像素值。
基于特征的融合则是通过提取遥感和测绘数据中的特征，如纹理、形状、颜色等，再进行特征级别的融合。
基于模型的融合是利用统计模型、物理模型或数学模型，对遥感和测绘数据进行建模和估计，最终得到融合结果。
融合后的数据可以应用于许多领域。
例如，对于城市规划和土地利用管理，通过融合遥感和测绘数据，可以获取城市地貌、道路网络、建筑物分布等信息，用于城市规划的决策和优化。
对于环境监测和资源管理，融合后的数据可以提供土地覆盖变化、植被生长状况、水体污染等信息，用于环境保护和资源管理的评估和监测。
测绘技术中的遥感影像融合方法
测绘技术中的遥感影像融合方法遥感影像融合是测绘技术中的一项重要领域，通过将不同分辨率、不同频带的遥感影像进行融合，可以提高遥感数据的质量和分类准确度。
本文将从不同的角度，探讨几种常见的遥感影像融合方法及其在测绘技术中的应用。
一、基于像元级别的融合方法基于像元级别的融合方法是最常见且最基础的一种融合方法。
该方法通过直接对原始遥感影像进行像元级别的像素值操作，实现融合效果。
常见的方法包括加权融合、主成分分析融合和改进的拉普拉斯金字塔融合。
加权融合是一种简单且高效的方法，通过调整不同波段的权重来获得最终的融合结果。
这种方法适用于不同波段的影像融合，如多光谱遥感影像与高分辨率遥感影像的融合。
主成分分析融合则是将多光谱遥感影像转换为灰度图像，通过选择前几个主成分来实现融合。
改进的拉普拉斯金字塔融合方法是一种多尺度的融合方法，该方法通过对原始影像进行多次高斯滤波和下采样，得到不同分辨率的图像金字塔，再利用拉普拉斯金字塔进行融合。
这种方法可以保留原始影像的细节信息，并同时实现不同分辨率影像的融合。
二、基于特征提取的融合方法基于特征提取的融合方法是一种利用影像特征进行融合的方法。
这种方法通过提取不同波段或不同分辨率下的影像特征，并将其融合来实现更高质量的影像。
常见的基于特征提取的融合方法包括小波变换融合和人工神经网络融合。
小波变换融合是通过将不同波段的影像分解为低频和高频部分，然后融合低频和高频部分得到最终结果。
这种方法可以在保留影像细节的同时实现影像融合。
人工神经网络融合是一种利用神经网络模型进行影像融合的方法。
通过训练神经网络模型，可以从原始影像中提取更多的特征，并利用这些特征进行融合。
这种方法可以通过大量的训练数据来提高分类准确度和影像质量。
三、基于像素点的融合方法基于像素点的融合方法是一种通过像素点间的关系进行融合的方法。
这种方法将融合问题转化为最优化问题，并通过求解最优化问题来得到最终的融合结果。
常见的基于像素点的融合方法包括非负矩阵分解融合和支持向量机融合。
浅议航测内业中遥感影像融合方法
浅议航测内业中遥感影像融合方法科技的发展促进了遥感技术发展，通过航测获得的遥感数据精密度也越来越高，而航测遥感影像要做到与之相融合，能够有效优化和完善数字控制空间的数据生产流程，为航测内业的发展获得完备的影像数据；还可以有效控制因方式不同导致的传感数据出现差距的问题。
航测遥感影像技术是人类对地表进行探究的重要手段，通过这项技术可以获得地表物质的时间和空间属性的信息。
标签：航测内业；遥感影像；融合方法一、多源遥感影像融合技术概述多源遥感影像融合技术一门复杂的技术，对不同传感器、不同分辨率等设备所获取的数据信息进行融合，消除了数据信息之间的矛盾和冲突，使得数据信息可以有效的进行弥补。
融合之后所得到的数据信息使得多源影像数据具有较高的清晰度和准确性，也丰富了数据信息。
计算机科学技术的发展，为多源遥感影响融合技术的运用提供了理论支持。
多源遥感影像融合技术主要是借助计算机具有的强大的数据处理和分析能力进行数据信息的融合，从而提高影像的清晰度，充分发掘影像中所蕴含的信息。
二、多源遥感影像的融合2.1影像數据的融合影像数据信息的融合是指在数据信息整合的过程中，对现有的数据信息进行融合和具体参数的改变，并且数据信在融合过程中各个阶段的参数并不相同。
因此，在特定的阶段需要对参数进行及时的调整和选择，制定出合适的目标来进行数据信息的融合。
2.2多源遥感影像数据的融合和预处理在航测业中，多源遥感影像数据融合技术能够最大限度的提高影像的分辨率和清晰度，并且可以对关键的数据信息进行整合，提高航测技术的工作效率。
因此，在航测业中，基本是依靠多源遥感影像技术所具有的强大的数据信息的分析和处理能力来对数据信息进行分类处理。
借助计算机强大的数据处理能力，才能够获得最清晰、准确、有效的影像数据，使得数据信息的价值和质量得以提升。
现阶段，我国借助多源遥感影像数据融合和预处理技术对数据信息进行处理时，需要将工作的重心放在对现有影像数据信息的处理和加工阶段。
航测内业中遥感影像融合方法研究
孔鹏飞 孑 Ｌ 建 利
（ 江西 省基础 测 绘 院 江西 南 昌 ３ ３ ０ ０ ４ ６ ）
摘 要： 本 文 简述 了 多源遥 感影 像 融合 过程 ， 分析 多种 遥 感影像 融合 方 法的特 点 、 存在 的 问题及 其 应 用， 应 用Ｂ ｒ ｏ ｖ ｅ ｙ 变换 、 乘积 变换 、 主成 分 变 换、 ＨＩ Ｓ 变换 、 小波 变换 等五 种 方 法 对 图像 进 行 影 像 融 合 。 关键 词 ： 航测 内业 遥 感 影像 融合 方 法 中图分 类号 ： Ｔ Ｐ ７ ５ １ 文献标 识码 ： Ａ 文章 编号 ： １ ０ ０ ７ — ９ ４ １ ６ （ ２ ０ １ ３ ） ０ ９ — ０ ０ ８ ９ 一 Ｏ １
乘积变换利用最基本的乘积组合算法直接对两类遥感 影像 信 息进 行合 成 ， 是应用最 基本 的乘积组合算法 。 即把多波段 图像 中的 任意一个 波段 值与高分辨率遥感数据的乘积赋给融 合以后的波段 数值 。 它是 由Ｃ ｉ ｆ ｐ ｐ ｅ ｎ 的特种分析技术演变来 的， 通过演变表 明： 将 定 亮度 的影像进行乘积变换处理 时， 只有 乘积变换使其 色彩保持 不变 。 可用这种方法把人工特征 、 城市道路等高反射 特征地物 突显 出来 ， 一 般适用于在城市 、 郊 区的研究 。 ２ ． ３遥感 影像 融合 中的 主成 分 变换 方法 变量 之间的关系是基 于主成 分分析的方法 ， 也称为Ｋ Ｌ 变换方 法， 在尽 可能 不丢 失信息 的前提 下， 使用线性变换 的方法实现数据 压缩的方法 。 其 目的是把多波段 的图像信息压缩或综合在一幅 图像 上， 以使各波段信息能最大 限度地表现在新 的图像上 。 它主要用于 ： 增强数据压缩影像 ； 在光谱特征空间中突出物理意义显著 的指数 ； 监测 土地 利用 的动态变化 。 ２ ． ４遥 感 影像 融合 中的ＨＩ Ｓ 变换 方 法 融合多源遥感 图像 时最常用 的方法是ＨＩ Ｓ 变换法 ， 是遥感 影像 融合算法 中最常用 的算法 之一 。 ＨＩ Ｓ 变换属于色度空 间的变 换， 由 明度 、 色调 、 饱 和度 来构成 ， 被称 为图像融 合成 熟的标准 方法 。 在色 度学上 ， 利用分离 出来的影像明度与高分辨率影像数据（ 全色数据 波段） 进行简单替换或适 当的算法计算 ， 得到一个分量 ， 将分离 出来 的影像明度用计算得到的分量进行替 换 ， 再对替换后 的明度 、 色调 和饱和度三分 量图像进 行反 变换 ， 生成ＲＧ Ｂ 数据融合成果。 进行融 合处理后可增强融合的饱和度 ， 改善 了图像的质量和分辨能力 ， 可 用于增强地质 特征 、 增 强色彩 、 微地物 、 微构造等信息 的提取和解
测绘技术中的遥感图像纠正和融合方法
测绘技术中的遥感图像纠正和融合方法遥感图像的纠正和融合是测绘技术中的重要研究方向，具有广泛的应用价值。
本文将从遥感图像纠正和融合两个方面进行探讨，并介绍一些常见的方法和技术。
一、遥感图像的纠正方法1. 几何纠正几何纠正是指对遥感图像进行几何校正，使其与地理坐标系统相匹配。
常见的几何纠正方法包括地面控制点法和数字影像匹配法。
地面控制点法通过在图像上选择地物特征点，并与地面真实位置相对应，根据图像上的点与地面真值的差异进行几何变换，从而实现图像的几何纠正。
数字影像匹配法则是通过提取图像上的特征点，并与实际地面上的同名特征点进行匹配，然后根据匹配结果进行几何变换。
2. 辐射纠正辐射纠正是指对遥感图像进行辐射校正，消除光学、大气等因素对图像亮度和对比度的影响，使得图像能够真实反映地物的辐射特性。
常见的辐射纠正方法包括大气校正和辐射定标。
大气校正是通过模拟大气传输过程，根据测量的气象数据和大气传输模型，估算和减去大气散射和吸收对遥感图像的影响。
辐射定标则是通过将图像上的数字值转换为辐射度或反射率，以实现不同时间、不同传感器之间的数据比较和分析。
二、遥感图像的融合方法遥感图像融合是指将多个传感器获取的多源数据融合到一个整体图像中，以提供更全面、更准确的地物信息。
常见的遥感图像融合方法包括像素级融合和特征级融合。
1. 像素级融合像素级融合是通过将不同传感器获取的图像像素进行组合，生成具有更高分辨率、更丰富信息的图像。
常用的像素级融合方法包括加权平均法、主成分分析法和小波变换法。
加权平均法将不同传感器的图像按一定权重加权平均，得到融合后的图像。
主成分分析法是利用主成分分析对不同传感器的图像进行降维处理，然后通过反变换重构融合图像。
小波变换法则是利用小波变换对不同传感器的图像进行多尺度分解和重构，得到融合图像。
2. 特征级融合特征级融合是利用不同传感器获取的图像中的特征信息进行融合，提取和组合更全面、更准确的地物特征。
航测内业中遥感影像数据融合的策略分析
航测内业中遥感影像数据融合的策略分析发布时间：2021-08-17T03:56:53.924Z 来源：《科技新时代》2021年5期作者：许鹏[导读] 在新时代背景下，社会的进步和科技的发展，推动了遥感技术的飞速发展。
山东省国土测绘院摘要：随着科学技术的飞速发展，遥感技术有了质的飞跃，其在航测中的应用也日趋成熟并得到广泛的推广和认可。
遥感技术在航测中具有很大的优势，在遥感技术的支持下，航测获得的数据更加准确。
基于此，本文首先分析了遥感影像技术概念及其优势，随后从五个方面分析了其数据融合的策略，以此来供相关人士交流参考。
关键词：航测；遥感影像；数据融合引言在新时代背景下，社会的进步和科技的发展，推动了遥感技术的飞速发展。
在此基础上，应用遥感技术获得的航测数据精度也有了很大的提高。
可以说，在现代遥感技术飞速发展的今天，航测变得更加强大，不仅显示出更精细的图像分辨率，而且通过测绘获得的数据量也显着增加。
但在实际应用过程中，由于数据补充不足，相关数据信息存在冗余，难以满足数据应用需求。
对此，应充分发挥数据优势，实现各种信息化管理目的，显着提升遥感影像融合技术。
一、航测遥感影像技术概述及优势航测和遥感影像技术概念：所谓航测是与摄影测量和遥感相结合的测绘技术的重要组成部分，是在其他领域（如空间）的渗透和融合中衍生出来的。
科学、地球科学和计算机科学等）和发展形成的新兴高科技领域。
在实际应用过程中，航测遥感影像技术利用非接触式传感设备在时空上获取相应的定位目标数据信息，进而获取相关的目标图像信息。
通常情况下，航测和遥感影像技术的应用主要集中在国防建设和专项地质调查工作，但随着各行业、各领域科技水平的不断提高，这项技术正在得到推广。
在更多行业和领域获得更多应用空间。
航测遥感影像技术优势：一是效率高，航测和遥感影像技术获得的数据信息不仅精度高，而且处理速度和信息采集速度快，在应用行业和领域表现出很高的效率。
二是灵活性高，该飞机在应用航测和遥感影像技术的同时，具有速度慢、机动灵活、操作方便等优点，可以大大提高低速下的测绘质量。
使用测绘技术进行遥感图像融合与分类的关键技巧
使用测绘技术进行遥感图像融合与分类的关键技巧随着科技的进步和测绘技术的发展，遥感图像在许多领域中扮演着重要的角色。
对于遥感图像的处理，融合和分类是两个重要的步骤。
在本文中，我们将探讨使用测绘技术进行遥感图像融合与分类的关键技巧。
遥感图像融合是将来自不同传感器或来源的多幅遥感图像集成为一幅高质量、高分辨率的图像的过程。
融合后的图像能够提供更多的信息和细节，有助于地理信息系统的建立和分析。
在进行遥感图像融合时，一个重要的技巧是选择适当的融合算法。
常见的融合算法包括基于变换的方法、基于模型的方法和基于混合的方法。
选择合适的算法需要考虑图像特性、应用需求以及计算效率等方面的因素。
例如，在处理高光谱图像时，基于小波变换的融合算法可以更好地保留图像的光谱信息，并提高分类结果的准确性。
遥感图像分类是将遥感图像中的像元分配给不同的类别，以提取地物信息的过程。
分类的精度直接影响到对地物的识别和分析。
在进行遥感图像分类时，一个关键的技巧是选择合适的分类器。
常用的分类器包括最大似然分类器、支持向量机和人工神经网络。
选择合适的分类器需要考虑图像特性、样本数量以及分析要求等因素。
同时，特征提取也是提高分类准确性的关键环节。
常见的特征提取方法包括像素级特征、纹理特征和形状特征等。
通过结合不同的特征，可以提高分类结果的准确性和稳定性。
除了选择合适的融合算法和分类器外，使用测绘技术进行遥感图像融合与分类，还需要考虑图像预处理的重要性。
图像预处理可以消除图像中的噪声和伪影，提高图像的质量和可用性。
预处理的步骤包括图像去噪、辐射校正、大气校正和几何校正等。
通过良好的预处理，可以提高图像的视觉效果和分析结果。
此外，为了进一步提高遥感图像融合与分类的效果，还可以结合其他技术进行辅助。
例如，地物边界检测可以帮助提取地物的准确轮廓，无人机和激光雷达可以提供高分辨率的图像和点云数据，深度学习可以提供强大的图像分析能力等。
通过巧妙地结合这些技术，可以在遥感图像融合与分类中取得更好的效果。
如何处理测绘技术中的遥感影像配准和融合问题
如何处理测绘技术中的遥感影像配准和融合问题遥感影像配准和融合是测绘技术中一个重要且复杂的问题。
在测绘领域，遥感影像的获取和处理是不可或缺的一环。
遥感影像的配准和融合能够为地理信息系统的建设和应用提供精确和全面的数据，因此在测绘工作中具有重要的意义。
一、遥感影像配准问题1. 影像配准的概念和意义在遥感影像处理中，配准是指将不同时间、不同分辨率或不同类型的遥感影像进行准确对齐的过程。
影像配准的目的是实现不同影像之间的空间对应关系，以便进行比较分析和地理信息提取。
配准精度的高低直接影响到地理信息的准确性和可靠性。
2. 遥感影像配准方法当前，常用的遥感影像配准方法主要包括基于特征点的配准方法和基于控制点的配准方法。
基于特征点的配准方法利用影像中的显著特征点，如建筑物角点、河流交叉口等，通过提取并匹配这些特征点来实现影像的配准。
而基于控制点的配准方法则通过事先选取一些具有明确地理位置的控制点，并在待配准影像中搜索对应点来实现影像配准。
3. 遥感影像配准的挑战遥感影像配准过程中会遇到一些挑战，如不同影像之间光谱、几何和分辨率的差异，地表变化引起的配准不一致等。
这些问题会影响配准的精度和效果。
而且，由于影像中存在噪声和遮挡，配准算法在实际应用中也会受到局限。
二、遥感影像融合问题1. 影像融合的概念和作用遥感影像融合是指将多幅不同波段或不同传感器获取的遥感影像进行融合，以得到一幅包含更丰富信息的复合影像。
影像融合可以提高影像的空间分辨率、光谱信息和时间特性，有助于提高对地观测和信息提取的精确性和综合能力。
2. 遥感影像融合方法目前常用的遥感影像融合方法主要包括基于变换的方法和基于降维的方法。
基于变换的方法包括主成分分析、小波变换、整体变换等，通过对影像进行变换和重构来实现融合。
而基于降维的方法则利用数学模型对遥感数据进行分析和处理，通过降低数据维度以实现融合。
3. 遥感影像融合的挑战影像融合过程中也会面临一些挑战。
遥感影像与测绘数据的融合处理方法
遥感影像与测绘数据的融合处理方法引言随着科技的不断进步，遥感影像和测绘数据在各个领域中的重要性逐渐凸显。
然而，由于二者的数据形式和获取方式不同，如何将它们有效地融合处理成为了一个重要的问题。
本文将探讨遥感影像与测绘数据的融合处理方法，以期为相关研究和应用提供参考。
一、数据预处理在融合处理之前，对遥感影像和测绘数据进行预处理是必不可少的。
对于遥感影像，常用的预处理方法包括大气校正、几何校正和辐射校正等。
而测绘数据的预处理则主要包括去噪、滤波和配准等。
通过预处理，可以使遥感影像和测绘数据在数据质量上尽可能接近，为后续融合处理打下良好的基础。
二、特征提取与选择在融合处理中，选择合适的特征并进行提取是至关重要的。
对于遥感影像来说，可以从颜色、纹理、形状等多个方面提取特征信息。
而对于测绘数据，可以从高程、坡度、坡向等方面提取特征。
在特征选择阶段，应根据实际需求选取适当的特征，进一步提升融合处理的效果。
三、融合处理方法1. 基于图像融合的方法基于图像融合的方法是常用的遥感影像与测绘数据融合处理方法之一。
通过灰度变换、尺度变换以及融合规则的定义，可以将遥感影像和测绘数据融合成一副综合信息图像。
例如，可以将测绘数据的高程信息融合到遥感影像中，从而提供更丰富的地物信息。
2. 基于特征融合的方法基于特征融合的方法能够有效地利用遥感影像和测绘数据的特征信息。
通过将遥感影像和测绘数据的特征进行融合，可以得到更全面、准确的地理信息。
例如，可以将遥感影像的颜色特征与测绘数据的高程特征进行融合，用于地貌分析和三维模型重建等领域。
3. 基于模型融合的方法基于模型融合的方法利用数学或统计模型将遥感影像和测绘数据进行融合。
通过建立适当的模型，可以更好地反映遥感影像和测绘数据的内在关系。
例如，可以通过建立遥感影像和测绘数据之间的数学模型，并进行参数估计，从而实现两者之间的融合处理。
四、应用展望遥感影像与测绘数据的融合处理方法在许多领域中都有着广泛的应用前景。
航测内业中遥感影像数据融合方法的探讨
Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ： Ａ ｉ ｒ ｓ ｕ ｒ ｖ ｅ ｙ ｐ ｈ ｏ ｔ ｏ ｇ ｒ ａ ｍ ｍｅ ｔ ｒ ｉ ｃ ｏ ｆ ｉ ｆ ｃ ｅ ｗｏ ｒ ｋ ； Ｒｅ ｍｏ ｔ ｅ ｓ ｅ ｎ ｓ ｉ ｎ ｇ ｉ ｍａ ｇ ｅ ； Ｔ ｈ ｅ ｆ ｕ ｓ ｉ ｏ ｎ
１ 航测遥感影像技术 的概述
航测 遥 感影像 技 术的概 念 ： 所谓 的航 测 即是 摄影 测量 与遥感 ， 是 测绘技 术中重 要的组成 部分 ， 更是 与其他 类学科
（ 如 空 间科 学 、 地球 科学 以及 计 算机科 学等 ） 进行 渗透 与融 合 而衍 生及发 展形 成的新 兴边缘 学科 。在实 际应用 过程 中 ，
著提升 ， 且对于数 据的处理速度也较之 传统 的地质测绘技 术
有 明显 的速 度优势 ， 进 而促使数 据的处理效率 加以提升 。 尤 其是对 于多种信息 的采集 ， 更是具备高速处理 的典型特点 。
２ 航测 内业中遥感影像融合的主要方法
遥 感影像 融合中 Ｂ ｒ ｏ ｖ ｅ ｙ的变 换法 ： 在进行 航测 内业 中
新 时代 背景下 ， 社 会的发展 和科技 的进 步 ， 促使新 时期 的遥感技 术得到 了快递 的发展 。 在 此基础上 ， 应用航 测技术 所 获取到 的遥感 数据信 息 ， 其精确性 也得 以显著提 升 。 可 以
遥感影 像技术中所应 用到的测绘 飞行 器或飞行机 ， 在飞行高 度 与飞行速度上均要 明显低于大型 测绘飞行机 。 但 由于此种 技术 与低飞行机 的结合 ， 促使测绘影像数 据的分辨率得 以显
航测内业中遥感影像数据融合方法的探讨
航测内业中遥感影像数据融合方法的探讨摘要：随着航测技术的迅速发展，航测技术在工程勘测勘察等多个领域得到了广泛应用。
而在具体应用中，单一传感器所得到的图像信息不足以满足具体工程建设需求，所以需要通过不同传感器来获得更加丰富的信息数据，从而有效促进影像信息精确度、可靠性的提升。
而其中最为重要的就是做好遥感影像数据的融合处理，基于此文章就对航测内业中遥感多源数据融合的技术路线和常用方法进行了分析研究，并结合具体工程实例开展了探讨，以供参考。
关键词：遥感影像；多元数据融合；应用研究引言遥感数据融合的目的是将获得的信息与卫星、飞机和地面平台上安装的传感器的不同空间和光谱分辨率相结合，从而产生包含比每个源更详细的信息的融合数据。
数据融合产品是许多应用的基础，研究人员和从业人员不断努力开发先进的融合方法和技术，以提高其性能和准确性。
然而，由于许多原因，例如各种需求、景观的复杂性、输入数据集的时间和光谱变化以及精确的数据共同注册，使得遥感数据尤其是多源数据，仍然具有挑战性。
所以对于从影像融合应用的角度来讲，合理进行遥感影像数据融合方法的选择和应用，具有非常重要的意义和作用。
1多源数据融合技术路线多源数据融合处理包括数据预处理、图属融合处理。
数据预处理是为了将数据的格式、空间基准、数据模型等处理一致，以便后续在统一的基准和模型下进行融合处理。
图属融合处理包括属性融合和图形融合，将参考数据的属性和图形补充入基于遥感信息提取的典型矢量要素数据中。
数据融合技术流程的关键技术是数据匹配，也称同名实体匹配。
同名实体匹配是通过分析空间实体的差异性和相似性，识别出不同来源数据中表达现实世界同一地物或地物集（即同名实体），包括几何匹配方法、拓扑匹配方法和语义匹配方法。
几何匹配是对不同地理实体匹配的重要手段。
通过度量地理要素之间的距离、形状、方向趋势等几何特征相似度，利用先前设置的阈值来判断是否属于同名地理要素。
拓扑匹配是以目标实体与待匹配实体之间的拓扑特征相似度作为匹配依据，克服了几何匹配方法对点位精确及几何形状的敏感性，其匹配结果与原图中物体的几何精度无关，但缺点是两幅图中拓扑关系的微小差异都会导致匹配失败。
如何利用航空摄影测量技术进行遥感影像拼接
如何利用航空摄影测量技术进行遥感影像拼接航空摄影测量技术是一项先进的遥感技术，通过航空器搭载的相机、传感器等设备，获取大范围地表影像数据。
而遥感影像拼接是一种图像处理技术，将多幅遥感影像拼接成一幅完整、连续的图像。
本文将探讨如何利用航空摄影测量技术进行遥感影像拼接。
1. 遥感影像拼接的意义遥感影像拼接能够将多幅影像拼接在一起，形成连续地表影像，具有多种应用价值。
首先，拼接后的影像能够呈现更大范围的地表信息，便于进行地理分析和资源调查。
其次，拼接后的影像能够提供更高分辨率的图像信息，有助于细节分析和目标识别。
此外，遥感影像拼接也在城市规划、农业监测、自然灾害评估等领域具有广泛的应用前景。
2. 航空摄影测量技术的基本原理航空摄影测量技术是指通过航空器进行拍摄，利用高精度传感器获取地表影像数据的技术。
其基本原理是利用航空器的高空俯视角度和相机的视角，通过重叠拍摄多幅影像，以及基于地面控制点的坐标定位和摄像机内外方向元素的确定，实现影像的准确定位和重叠度的控制。
3. 基于特征点匹配的遥感影像拼接方法特征点匹配是一种常用的遥感影像拼接方法，通过提取影像中的特征点，并将其与其他影像进行匹配，从而确定各幅影像之间的位置关系。
在航空摄影测量技术中，通常使用SIFT或SURF等算法进行特征点的提取和匹配。
通过对特征点进行筛选和匹配，可以得到影像间的相对变换参数，从而实现遥感影像的拼接。
4. 拼接结果评估与优化在遥感影像拼接过程中，拼接结果的评估和优化是十分重要的一步。
评估拼接结果的常用指标包括重叠度、重复度、边缘一致性等。
通过对拼接结果的分析和优化，可以提高拼接的精度和准确性，改善影像的连续性和一致性。
5. 拼接算法的发展趋势随着遥感技术和计算机算法的快速发展，遥感影像拼接算法也得到了极大的改进和创新。
当前，基于深度学习的遥感影像拼接算法成为研究热点，如基于卷积神经网络的图像融合方法、生成对抗网络等。
这些新的算法能够更好地处理拼接中的遮挡、光照变化等问题，提高拼接结果的质量和准确性。
测绘技术中的遥感数据融合方法解析
测绘技术中的遥感数据融合方法解析遥感技术是现代测绘领域中的重要工具。
通过遥感技术，可以获取到大面积的地理信息数据，这对于测绘工作的准确性和效率都有很大的帮助。
然而，由于不同遥感数据源的特点和限制，单一一种遥感数据往往不能满足所有需求，因而需要进行遥感数据融合。
本文将从数据源的选择、数据融合的方法以及数据融合在测绘技术中的应用等方面进行探讨。
首先，对于数据源的选择来说，地面测量是一种常见的手段，可以获得准确的地理信息数据。
然而，由于地面测量的范围有限，无法对大面积地理信息进行全面的获取。
相比之下，遥感技术能够提供大范围的遥感影像数据，但其精度相对较低。
因此，一种常见的做法是将地面测量数据与遥感数据相结合。
通过引入地面测量数据，可以在一定程度上提高遥感数据的精度，以满足测绘工作的需求。
其次，对于数据融合的方法来说，融合方法的选择决定了融合结果的质量。
常见的数据融合方法包括像素级融合、特征级融合和决策级融合等。
像素级融合是将多个数据源的像素值进行加权平均，得到融合后的像素值。
特征级融合是提取多个数据源的特征信息，通过某些算法将其融合，并基于融合后的特征信息来进行分类或其他处理。
决策级融合是将不同数据源的决策结果集成，然后根据一定的规则进行融合。
不同的融合方法适用于不同的情况和需求，测绘领域的具体应用需要根据实际情况选择合适的方法。
最后，数据融合在测绘技术中有着广泛的应用。
一方面，数据融合可以提高遥感影像的空间分辨率和几何精度，从而提高测绘工作的精度。
例如，在地图绘制中，通过将高分辨率的遥感影像与其他数据源进行融合，可以得到更为细致精确的地图。
另一方面，数据融合可以补充遥感影像的信息，从而提高测绘工作的可视化效果和解译能力。
例如，在地表覆盖分类中，通过将多源遥感影像进行融合，可以得到更全面、更准确的地表覆盖分类结果。
综上所述，遥感数据融合是现代测绘技术中不可或缺的一部分。
通过选择合适的数据源和采用合适的数据融合方法，可以提高测绘工作的准确性和效率。
测绘技术中的遥感影像融合方法介绍
测绘技术中的遥感影像融合方法介绍遥感影像融合是测绘技术中一种重要的方法，它能将多源遥感数据融合，提高数据的分辨率和信息提取能力。
本文将介绍几种常见的遥感影像融合方法，并探讨它们的优缺点以及应用领域。
1. 多尺度融合方法多尺度融合方法是将具有不同空间分辨率的遥感影像融合，形成一幅新的高分辨率影像。
这种方法利用了不同分辨率影像的优势，能够提高图像细节信息的捕捉能力。
常见的多尺度融合方法有小波变换融合、多分辨率分析融合和金字塔融合等。
2. 多光谱与全色融合方法多光谱影像和全色影像在空间分辨率和光谱信息上存在明显差异。
而多光谱影像包含了丰富的光谱信息，全色影像则具有较高的空间分辨率。
因此，将这两种影像融合可以得到同时具备高分辨率和丰富光谱信息的影像。
多光谱与全色融合方法主要有灰度拉伸融合、高通滤波融合和基于小波变换的融合等。
3. 基于特征的融合方法基于特征的融合方法是通过提取不同遥感影像的特征信息，进行融合，以实现更好的结果。
特征可以包括边界、纹理、颜色、形状等。
常见的基于特征的融合方法有特征变换融合、特征选择融合和特征级融合等。
4. 基于模型的融合方法基于模型的融合方法是利用数学模型对遥感影像进行建模和分析，以实现融合。
常见的基于模型的融合方法有主成分分析融合、线性无关分量融合和支持向量机融合等。
这些方法能够更好地利用影像的统计特性，从而实现数据融合。
总结起来，遥感影像融合方法有多种多样的形式。
不同的方法各有优缺点，适用于不同的应用场景。
例如，多尺度融合方法适用于提高图像细节信息的场景，多光谱与全色融合方法适用于兼顾分辨率和光谱信息的场景。
而基于特征的融合方法和基于模型的融合方法则适用于对特征信息或统计特性敏感的场景。
遥感影像融合在地理信息系统、环境监测、土地利用规划等领域具有重要应用价值。
例如，在城市规划中，利用融合后的高分辨率影像可以更精确地提取建筑信息。
在农业领域，融合不同光谱影像可以提供农作物生长状态和病虫害监测所需的多样化信息。
测绘技术中的遥感影像融合与时空分析技术
测绘技术中的遥感影像融合与时空分析技术近年来，随着科技的不断发展和进步，遥感技术在测绘领域中的应用日益广泛。
遥感影像融合和时空分析技术作为其中的重要组成部分，为测绘工作提供了更加全面和准确的数据支持。
本文将重点介绍遥感影像融合和时空分析技术在测绘技术中的应用。
一、遥感影像融合技术遥感影像融合技术是将来自不同传感器的遥感影像进行融合，形成多源数据的融合影像。
通过融合不同波段、分辨率和时间段的遥感影像，可以提高测绘数据的质量和可靠性。
遥感影像融合技术有多种方法，如图像加权融合、多尺度融合和多时相融合等。
图像加权融合是一种常用的遥感影像融合方法。
它通过对不同波段的遥感影像进行线性组合，根据像元的灰度值进行加权平均，从而得到融合后的影像。
这种方法能够有效地保留原始影像的空间分辨率和光谱信息，提高图像的质量和解译精度。
多尺度融合是一种将不同尺度的遥感影像进行融合的方法。
它通过将高分辨率的影像与低分辨率的影像进行融合，可以同时获取较高的空间分辨率和全局信息。
多尺度融合方法在地物识别和变化监测等方面有着广泛的应用。
另外，多时相融合是一种将不同时间段的遥感影像进行融合的方法。
通过将同一区域不同时间段的影像进行融合，可以获取地物的时空变化信息。
多时相融合技术在城市规划、土地利用和环境监测等方面具有重要的应用价值。
二、时空分析技术时空分析技术是一种通过对遥感影像时序序列进行分析，获取地物时空分布和演变规律的方法。
时空分析技术可以提取地物的时空变化信息，揭示地物的动态变化过程，为测绘工作提供重要的科学依据。
时空分析技术有多种方法，如基于统计的时序分析、时间序列相似性分析和时空数据挖掘等。
基于统计的时序分析是一种通过对时序序列进行统计分析，提取地物时空变化趋势和周期性规律的方法。
通过分析不同时间段的遥感影像，可以得到地物的变化速度、变化幅度等信息，为土地利用规划和环境保护提供科学依据。
时间序列相似性分析是一种通过比较时序序列之间的相似程度，揭示地物时空变化景观格局的方法。
- 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)。
航测内业中遥感影像融合的要点分析
作者：张弦黎穗
来源：《中国科技纵横》2014年第16期
【摘要】随着社会的发展和科技进步，航测遥感技术从不同传感器搜集而来的数据，在时空、光谱分辨率和极化方式等方面，有各自不同的特点，因而对这些数据的有效利用也出现了新的问题，已经不能适应实际工作的需要。
本文通过研究多源遥感影像的融合过程，探析多种遥感影像融合方法本身的特点、存在的不足，来分析航测内业遥感影像融合的方法具有非常重大的意义。
【关键词】航测内业遥感影像融合方法
数据融合的概念最早出现在上世纪70年代，而进入90年代以后，随着多种遥感卫星的发射成功，不同空间分辨率、光谱分辨率和时间分辨率的遥感影像都能够被获取，虽然它们之间可以形成优势互补，但是数据的处理量太大，给研究工作带来很大的困难，所以如何有效整合这些数据，以便获得更丰富的信息成为非常重要的研究课题。
遥感影像融合技术的出现，为解决这一课题提供了新的方法。
它作为信息融合技术的一种，通过高级影像处理技术，对多源影像进行复合，产生新的形象，以此达到消除冗余数据，弥补单一数据的不足，提高信息的协调能力等目的。
1 多源遥感影像融合概述
（1）多源遥感影像融合的概念。
多源遥感影像融合是指通过一种复合模型结构，融合不同传感器提供的遥感影像数据信息，消除传感器之间的矛盾和冗杂，然后经过相互配合，增强影像信息的清晰度、可靠性进而使用率，从而形成完整统一的信息描述，其最主要的目的就是提高数据的使用效率，取得更好的处理效果。
（2）对遥感影像数据进行融合。
遥感影像数据融合是指用数学方法，经过严密准确的计算，得到分辨率较低的多光谱数据和分表率高的全色数据，这两种原始影像数据优点的处理过程。
要进行这种技术融合，必须先将搜集到的原始影像数据进行预处理融合，接着将原始影像中有问题的扫描线和噪声消除，来提高融合效果。
通过对融合影像中的边缘、纹理等信息进行处理，其中非常重要的一个环节便是对融合的影像进行空间配准。
2 航测内业遥感影像融合的要点
遥感影像融合的方法对融合效果的作用是非常明显的。
根据影像融合水平大致可以分为三个层次，分别是像素级、特征级和决策级融合。
其中像素级融合可以尽可能的保留信息，并且精确度最高，是三种研究中最成熟的一级。
特征级融合是一个中等级的融合，首先要将遥感数据根据特征进行提取，然后对多源数据进行分类、聚集和综合，等到出现特征向量后将其融
合。
决策级融合是目前最该水平的融合方式，它是通过说明数据的属性，然后对数据进行融合处理，为控制或者决策提供依据，但是它的信息损失量大，精度太低。
所以本文主要对像素级的融合方法进行研究，它主要包括Brovey变换、乘积变换、主成分变换、HIS变换和小波变换五种形式。
（1）Brovey变换。
该方法主要是通过归一化后的三个波段多光谱影像与高分辨率影像的乘积的比例运算影像融合方法，被称为色彩标准化融合，被广泛运用于不同传感器的影像数据融合。
其特点是简化了图像转换的系数，最大程度的保留多光谱数据信息。
但是它也有自身的不足，因为只能对多光谱三个波段的数据进行融合处理，此外它的融合影像容易被噪点影响，对高分辨率的零星细节保留也太多了。
（2）乘积变换。
该方法是通过乘积组合法，合成两类遥感影像信息。
具体过程是把多波段图像中的一个波段值与高分辨率数据的乘积转换成融合后的波段值。
即B=i-new=Bi-m*B-h
其中，B=i-new表示融合以后的波段数值（i=1，2，3，……，n），而Bi-m则表示多波段影像中的任何一个波段数值，而B-h表示分辨率很高的遥感信息。
乘积是利用Crippen的分析技术演化而来的，经检验表明，对有一定亮度的影像进行变换处理时，只有乘积变换可以保证它的色彩不会发生改变。
（3）主成分变换。
主成分变换是在遥感影像统计特征的基础上进行的多波段影像正交线性变化。
其格式是：Mpca=TM。
公式中的Mpca是多光谱影像M经过主成分变换得到的主成分影响，T是主成分正变换的矩阵。
其反变换格式是G=T1Mpca，公式中的G代表融合后的影像，T1代表反变换矩阵，是正变换矩阵的逆袭表现。
（4）HIS变换。
该方法是融合多源遥感图像、也是融合算法中最常用的一种。
由于HIS 有明亮度、色调和饱和度等因素构成，其变换是色度空间的变换，被认定为图像融合方法成熟的标志。
在色度学上，它是通过分离的影像明度和高分辨率的影像数据，开展替换和计算工作，得出一个分层后再将分离出来的影像明度用计算的方式变换，接着变换替换后的明度、色调以及饱和度三分量图像，最后生成RGB的融合数据成果。
使用该方法处理后增强了遥感影像融合的饱和度，对图像质量和分辨率有了很大地提高，一般用于增强地质特征为构造等信息的提取工作。
（5）小波变换。
遥感影像融合中的小波变换方法是一种新起的教学分析法，介于频率域表达和函数空间域表达。
使用此方法后，就能将原始图像分解成不同空间频率、分辨率和方向性子图像。
所以它的作用相当于划分高低频滤波器，能将信号分解成高低频细节、纹理信息，并且原始信号中的信息被完美保存下来，而不会丢失。
其优点是具有变焦性、灵活性和信息保持性。
图像融合的目的是将图像具备全色数据的搞空间分辨率以及多光谱数据的色彩信息，以此提高图像的可识别性。
3 结语
现在，多源遥感图像的融合已经成为一个非常重要的研究课题，对该课题采取的研究方法，有自己的优点同时也有自己的不足之处。
其中PCA融合图像的方法虽然提高了空间细节的功能，增强了多光谱成像结果，但是由于降低了频谱导致图像失真，不能显示不同物体的细节。
所以，对航测内业遥感影像融合方法的研究还有很长的路要走，特别是要结合具体的情况进行实验，选取有代表性的试验方法，进行遥感影像融合研究。
参考文献：
[1]郭文娟.遥感影像数据融合方法及效果评价研究[D].河南大学，2010年.
[2]王亚星.航测遥感内业数据处理关键技术分析[J].科技创新与应用，2014（8）.
[3]孙琦，李燕燕.航测遥感内业数据处理关键技术研究[J].科技资讯，2013（13）.
[4]陈茂.浅议航测遥感影像的目视解译方法[A].广东省测绘学会.广东省测绘学会第九次会员代表大会暨学术交流会论文集[C].广东省测绘学会，2010年.。