多源遥感图像数据融合技术综述.pdfVIP

空间电子技术 2005 年第 1 期 　　　　　　　SPACE ELECTRONIC TECHNOLO GY 1 多源遥感图像数据融合技术综述 牛凌宇 (北京系统工程研究所 ,北京 100101) 　　摘 　要 　针对具体实践需要 ,对现有应用最广泛的卫星遥感图像数据融合算法进行了 介绍 ,描述了其主要步骤 ,进行了定性分析 ,给出了图像融合效果评价的准则 ,指出了遥感图 像数据融合的发展方向。 主题词 　IHS 变换 　小波变换 　遥感图像融合 1 　引　言 　　现代遥感技术的发展 ,使得人类能够从不同遥感平台获得不同空间分辨率、不同光谱特性的遥感 图像。对多源遥感图像进行处理 ,将它们所含的信息互补地有机结合起来 , 以提高图像判读的可靠 性 ,提高对图像的解译能力 ,提高数据分类和目标识别的准确性 , 已成为现代遥感技术发展的趋势。 遥感数据融合技术就是将不同类型传感器获取的同一地区的图像数据进行空间配准 ,然后采用一定 算法将各图像的优点或互补性有机结合起来产生新图像的技术。 多源遥感融合技术从层次上可分为三层 :像素级、特征级和决策级。遥感信息融合相应在像素 级、特征级和决策级 3 个层次上进行 ,形成 3 种融合框架。其中像素级融合是最基础和最重要的 ,也 ( ) 是目前融合领域研究的热点。因此本文以 SPOT Pan 全色波段 和Landsat - TM321 多光谱图像为例 , 重点介绍多源遥感图像像素级融合技术。 一般来说 ,多光谱图像的光谱分辨率较高 ,但空间分辨率比较低 ,即空间的细节表现能力比较差; 全色图像具有较高的空间分辨率 ,但光谱分辨率较低。因此 ,将具有低空间分辨率的多光谱图像和具 有高空间分辨率的全色光学图像进行融合 ,使融合后的多光谱图像具有较高的空间细节表现能力且 同时保留多光谱图像的光谱特性。研究表明 ,融合后的图像能更好地解释和描述被感知的对象或环 境 , 同单一信息源相比 ,能减少或抑制对被感知对象或环境解释中可能存在的多义性、不完全性、不确 定性和误差 ,最大限度地利用各种信息源提供的信息 ,从而提高了对图像的信息分析和提取能力 , 因 而广泛地应用于地形测绘和地图更新、土地资源调查、农业、森林资源调查和保护、军事等领域。 2 　常用的遥感图像融合算法 　　图像融合算法种类非常多 ,但大体上可以分为三类 :一类是从图像增强算法发展而来的较为简单 的传统图像融合方法。即针对各个图像通道 ,利用一些替换、算术等简单的方法来实现。应用较广的 [18～19 ] ( ) [6 ] [1 ][2 ][3 ][9 ][11 ][17 ][21 ] ( ) [4～5 ] 有线性加权法 、HPF 高通滤波 法 、IHS 变换法 、PCA 主分量分析 法 等。这些方法简单易行 ,在不同的遥感领域得到应用。第二类是自 80 年代中期发展起来的多分辨融 合算法 ,主要是塔式算法和小波变换法[7 ][8 ][10 ][15 ][16 ]及小波变换融合算法。它们的基本思想是 :首先 收稿日期 :2004 - 08 - 16 2 空间电子技术 　　　　　　　　　　　　　　　2005 年第 1 期 把原始图像在不同的分辨率下进行分解 ,然后在不同的分解水平上对图像进行融合 ,最后通过重构来 获得融合图像。第三类主要是多种算法相结合形成的各种改进的融合算法。 2. 1 　线性加权法 线性加权法是一种最简单的图像融合方法 ,它直接对多幅原图像的对应像素点进行加权叠加。 ( ) ( ) ( ) 如果 A k i ,j 为 n 幅图像A k 在对应位置 i , j 的灰度值, 那么融合后图像 B k i ,j 可通过下式得到 :