遥感技术基础

第五节　多源信息复合
　　

　　多种遥感数据源信息融合是指利用多种对地观测技术所获取的关于同一地物的不同遥感数据，通过一定的数据处理技术提取各遥感数据源的有用信息，最后将其汇集(融合，Fusion,Merge)到统一的空间坐标系(图像或特征空间)中进行综合判读或进一步的解析处理，通过多种信息的互补性表现，提高多源空间数据综合利用质量及稳定性，提高地物识别、解译与决策的可靠性及系统的自动化程度的技术。
    数据融合的概念始于70年代。进入20世纪90年代以后，随着多种遥感卫星的发射成功，从不同遥感平台获得的不同空间分辨率和时间分辨率的遥感影像形成了多级分辨率的影像金字塔序列，给遥感用户提供了从粗到精、从多光谱到高光谱的多种遥感数据源。数据融合的发展在一定程度上解决了多种数据源综合分析的问题。

4.5.1 数据融合前处理
　　影像配准是数据融合处理中的关键步骤，其几何配准精度直接影响融合影像的质量。通常情况下，不同类型的传感器影像之间融合时，由于它们成像方式的不同，则其系统误差类型也不同。如SPOT与TM数据融合时，SPOT的HRV传感器是以CCD推帚式扫描成像的，而TM则是通过光机扫描方式成像的，因而不同类型影像进行融合时必须经过严密的几何校正，分别在不同数据源的影像上选取控制点，用双线性内插或三次卷积内插运算对分辨率较低的图像进行重采样，改正其误差，将影像投影到同一的地面坐标系统上，为图像配准奠定基础。
  在实践中，可以统一采用数字化地形图作为基础底图，分别对不同遥感器产生的图像进行几何精校正，使它们具有统一的投影方式和坐标系统，以便不同类型或不同时相的遥感影像之间的几何配准和精确融合。

4.5.2 常用的数据融合方法
    多源遥感影像数据融合在国际上经过多年研究，技术上日趋成熟。目前，常用的遥感影像的融合方法，主要有：以像元为基础的加权融合、HSI变换、K-L变换，比值变换；基于小波理论的特征融合、基于贝叶斯法则的分类融合以及以局部直方图匹配滤波技术为基础的影像数据融合等。

4.5.3 遥感影像与非遥感数据融合
    在仅用遥感数据难以解决问题的时候，可以加入非遥感数据进行融合。非遥感数据包括地质、气象、水文等自然专题信息，也包括行政区划、人口、经济收入等人文与经济信息，这些信息可以作为遥感数据的补充，有助于综合分析客观规律，提高判读的科学性，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。
    航空与航天数据是以网格的形式记录，而地面采集的地理数据则常以多等级，多量纲的形式反映下垫面的状况，数据格式也呈多样化。因此，为了使各种地理数据与遥感数据兼容，要将获取的非遥感数据按照一定的地理网格系统重新量化和编码，以完成各种地理数据的定量和定位，产生的新的数据。它们可以作为与遥感数据类似的若干独立的波段，以便和遥感数据融合。
    融合步骤如下：
　　1.地理数据的网格化
    为了使非遥感的地理数据与遥感数据融合，前提条件是必须使地理数据可作为遥感数据的一个“波段”，这就是说通过一系列预处理，使地理数据①成为网格化的数据；②空间分辨率与遥感数据一致；③对应地面位置与遥感数据配准。
　　2.最优遥感数据的选取
    融合时的遥感数据常常只需一个或二个波段的数据，例如：为使分辨率优化而选，取SPOT数据的全色波段，当用TM数据时，则可选用K－L变换后的前二个波段，达到减少数据量保持信息量的目的。
　　3.非遥感数据与遥感数据的融合
    在完成分辨率与位置配准处理后多采用两种方法：①非遥感数据与遥感数据共组成三个波段（不同数据源波的数目比例为1：2或2：1）实行假彩色合成。②两种数据直接叠加（参考遥感数据融合），例如：波段之间作加法或其它数学运算，也可以波段之间做适当的“与”“或”等布尔运算。