9
• 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。
• （3）空间变化：根据控制点，建立影像间的映射关系。
• （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1~2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。
遥感影像数据融合原理与方法
6
• 2.数据融合
• 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
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
2003.10.17
遥感影像数据融合原理与方法
1
一. 数据融合基本涵义
• 数据融合（data fusion）最早被应用于军事领域。 • 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、自动目标识别等等。 • 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。
• （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。
遥感影像数据融合原理与方法
5
• 影像的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，找处两幅影像上对应 的明显地物点，作为控制点。
Bayes估计
模糊聚类法
主成分变换
神经网络法
可靠性理论
回归模型法
加权平均法
基于知识的融 合法
Kalman滤波法
Dempater-
Dempater-
shafer推理法 shafer推理法
遥感影像数据融合原理与方法
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
• 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。
遥感影像数据融合原理与方法
10
• 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。
• 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，得到目标的更准确表示或 估计 。
• 对于各种算法所获得的融合遥感信息，有时还需要做 进一步的处理，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。
遥感影像数据融合原理与方法
7
三、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。
遥感影像数据融合原理与方法
8
• 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。
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。
遥感影像数据融合原理与方法
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。
融合 框架
像元 级
特征 级
决策 级
信息 损失
小
中
大
实时 性 差
中
优
精度 高 中 低
容错 性 差
中
优
抗干 扰力
差
中
优
工作 量 小
中
大
融合 水平
低
中
高
遥感影像数据融合原理与方法
12
表2 三级融合层次下的融合方法
像元级
特征级
决策级
代数法
熵法
专家系统
IHS变换
表决法
神经网络
小波变换
聚类分析
Bayes估计
K-T变换
• 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。
• 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。
遥感影像数据融合原理与方法
4
二、数据融合原理及过程
• 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：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主要在于去 处透视收缩、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；