多源遥感图像融合算法研究

　　0　引　　言

　　目前,随着遥感技术的发展,由各种卫星传感器获取的同一地区的多源遥感影像数据越来越多,使得遥感系统能够为用户提供同一地区的多空间分辨率、多光谱分辨率、多时间分辨率的海量数据[1]。图像融合是数据融合一个非常重要的分支,是20世纪70年代后期提出的概念,是综合了传感器、图像处理、信号处理、计算机和人工智能的现代高新技术。多种不同传感器的图像数据融合,是克服单一传感器获取的图像在空间、光谱分辨率方面存在的差异性和局限性的有效途径。而多源遥感图像融合对多源数据的处理、分析应用也提供了全新的途径。多源遥感图像融合就是将多个传感器获取的同一场景的遥感图像或同一传感器在不同时刻获得的同一场景的遥感数据进行空间和时间配准,然后采用一定算法将各图像数据中所含的信息优势互补性有机结合起来产生新图像数据或场景解释的技术。本文将从算法原理入手,研究分析多源遥感图像融合的常用算法的优缺点,如加权平均法、IHS变换法、Brovey变换法、主成分分析(PCA)法、小波变换法等。同时,针对融合结果简述了融合评价方法,并根据图像融合目前的发展状况,指出未来的研究重点和发展方向。

　　1　多源遥感图像融合的基本理论

　　1.1　融合的形式

　　多源遥感图像融合处理过程往往可分解成一系列基本的融合处理,每一个基本的融合处理单元称为融合基元。融合基元的处理形式如图1所示。

　　融合基元可接受的信息有多源遥感图像数据、辅助数据和外部知识。辅助数据是指传感器获取数据时的附加信息,外部知识是指融合时所需的先验知识。

　　1.2　多源遥感图像融合的层次

　　遥感图像融合属于一种属性融合,它是将覆盖同一地区的多源遥感图像进行处理,产生比单一信息源更精确、更完全、更可靠的估计和判断[2]。多源遥感信息从层次上可分为像素级、特征级和决策级3个层次。相应的,多源遥感图像融合系统的层次按信息抽象的程度,可分为像素级融合、特征级融合及决策级融合,每个层次的融合各有其特点和处理结构。融合的层次决定了在信息处理的哪个层次上实施融合,以及对多源原始数据进行何种程度的预处理。

　　多源遥感图像融合系统层次结构如图2所示。

　　1)像素级图像融合

　　像素级图像融合即在严格的配准条件下,对多源遥感图像直接进行信息的综合分析。它是在基础数据层面上进行的信息融合,其主要任务是对多源图像中的目标和背景等信息直接进行融合处理,是最低层次的图像融合。该层次融合的准确性最高,能够提供其他层次的融合处理所不具有的细节信息。但需处理的信息量最大,计算时间长,要求融合过程中有较高的纠错能力,且抗干扰能力较差,对设备的要求较高。