多源遥感图像融合技术综述.doc

多源遥感图像融合技术综述 摘 要： 合方法的原理、特点、作用及限制条件,描述了其主要步骤,进行了定性分析,归纳并阐明了遥感数据融合效果定量评价指标及其意义,展望了遥感图像融合方法的发展与应用前景。 关键词：遥感图像融合、像素级、主成份分析法、小波变换分析法 Abstract：According to the analytical practice of remotely sensed image, the paper introduces some popular fusion methods based on pixel-level, mainly discusses the principals, features, functions, conditions, qualitatively analyses the steps of the methods, generalizes and illustrates quantitative appreciation of the fusion effects, and explain the development of image fusion techniques for remote sensing application, as well as it’s foregrounds in application. Key words: remote sensing image fusion, pixel-level, principal components analysis, wavelets analysis. 0.引言 遥感平台和传感器的发展，使得遥感系统能够为用户提供同一地区的多空间分辨率、多光谱分辨率、多时间分辨率的海量影像资料。一般来说，多光谱图像的光谱分辨率较高，但空间分辨率比较低，即空间的细节表现能力比较差；全色图像具有较高的空间分辨率，但光谱分辨率较低。因此，将具有低空间分辨率的多光谱图像和具有高空间分辨率的全色光学图像进行融合，使融合后的多光谱图像具有较高的空间细节表现能力，且同时保留多光谱图像的光谱特性，把这些多源海量数据尽可能地作为一个整体来综合应用，从而充分、有效提取各种类型遥感影像的综合信息，克服遥感影像自动解译中单一信息源不足的问题，即遥感数据融合技术。 遥感影像融合是一种通过高级影像处理来复合多源遥感影像的技术，它针对不同环境条件,选择最佳的波段组合和分辨率,设计最适宜的时相叠加,采用一定的算法将各影像的优点或互补性有机地结合起来产生新的影像。融合后的影像同单一信息源相比,清晰度得到提高,能减少或抑制环境解译中可能存在的多意性、不完全性、不确定性和误差；最大限度地利用了多种资料的不同特性,使图像同时具有较高的光谱和空间分辨率,提高了图像的视觉效果；改善了几何精度、图像特征识别的精度和分类精度,有利于增强多重数据分析和环境动态监测能力；改善了遥感信息提取的现势性和可靠性,有效地提高了资料使用率,为大规模的遥感应用研究提供了一个良好的基础。 研究表明,融合后的图像能更好地解释和描述被感知的对象或环境,同单一信息源相比,能减少或抑制对被感知对象或环境解释中可能存在的多义性、不完全性、不确定性和误差,最大限度地利用各种信息源提供的信息,从而提高了对图像的信息分析和提取能力,因而广泛地应用于地形测绘和地图更新、土地资源调查、农业、森林资源调查和保护、军事等领域。 1.遥感图像融合通用算法 遥感数据融合分为三级:像素级融合、特征级融合、决策级融合。像素级融合是一种低水平的融合,它是直接在采集到的原始数据层上进行的融合,通常用于多源图像复合、图像分析和理解等；特征级融合是先对原始遥感影像信息进行特征提取,然后对特征进行综合分析和处理,融合结果能最大限度地给出决策分析所需要的特征信息；决策级融合是一种高层次的融合,它是在上述像素级和特征级融合所提供的各类特征信息的基础上对图像信息进行识 1 别、分类或目标检测,并在获得有关区域决策信息后,再对所获得的专题图像进行融合处理,它的融合结果直接为指挥、控制、决策系统提供依据。其中像素级融合是最基础和最重要的,也是目前融合领域研究的热点， 图像融合算法种类非常多,但大体上可以分为三类:一类是从图像增强算法发展而来的较为简单的传统图像融合方法。即针对各个图像通道,利用一些替换、算术等简单的方法来实现。应用较广的有线性加权法、高通滤波法(HPF)、HIS变换法、主成份分析法(PCA)等。这些方法简单易行,在不同的遥感领域得到应用。第二类是自80年代中期发展起来的多分辨融合算法,主要是塔式算法和小波变换法及小波变换融合算法。它们的基本思想是:首先把原始图像在不同的分辨率下进行分解,然后在不同的分解水平上对图像进行融