浅析多元遥感数据融合

Page 7
1.3 决策级融合 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。 决策级融合的优点时具有很强的容错性，很好的开放 性，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。
Page 16
wenku.baidu.com
优缺点对比
经过PCT融合的图像包括了原始两幅图像的高空间分 辨率和高光谱分辨率特征，保留了原图的高频信息。融 合图像上目标的细部特征更加清晰，光谱信息更加丰富。 由于光谱信息的变化，使融合图像不能用于地物识别和 反演工作。 乘积运算优点是对于大的地貌类型,如高起伏地区、 荒漠区域类型增强效果是比较理想的。缺点是光谱变化 大, 纹理不如高分辨率影像清晰, 此类融合方法对于表 现细碎地貌类型是不合适的。 Brovey 变换优点是多光谱图像的方空间分解为色彩 和亮度成分进行计算, 锐化影像的同时能够保持原多光 谱信息内容。缺点是只能抽取和选择多光谱影像中的三 个波段参与变换, 使其他波段的信息丢失。不利于影像 信息的综合利用。融合过程中包括归一化处理, 融合影 像像元灰度值一般要比其他方法的小。没有解决波谱范 围不一致的全色影像和多光谱影像融合的问题。
Page 5
优点：保留了尽可能多的信息，具有最高精度。 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. 分析数据限制。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。 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的不确定性、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
Page 3
实质： 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。 目的：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。 简单的说，多源遥感数据融合的目的是：①简化图像处理② 便于图像特征提取③实现图像压缩④从概念上增强对图像 信息的理解。
Page 10
2.3 Brovey比值变换融合 Brovey 融合也称为色彩标准化融合, 是美国科学家 Brovey建立的一种模型并将其推广的, 是目前一种应用广 泛的RGB彩色融合变换方法。该方法能够保留每个像素的 相关光谱特性, 并且将所有的亮度信息变换成高分辨率的 全色影像融合。但由于Brovey影像融合对影像的要求比较 高, 为减少数据冗余和非光谱信息, 融合前必须预先进行 相关预处理和噪声滤波处理,采用Brovey 融合会导致光谱 信息的失真。
Page 6
1.2 特征级融合 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，提取的特征信息应 是原始信息的充分表示量或充分统计量，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。 特征级融合的流程为：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。
Page 11
三.实验及分析
以下影像数据主要来自ERDAS系统，位于<IMAGINE-HOME>\examples。
图4-1高空间分辨率图像 SPOT .img
图4-2多光谱图像 DMTM.img 原图
Page 12
上面的影像图进行主成分变换后成果图4-3
Page 13
由图SPOT.img , DMTM.img 作乘积变换处理，生成成果图4-4


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。
Page 8
2 多源遥感数据融合常用方法介绍
2.1 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。
多源遥感数据融合的方法及实对比 分析
专 业：摄影测量与遥感技术
一. 多源数据融合基本原理
多源数据融合是把来自多个传感器和信息源的 数据进行联合、相关、组合和估值的处理。产生 比单一信息源更精确、更完全、更可靠的估计和 判决，以获得满足某种应用的高质量信息完成一 个单一传感器独自所不能进行的推理。
Page 4
二、数据融合分类及方法
1 数据融合方法分类
遥感影像的数据融合方法分为三类：基于像元（pixel ）级的融合、基于特征(feature)级的融合、基于决策 (decision)级的融合。融合的水平依次从低到高。
1.1 像元级融合


像元级融合是一种低水平的融合。
像元级融合的流程为：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。
Page 2

相对于单源遥感影象数据，多源遥感影象数据所提供的 信息具有以下特点： 1.冗余性：表示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它信息 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。
Page 9
2.2 乘积变换

乘积性融合法是应用最基本的乘积组 合算法, 直接对两种空间分辨率的遥感数 据进行融合, 其运算法则为:Bi_new=Bi_m ×B_h式中:Bi_new 代表融合以后 的波段 数值(i=1,2,⋯8943 .,n);Bi_m 代表多光谱 图像中的任意一个波段数值:B_h 代表高分 辨率遥感数据波段值。 将一定亮度的图像 进行变换处理时, 只有乘积变换可以使其 色彩保持不变。
Page 14
经Brovey比值变换融合后图4-5
Page 15
小结
采用乘积方法变换、Brovey比值变换和PCA变换融合 方法融合后的图像，其光谱保真程度逐渐降 低．Muhiplieative（乘积）变换融合较好地保留了多光谱 波段的光谱分辨率和空间信息，融合图像的光谱保真能力 较好，详细程度较高；PCA变换融合和Brovey变换；融合 和影像质量一般．与PCA变换融合比较，Brovey变换融合 的空间信息的详细程度较低，但相对好的保留了多光谱波 段的光谱分辨率。
Page 17
谢谢观看!
Page 18