1.3 遥感数据融合的发展
遥感数据融合的概念始于70年代。 (1) 起初是进行同种遥感数据多波段、多 时相的数据融合，以提高遥感解译能力和 进行动态分析； (2) 发展到不同类型遥感数据的融合； (3) 由于遥感本身以及实际应用中的局限 性，开始发展遥感与非遥感数据的融合。
1.4 遥感数据融合的技术关键
3.3.4 遥感与非遥感数据的融合
（1）意义
仅通过遥感手段获取数据仍感到不够，不能 解决遇到的全部问题，因此将地形、气象、水文 等专题数据，行政区划、人口、经济收入等人文 与经济数据作为遥感数据的补充，可有助于综合 分析问题，发现客观规律，提高解译的效果，因 此遥感数据与地理数据的融合也是遥感分析过程 中不可缺少的手段。
2 遥感数据的融合过程
遥感数据的融合主要指不同传感器的遥感数 据的融合，以及不同时相的遥感数据的融合。融 合方式的确定应根据目标空间分布、光谱反射特 性及时相规律方面的特征选择不同的遥感图像数 据，它们在空间分辨率、光谱分辨率和时间分辨 率方面相互补充，以形成一个更有利的识别环境， 来识别所要识别的目标或类型。
3.3.1 同一传感器的遥感数据融合
目的：提高多光谱图像空间分辨率
（1）融合步骤
几何配准 融合
配准
配准
配准Hale Waihona Puke 配准（2）融合方法
分辨率融合
3.3.2 不同传感器的遥感数据融合
充分利用不同传感器数据的优点，达 到信息互补。
（1）融合步骤
几何配准：利用几何校正的方法做位置匹配 辐射纠正 融合
（2）步骤
地理数据的网格化 最优遥感数据的选取 融合
遥感数据融合实习
分辨率融合方法： （1）主成分变换 （2）乘积变换：Bi_new = Bi_m * B_h （3）比值变换：将输入遥感数据的三个波段按下式 计算： Bi_new = [ Bi_m /（ Br_m+Bg_m+Bb_m）] * B_h i = 1,2,3
（3）像元级融合方法
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
3.2.2 特征级融合
❖ 特征级融合是一种中等水平的融合。 ❖ 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——特征融合——（融合） 属性说明。
3.2.3 决策级融合
(1) 几何配准，即解决遥感图像的几何畸变， 解决空间配准问题； (2) 充分了解每种融合数据的特点和适用性； (3) 充分考虑不同遥感数据之间波谱的相关性 引起的噪声误差增加，合理选择遥感数据； (4) 充分认识研究对象的地学规律。
2.2 数据融合过程
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。
2.1 数据预处理
不同类型影像进行融合时必须经过严密的几 何校正和配准，其几何配准精度直接影响融合影 像的质量。通常情况下，不同类型的传感器数据 之间融合时，由于成像方式不同，其系统误差类 型也不同。
3 遥感数据融合方法
3.1 按融合技术的不同分类 3.2 按融合层次分类 3.3 按数据来源分类
遥感数字影像处理原理
崔海山
第四讲 多源遥感数据的融合
1 遥感数据融合的原理 2 遥感数据的融合过程 3 遥感数据融合方法
1 遥感数据融合的原理
1.1 定义 1.2 目的 1.3 遥感数据融合的发展 1.4 遥感数据融合的技术关键
1.1 定义
遥感数据融合( Fusion, Merge)指同一区域内遥 感数据之间或遥感数据与非遥感数据之间的匹配 融合。
（1）融合步骤
配准：利用几何校正的方法做位置匹配； 直方图调整：将配准后的图像尽可能地调 整成一致的直方图，使图像亮度值趋于协调， 以便于比较； 融合：不同时相的图像融合主要用来研究 时间变化所引起的各种动态变化。
（2）融合方法
采用的融合方法主要有： 彩色合成方法，通过颜色对比表现变化； 差值方法，差值后可设定适当阈值，获得只有0 与1的二值图像，以突出变化（变化部分为1，非 变化部分为0，或相反）； 比值方法，也可设定阈值，类别不变的地物一 定接近于1，因此同样可利用二值图像突出变化。
Kalman 滤波法
特征级 熵法 表决法 聚类分析 Bayes估计 神经网络法 加权平均法
决策级 专家系统 神经网络 Bayes估计 模糊聚类法 可靠性理论 基于知识的融合法
Dempater-shafer 推理法
Dempater-shafer 推理法
3.3 按数据来源分类
同一传感器的遥感数据融合 不同传感器的遥感数据融合； 不同时相的遥感数据融合； 遥感与非遥感数据的融合。
多种遥感数据融合就是将不同类型传感器获 取的同一地区的影像数据进行空间配准,然后采用 一定算法将各影像的优点或互补性有机结合起来 产生新影像的技术。
1.2 目的
(1) 突出有用的专题数据，消除或抑制无关的数据， 以改善目标识别的图像环境； (2) 多种数据源优势互补； (3) 得到原来几种单个数据所不能提供的新数据， 有助于地学分析提取特定的数据，有助于更可靠 地阐述自然环境各要素的相互关系与演变规律， 满足地学分析及各种专题研究的需要。
附表1 三级融合层次的特点表
融合框架 信息 实时 精度 容错 抗干 工作 融合
损失 性
性 扰力 量 水平
像元级 小 差 高 差 差 小 低
特征级 中 中 中 中 中 中 中
决策级 大 优 低 优 优 大 高
附表2 三级融合层次下的融合方法表
像元级 代数法 IHS变换 小波变换 K-T变换 主成分变换 回归模型法
3.1 按融合技术的不同分类
彩色技术； 代数运算 代数法包括加权融合、单变量图像差值法、图 像比值法等； 影像变换 主成分变换、K-T变换、小波变换、IHS变换。
3.2 按融合层次分类
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。
❖ 决策级融合是最高水平的融合。
（1）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
（2）决策级融合特点
优点：决策级融合的优点是具有很强的容错 性，很好的开放性，处理时间短、数据要求低、 分析能力强。 局限性： ➢ 信息损失大 ➢ 精度低 ➢ 工作量大
3.2.1 像元级融合
❖ 像元级融合是一种低水平的融合。
（1）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。
（2）像元级融合特点
优点：保留了尽可能多的信息，具有最高精度 局限性： ➢ 效率低下 ➢ 分析数据限制 ➢ 分析能力差，不能实现对影像的有效理解和分析 ➢ 纠错要求。 ➢ 抗干扰性差。
例3 洪水监测研究中的影像数据融合
针对具体问题常常有不同的融合方案。比如研究 洪水监测，可选择的遥感数据源有TM图像、侧视 雷达图像、气象卫星图像等。用每一种图像单独 分析时都有不理想之处。实验表明，融合后的图 像实用性大大增强。
3.3.3 不同时相的遥感数据融合
在观测地物的类型、位置、轮廓及动 态变化时，常需要不同时相遥感数据的融 合。
（2）融合方法
例1 TM和SPOT影像数据融合
SPOT 10m
TM742与SPOT融合
例2 雷达和陆地卫星影像数据融合
侧视雷达图像可以反映地物的微波反射特性， 地物的介电常数越大，微波反射率越高，色调越发 白，这种特性对于反映土壤、水体、山地、丘陵、 居民点，以及道路、渠道等线性地物明显优于陆地 卫星影像，因此如将雷达影像与陆地卫星影像融合 ，可以既反映出可见光，近红外的反射特性，又可 以反映出微波的反射特性，有利于综合分析。