[科普中国]-多源遥感

概述简介

自20世纪60年代末第一颗人造地球资源卫星发射以来，空间遥感技术得到了长足发展，在世界各国的经济、政治、军事等领域内发挥着日益重要的作用，同时遥感卫星的地面分辨率越来越高，获取的信息量越来越大，且应用范围也越来越广。目前，多平台、多时相、多光谱和多分辨率遥感影像数据正以惊人的数量快速涌来，这就是我们所说的多源遥感。1

多源遥感特性与单源遥感影像数据相比，多源遥感影像数据所提供的信息具有冗余性、互补性和合作性。多源遥感影像数据的冗余性表示他们对环境或目标的表示、描述或解译结果相同；互补性是指信息来自不同的自由度且相互独立；合作信息是不同传感器在观测和处理信息时对其它信息有依赖关系。2

多源遥感数据融合在遥感中，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，产生比单一信源更精确、更完全、更可靠的估计和判断。它的优点是运行的鲁棒性，提高影像的空间分解力和清晰度，提高平面测图精度、分类的精度与可靠性，增强解译和动态监测能力，减少模糊度，有效提高遥感影像数据的利用率等。

数据融合原理对不同遥感器获取的数据进行融合，可分为影像的空间配准和影像融合两步。

影像的空间配准影像的空间配准是遥感影像数据融合的前提，对两幅影像的空间配准，一般把其中一幅称为参考影像，以它为基准，对另一幅图像进行校正。空间配准一般可分为下列步骤：

(1)特征选择：在欲配准的两幅影像上，选择如边界、线状物交叉点、区域轮廓线等明显的特征。

(2)特征匹配：采用一定配准算法，找出两幅影像上对应的明显地物点，作为控制点。

(3)空间变换：根据控制点，建立影像间的映射关系

(4)插值：根据映射关系，对非参考影像进行重采样，获得同参考影像配准的影像。空间配准的精度一般要求在1～2个像元内。空间配准中最关键、最困难的一步就是通过特征匹配寻找对应的明显地物点作为控制点。2

影像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。多源遥感影像融合的一般模型如图。2

融合的模型框架与特点多源遥感信息的形式从层次上可分为：像元级(特征提取之前)、特征级(属性说明之前)和决策级(各传感器数据独立属性说明之后)。因此信息融合就可相应在像元级、特征级和决策级3个层次上进行，形成3种融合框架，融合的水平依此由低到高。2

像素级信息融合这是最低级的信息融合，可以在像素或分辨单元上进行，亦称数据级融合，它包括一维时间序列数据、焦平面数据。其空间配准的遥感影像数据直接融合，而后对融合的数据进行特征提取和属性说明。像素级融合的优点是保留了尽可能多的信息，具有较高精度，缺点是处理信息量大、费时、实时性差。1

特征级信息融合单个传感器只完成目标探测和特征提取处理，多传感器来的目标信息或经滤波的轨迹则在目标分类之前组合成多源集成（MSI）轨迹，然后进行特征提取，产生特征矢量。融合这些特征矢量时可采用Bayes决策法、神经网络法等基于特征级融合法进行处理，作出基于融合特征矢量的属性说明。其优点是实现了可观的信息压缩，有利于实时处理，并且提供的特征直接与决策分析相关，因此融合的结果最大限度地给出了决策分析所需要的特征信息。目前大多数融合系统的研究都是在该层次上开展的，缺点是比像素级融合精度差。

决策级信息融合这是最高水平的融合，每一个传感器先完成对目标的分类，完整的决策则是同另一个分类判决组合产生。因此，对一个目标来说，在分类之前，至少要有两个传感器同时对它进行探测和分类。该融合方法的优点是具有很强的容错性、很好的开放性且处理时间短。