遥感信息融合.pptx

遥感影像融合参考书目
[1]徐青，张艳，耿则勋等.遥感影像融合与分辨率增强技术.科学出版社，2007一、多源遥感影像数据融合概念多源遥感影像数据融合的理解
（1）融合的对象不仅仅是遥感图像，还包括其他非图像形式的遥感数据，如数字地图、GPS导航信息、地理信息等；
（2）强调了要产生高质量的信息，融合后产生的信息必须能够比原始数据更好地满足用户的需要；
（3）融合的目的，就是要产生比单一信源更精确、更完全、更可靠的估计和判决。多源遥感影像数据融合的优点
（1）可靠的数据来源。某些传感器不能被利用或被干扰，或某个目标/事件不在覆盖范围内时，至少有一种传感器可以提供图像信息。
（2）增加测量维数，增加了置信度。利用对同一目标的多波段、多时相、多角度的图像数据可以更全面地揭示目标的本质特性，提高目标判别结果的可靠性。
（3）容错性好，性能稳定。
（4）改进探测性能，增加响应的有效性。各个传感器信息的有效互补，对某个目标/事件产生更全面的响应。
（5）提高了空间分辨率。
（6）降低了对单个传感器的性能要求。多源遥感影像数据融合技术分类
1.增强光谱信息的图像融合技术
高空间分辨率的影像光谱分辨率低，多光谱或高光谱影像光谱分辨率高，但空间分辨率低，两者融合以提高多光谱或高光谱影像空间分辨率，以及高空间分辨率影像的光谱分辨率。

2.增强几何信息的图像融合技术
即超分辨率技术，从一系列低分辨率图像复原（或重建）出更高分辨率的图像。多源遥感影像数据融合技术分级
像素级、特征级、决策级2.特征级融合
首先对来自不同传感器的原始信息进行特征抽取，然后对从多传感器获得的多个特征信息进行综合分析和处理，以实现对多传感器数据的分类、汇集和综合。融合结果能最大限度地给出决策分析所需要的特征信息。

特征信息就是像素信息的充分表示量或充分统计量，包括目标边缘、方向、运动速度等。
应用：在指挥、控制、通信和信息系统中常用。特征级融合分类

（1）目标状态数据融合：首先通过融合系统对传感器数据进行预处理以完成数据校准，再实现主要参数的状态向量估计。用于多传感器目标跟踪。
（2）目标特性融合：即特征层联合识别，就是采用模式识别等相关技术，在融合前对特征进行相关处理，从而把特征向量分类成有意义的组合。

特征级融合主要方法
贝叶斯估计法、Dempster-shafer推理法、聚类分析法、神经网络法。3.决策级融合
是一种高层次信息融合，其结果将为各种控制或决策提供依据。决策级融合必须结合具体的应用需求特点，有选择的利用特征级融合所抽取或测量的有关对象的各类特征信息，才能实现决策级别融合的目标。背景：空间分辨率与光谱分辨率是一对矛盾，如何增强高空间分辨率影像的光谱信息？或者是如何增强高光谱分辨率影像的空间分辨率？

属于像素级的影像融合技术。

(像素级)融合的基本思路
对多源影像进行空间配准，当空间分辨率不同时，要求配准后空间分辨率保持一致。
将多光谱影像按某种变换方法分解成不同级别的子影像，然后采用某种融合方法进行处理。
将处理后的子影像进行逆变换，得到融合后的影像。（一）代数运融合法1.加权融合法2.比值融合法3.高通滤波法4.Brovey变换融合法（二）基于空间变换的融合方法1.IHS变换融合法RGB到IHS的转换IHS到RGB的转换2.PCA变换融合法主成份分析(PrincipalComponentsAnalysis，PCA)—K-L变换（Karhunen-Loeve）2个波段影像的散点图PCA变换——经过坐标轴旋转、平移操作，将每一像素在光谱空间(Spectralspace)的坐标（各波段的灰度值序列）变换到新的坐标空间。主成份变换的数学实现Cov：波段间的协方差矩阵；
EV：特征向量矩阵；
E：主成份变换后的协方差矩阵，是一个对角阵，对角线元素称为特征值，它表示某个主成份的方差，非对角线元素为各主成份之间的协方差。非对角线元素均为0，这表示各主成份之间的协方差为0，即各主成份彼此间没有关联，相互独立。对于像元(i,j)，在某个主成份p中的值Pi,j,p为例：有某地区landsatTM的7个波段影像1第一个像元(1,1)在7个波段中的值为每个主成份所占信量—依据特征值计算某个主成份P代表的各波段信息的贡献量（或各波段信息分解到各主成分上的信息量）—依据主成份P与每个波段k的相关系数计算基于主成份变换的影像融合方法3.YIQ变换融合法（三）基于金字塔式分解和重建的融合方法一般塔式分解和重建的融合方法的经典算法参见以下文献：
[1]刘贵喜.多传感器图像融合方法研究.西安电子科技大学博士学位论文.2001
[2]李长伟,彭嘉雄.多源遥感图像的分层融合研究.华中科技大学学报(自然科学).2002,30(5):25~27
[3]杨万海,刘贵喜.基于