最新遥感影像数据融合原理与方法素材教学讲义ppt课件.ppt

《最新遥感影像数据融合原理与方法素材教学讲义ppt课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、遥感影像数据融合原理与方法素材一.数据融合基本涵义数据融合（datafusion）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。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

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。2.数据融合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“

3、类型变换”等，以便得到目标的更准确表示或估计。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。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。

4、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

5、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。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

6、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。表1三级融合层次的特点融合框架信息损失实时性精度容错性抗干扰力工作量融合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Dempate

7、r-shafer推理法Dempater-shafer推理法2数据融合方法介绍2.1代数法代数法包括加权融合、单变量图像差值法、图像比值法等。（1）加权融合法（2）单变量图象差值法（3）图象比值法2.2图像回归法（ImageRegression）图像回归法是首先假定影像的像元值是另一影像的一个线性函数，通过最小二乘法来进行回归，然后再用回归方程计算出的预测值来减去影像的原始像元值，从而获得二影像的回归残差图像。经过回归处理后的遥感数据在一定程度上类似于进行了相对辐射校正，因而能减弱多时相影像中由于大气条件和太阳高

8、度角的不同所带来的影响。2.3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