（地图学与地理信息系统专业论文）基于像素级多源遥感影像融合技术的研究.pdf

摘要 随着传感器、遥感平台和数据通信等相关技术领域的快速发展，由各种传感器对地 观测获取同一地区的多源遥感影像数据( 多传感器、多平台、多空间分辨率、多光谱和 多时相) 越来越多。但是各类不同的遥感影像既有其各自主要的应用特点和对象，同时 也有相应的局限性，多源遥感影像数据融合则是富集这些多传感器遥感信息的最有效途 径之一。多源遥感影像数据融合作为一种遥感信息综合处理与分析的技术，其研究正成 为遥感领域的一个重要的研究方向。本文在总结现有文献和研究成果的基础上，从研究 像素级多源遥感影像融合技术及其应用出发，以高空间分辨率的全色影像和低分辨率的 多光谱影像为数据源，主要进行了以下几个方面的工作： 1 、对多源遥感影像数据融合的概念、目的、模式、层次、流程、融合方法及其特 点进行了分析与探讨。 2 、为了保证融合影像的质量，分析研究了遥感影像融合前的预处理技术。 3 、阐述了像素级多源遥感影像融合技术的概念，详细介绍了六种影像融合方法， 即空间域的乘积性融合法、比值融合法、高通滤波融合法，变换域的三角i h s 变换融合 法、主成分分析融合法、小波变换融合法，为选择融合方法提供了科学依据。在分析总 结现有影像质量评价方法的基础上，指出将主观定性和客观定量评价相结合是评价融合 影像质量和融合影像方法的有效途径。 4 、通过试验给出四种常用算法的融合结果，并对试验结果进行了质量评价和分析， 总结出这四种融合方法的特点和适用范围。 关键词：遥感；多源遥感影像数据融合；影像；像素级融合；质量评价 a b s t r a c t w i t ht h ed o u b l e q u i c kd e v e l o p m e n to ft h es e n s o r 、t h er e m o t es e n s i n g p l a t f o r ma n dd a t a c o m m u n i c a t i o nt e c h n o l o g y , t h em u l t i - s o u r c er e m o t es e n s i n gi m a g e sd a t a ( m u l t i - s e n s o r 、 m u l t i p l a t f o r m 、m u l t i s p a t i a lr e s o l u t i o n 、m u l t i - s p e c t r a li m a g e s 、m u l t i t e m p o r a l ) o ft h es a m e r e g i o na r em o r ea n dm o r ew h i c ha r ea c c e s s e db ya l lk i n d so f s e n s o r b u t ，d i f f e r e n tt y p e so f r s i m a g e sh a v ed i f f e r e n ta p p l y i n gc h a r a c t e r i s t i ca n do b j e c t sa n dt h e r ea r ec o r r e s p o n d i n g l i m i t a t i o n sa l s o m u l t i s o u r c er e m o t es e n s i n gi m a g e sd a t af u s i o ni st h eo n eo fm o s te f f e c t i v e w a yt oe n r i c ht h e s em u l t i p l es e n s o rr e m o t es e n s i n gi n f o r m a t i o n a sat e c h n o l o g yo fr e m o t e s e n s i n gi n f o r m a t i o n sc o m p r e h e n s i v et r e a t m e n ta n da n a l y s i s ，t h er e s e a r c ho fm u l t i s o u r c e r e m o t es e n s i n gi m a g ef u s i o ni sb e c o m i n ga ni m p o r t a n tr e s e a r c hd i r e c t i o ni nt h er e m o t e s e n s i n gf i e l d b a s e do na n a l y z i n ga n ds u m m a r i z i n gt h ee x i s t i n gd o c u m e n ta n dr e s e a r c h i n g r e s u l t ，f r o ms t u d y i n gp i x e l l e v e lf u s i o nt e c h n i q u ea n di t sa p p l i c a t i o na n dt a k i n gp a n c h r o m a t i c i m a g e so fh i g l ls p a t i a lr e s o l u t i o na n dm u l t i - s p e c t r a li m a g e so fl o ws p a t i a lr e s o l u t i o na sd a t a s o u r c e ，t h i sp a p e rc a r r i e so u tt h ef o l l o w i n gr e s e a r c hw o r k ： 1 、i n t r o d u c i n gt h eb a s i cc o n c e p to fm u l t i - s o u r c er e m o t es e n s i n gd a t af u s i o na n d a n a l y z i n ga n ds u m m a r i z i n gt h ea i m 、m o d e 、l e v e l 、 f l o wa n dm e t h o do fm u l t i - s o u r c er e m o t e s e n s i n gi n f o r m a t i o nd a t af u s i o n 2 、t oe n s u r er e m o t es e n s i n gi m a g e sq u a l i t y , t h i sp a p e rs t u d i e s s e v e r a lk i n d so f p r o c e s s i n g 3 、t h i sp a p e re n u n c i a t e st h eb a s i cc o n c e p to fm u l t i - s o u r c er e m o t es e n s i n gi m a g e p i x e l l e v e lf u s i o na n di t sc h a r a c t e r i s t i c i ti n t r o d u c e ss i xf u s i o nm e t h o d sd e t a i l e d l ys u c ha s p r o d u c tf u s i o nm e t h o d 、r a t i of u s i o nm e t h o d 、h i g h - p a s sf i l t e r i n gf u s i o nm e t h o di ns p a t i a l d o m a i na n di h st r a n s f o r mf u s i o nm e t h o d 、p r i n c i p a lc o m p o n e n ta n a l y s i sf u s i o nm e t h o d 、 w a v e l e t t r a n s f o r mf u s i o nm e t h o di nt r a n s f o r md o m a i n i to f f e r ss c i e n t i f i ce v i d e n c ef o r c h o o s i n g t h er e m o t e s e n s i n g i n f o r m a t i o nf u s i o nm e t h o d b a s e do na n a l y z i n ga n d s u m m a r i z i n gt h ee x i s t i n gm e t h o d so fa s s e s st h ei m a g eq u a l i t y , t h ec o m b i n a t i o no fs u b j e c t i v e q u a l i t a t i v ee v a l u a t i o na n do b j e c t i v eq u a n t i t a t i v ee v a l u a t i o nc r i t e r i o n si st h ee f f e c t i v em e t h o d t oa s s e s sf u s e di m a g e sq u a l i t ya n do ff u s e di m a g e sm e t h o d s 4 、t h i sp a p e rg i v e ss o m er e s u l tb yt e s t i n gf o u rc o m m o na r i t h m e t i ca n du s i n gc r i t e r i o n st o a s s e s st e s tr e s u l t b ya n a l y z i n gt e s tr e s u l t ，t h i sp a p e rs u m su pt h ec h a r a c t e r i s t i ca n dr a n g eo f a p p l i c a t i o no f s i xc o m m o nf u s i o nm e t h o d s k e yw o r d s ：r e m o t es e n s i n g ；m u l t i - s o u r c er e m o t es e n s i n gi m a g ed a t af u s i o n ；i m a g e ；p i x e l - l e v e lf u s i o n ； q u a l i t ye v a l u a t i o n 论文独创性声明 本人声明：本人所呈交的学位论文是在导师的指导下，独立进行研究工 作所取得的成果。除论文中已经注明引用的内容外，对论文的研究做出重 要贡献的个人和集体，均己在文中以明确方式标明。本论文中不包含任何 未加明确注明的其他个人或集体已经公开发表的成果。 本声明的法律责任由本人承担。 论文作者签名：刘乎痂、 力卯7 年多月7 h 论文知识产权权属声明 本人在导师指导下所完成的论文及相关的职务作品，知识产权归属学 校。学校享有以任何方式发表、复制、公开阅览、借阅以及申请专利等权 利。本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成 果时，署名单位仍然为长安大学。 ( 保密的论文在解密后应遵守此规定) 论文作者 导师签 噼么月7 日 咄毛r 9 日 长安人学硕上学位论文 1 1 研究背景和意义 第一章绪论 随着遥感技术的发展，由各种卫星传感器对地观测获取同一地区的多源遥感影像数 据( 多传感器、多平台、多空间分辨率、多光谱和多时相) 越来越多，为自然资源调查、 环境监测和国土整治提供了丰富而又宝贵的资料，从而构成了用于全球变化研究、环境 监测、资源调查和灾害防治等的多层次遥感影像金字塔【l 】。但是，在实际应用中所需的 遥感影像数据在时间、空间和光谱方面差异很大，而且各种传感器提供的遥感影像数据 各有其特点。面对庞大的数据量，一方面不可能用低水平的、人工作业方式为主的常规 遥感影像处理方法，另一方面各种单一的利用遥感手段获取的影像数据在几何、光谱和 空间分辨率等方面存在明显的局限性和差异性，导致其应用能力是有限的，仅仅利用这 一种遥感影像数据是难以满足应用要求的。因此，未来遥感技术应用的主要障碍不再是 影像数据源的不足，而是从这些影像源中提取更丰富、更有用和更可靠信息的技术和能 力。 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它们对环境或目标的表示、描述或解译结果相 同，冗余信息的作用，可以降低误差和不确定性、提高识别率和精确度；互补性是指信 息有不同的自由度且相互独立，互补信息应用，能提高最终结果的可信度；合作性是指 不同传感器在观测和处理信息时对其它信息有依赖关系，合作信息的应用，可以提高协 调性能。因此把多源遥感影像数据各自的优势结合起来加以利用，获得对环境或对象正 确的解译是非常重要的。多源遥感影像数据融合则是富集这些多种传感器遥感信息的最 有效途径之一，被认为是现代多源影像处理和分析中非常重要的一步 i s a b e u eb l o c h ， 1 9 9 6 】。它有利于抑制或减少单一信息源对被感知对象或环境解译中可能存在的不确定 性、不完全性和误差，最大限度地利用各种数据所包含的信息作出决策。因此，开展多 源遥感影像数据融合的研究工作具有重要的理论意义和实际应用价值。 1 2 国内外研究现状 2 0 世纪7 0 年代美国学者最早提出“数据融合 概念，于8 0 年代建立其技术。军事 上的迫切要求，使“数据融合”得到了很快的发展，并引起世界各国的普遍关注。在美、 第一章绪论 英、日、德、意等国家已经开发出一些实用系统，一些研究成果在1 9 9 1 年的海湾战争 中得到了实战验证，取得理想的战果。 多源遥感影像数据融合是数据融合理论在遥感学中应用的一个分支，它是将覆盖同 一地区的多源遥感影像数据进行处理，产生比单一信息源更精确、更完全、更可靠的估 计和判读。d a i l y 等【2 】报道了把雷达影像( s i n a ) 和l a n d s a t m s s 复合影像应用于地质解 译方面的消息；l a n e 等【3 】进行了l a n d s a t r b v 和m s s 数据的融合试验；l a n d s a t t m 和 s p o t - h r v 数据的成功接收与深入应用，引发了人们对多遥感影像数据融合研究的更普 遍关注。随着9 0 年代多颗雷达卫星j e r s 1 ，e r s 1 和r a d a r s a t 的发射升空，多源遥感 影像数据融合更是成为目前遥感及相关学科领域的研究热点，它在遥感方面的主要应用 如下1 4 】： 1 、测绘：制作影像专题图和地图更新等； 2 、地质：矿藏探测、地质结构分析、岩性识别与分类和地质测图等； 3 、农业：土地利用分类、农作物、森林分类等； 4 、气象：冰雪监测、洪水监测等。 在多源遥感影像数据融合方面，国外学者进行了大量的研究工作。主要是基于像素 的影像融合法，如高通滤波法( s c h a w e g a n d ，1 9 8 0 ；c h a v e z ，1 9 8 9 ；s h e t f i g a r a ，1 9 9 2 ； j u t z ，1 9 9 3 ) 、h i s 变换法( h a y d n ，1 9 8 2 ：w e l s c h ，1 9 8 7 ：c h a v e z ，1 9 9 1 ) 、主分量分析 法( c h a v e z ，1 9 8 9 、1 9 9 1 ；y e s o u ，1 9 9 3 ) 、分量替换法( s i n g h ，1 9 8 9 ：s h e t t i g a r a ，1 9 9 2 ； c a m p e l l ，1 9 9 3 ) 以及小波分析融合法( r a n c h i n 等1 9 9 3 、1 9 9 6 ；g a r g u e t - d u p o r t 等1 9 9 6 ； y o c k y ，d a ，1 9 9 5 ；l a l p a r o n e 等1 9 9 8 ) 等对不同类型的影像进行融合。 基于特征和决策水平的融合，主要有b a y e s i a n 统计决策理论( c a n d e i a s ，1 9 9 2 ：s o l b e r g a h s1 9 9 4 ，m a s c a r e n h a s ，1 9 9 6 ) 、d e m p s t e r - - s h a f e r 证据推理( g l o h m a n ，1 9 9 1 ：c h e l a ， s y 等，1 9 9 3 ；b l o c h 等，1 9 9 4 、1 9 9 6 ；p e d d l ed r ，1 9 9 3 ，1 9 9 5 ) 、模糊推理( k e n t & m a r d i a ，1 9 8 8 ；k e y ，1 9 8 9 ) 和人工神经网络( b e n e d i k t s s o n ，1 9 9 0 ：c a p p e l l i n i ，1 9 9 4 ： c h e n d e rw a n 等，1 9 9 7 ) 等。 国内从2 0 世纪8 0 年代开始进行这方面研究，主要是基于像素的影像融合( 王野乔 等，1 9 8 7 ；舒宁等，1 9 9 0 ；茹锦文等，1 9 9 0 ：贾永红，1 9 9 6 2 0 0 1 ；李军，1 9 9 7 ，1 9 9 9 ； 王智均，1 9 9 9 ，2 0 0 0 ；李树涛等，2 0 0 1 ；全海英等，2 0 0 1 ；王洪华等，2 0 0 2 ；王海晖等， 2 0 0 2 ) ，而基于特征和决策水平的融合( 贾永红等，1 9 9 7 、1 9 9 9 、2 0 0 0 、2 0 0 1 ；于秀兰 等，1 9 9 9 ；李华等，2 0 0 2 ；韩红等，2 0 0 3 ) 则是近几年才逐步开展的。 2 长安大学硕上学位论文 由于目前我国实际应用的需求牵引力尚不足，多源遥感影像数据融合的研究更具有 探索性和预研性。虽然尚未形成一套完整的自有理论，但已有许多成功的应用。因此善 于集各种不同遥感影像数据的优点多源遥感影像数据融合的研究正成为遥感领域 攻克的热门课题。 1 3 研究内容 多源遥感影像数据融合作为一种遥感信息综合处理与分析的技术，其研究正成为遥 感领域的热门课题之一。根据融合所在的层次，多源遥感影像数据融合可以划分为像素 级、特征级和决策级三个层次。本论文从研究像素级多源遥感影像数据融合技术出发， 以高空间分辨率全色影像和低空间分辨率多光谱影像为数据源，进行了以下几个方面的 研究工作： 第一章为绪论部分，论述了本文研究的背景和意义，多源遥感影像数据融合的研究 现状以及论文研究的内容。 第二章简要介绍了多源遥感影像数据融合的理论基础，对多源遥感影像数据融合的 概念、目的、模式、层次和流程进行了简要介绍，并探讨了一些融合方法。 第三章介绍了多源遥感影像数据融合的预处理技术，详细介绍了遥感影像的几何校 正，影像增强以及影像配准。 第四章论述了像素级多源遥感影像融合技术的基本概念，详细地介绍了空间域的乘 积性融合法、比值融合法、高通滤波融合法，变换域的三角i h s 变换融合法、主成分分 析融合法、小波变换融合法，阐述了融合影像后处理及评价融合影像质量的标准。 第五章进行了像素级多源遥感影像数据融合的试验研究，通过试验给出了四种常用 算法的融合结果，并对试验结果进行了质量评价与分析。 最后为结论，总结论文取得的成果与存在的不足，并结合本文所作的工作并提出了 进一步的研究方向。 3 第二章多源遥感影像数据融合的理论基础 第二章多源遥感影像数据融合的理论基础 多源遥感影像数据融合问题最先出现于军事领域，随着现代战争复杂环境下传感器 数量和种类的不断增加，信息组合形式的多样性和信息量的急剧倍增，军事指挥员面临 着多源信息组合爆炸的难题越来越迫切地需要一种新的技术途径对巨量信息进行解释、 分析和评估。正是在这样的背景下，数据融合理论逐渐引起了世界范围内的广泛关注， 并在其它领域得到应用和深化。本章对多源遥感影像数据融合的基本概念、目的、模式、 层次、流程、融合方法及特点进行了探讨【7 。2 1 】。 2 1 多源遥感影像数据融合的概念 “数据融合是对多源信息进行处理的一种理论和方法，是把不同时间和空间的数 据进行综合处理，从而得到对现实环境的更准确的描述。其基本的原理和出发点是：充 分利用多个信息源，通过对这些信息源及其提供信息的合理支配和利用，把多个信息源 在空间或时间上的冗余或互补信息依据某种准则进行组合，以获得对被测对象的一致性 解释或描述，使该信息系统由此获得比它的各组成部分子集所构成的系统更优越的性能 【5 】 0 “影像融合 是数据融合的一个分支【6 l ，它是将两幅或者多幅影像的信息综合到一 幅影像中去，使一幅影像能更完整、更精确的体现两幅或者多幅影像的信息。遥感影像 信息融合是将多源遥感数据在同一地理坐标系中，采用一定的算法生成一组新的信息或 合成影像的过程。不同的遥感数据具有不同的空间分辨率、波谱分辨率和时相分辨率， 如果能将它们各自的优势集中起来，可以弥补单一影像上信息的不足，这样不仅扩大了 各自信息的应用范围，而且大大提高了遥感影像分析的精度。近年来，遥感影像数据成 为国内外研究的热点，遥感影像融合方法快速发展，各种各样的方法不断出现，其主要 目的是通过对多幅影像间的冗余数据的处理来提高影像的可靠性，通过对多幅影像间互 补信息的处理来提高影像的清晰度。 2 2 多源遥感影像数据融合的目的及优越性 多源遥感影像数据融合通过集成和整合优势互补的遥感影像数据来提高数据信息 的可用程度，同时增加对研究对象的解译( 辨识) 的可靠性，其目的在于【7 - 8 】： 1 、提高空间分辨率：如用高分辨率的全色影像与低分辨率的多光谱影像进行融合， 4 长安人学硕士学位论文 在保留多光谱信息的同时，影像的空间分辨率得到提高，同时还可以利用不同时相影像 改善影像分辨率。 2 、增强目标特征：多传感器影像融合可以增强影像的解译能力并可以得到单一传 感器难以得到的增强特征信息。 3 、提高分类精度：多源数据可以提供相互补充的信息来对地面物体进行分类和解 析。 4 、动态监测：由于不同的遥感卫星平台回访周期不同，同一区域在不同的时间内 被不同的卫星重复观测，将不同时相的影像融合就可以得到某一地区的动态信息。 5 、信息互补：不同的影像传感器由于其观测功能的片面性，不能全面地反映地物 的整体信息，将不同类型或不同时相的传感器数据进行针对性融合可以进行信息互补。 多源遥感影像数据融合在以下几个方便显示出明显的优越性【7 一】： 1 、锐化影像； 2 、提高平面测图和几何纠正精度； 3 、为立体摄影测量提供立体观测能力： 4 、增加原单一数据源中不清晰的特征； 5 、互补的数据集用于改善分类精度； 6 、利用多时相数据进行变化检测，提高时相检测能力； 7 、降低模糊度，使算法性能更稳健； 8 、克服目标提取与识别中数据不完整性，提高解译能力； 9 、实现某一影像中丢失的信息用另一传感器影像数据来替换。 2 3 多源遥感影像融合的主要模式 影像融合处理已经广泛应用于影像增强，改善影像质量，变化检测，影像分类等方 面，并取得了显著的效果。目前，多源遥感信息融合技术主要集中于以下几种模式： 1 、多时相融合：多时相融合利用传感器在不同时间对相同区域成像进行融合处理， 从而综合在不同时相条件下获取的影像特征，达到增强影像，进行变化检测应用的目的。 2 、全色影像与多光谱影像融合：全色影像具有较高的空间分辨率，而多光谱影像 可以更精细地描述目标光谱。全色影像与多光谱影像融合既可以用全色影像的高分辨率 改善多光谱影像分辨率，又可以充分利用多光谱影像中特有的对目标某些独特特征的精 细描述，使融合影像包含更丰富的信息。 5 第二章多源遥感影像数据融合的理论基础 3 、光学影像与s a r 影像融合：s a r 具有全天候，全天时的工作能力，并且雷达对 地物又有一定的穿透力。基于这些特点，结合t m 影像光谱信息丰富的长处，对s a r 与光学影像进行融合处理，可以达到影像增强的目的。光学影像与s a r 影像融合既可 以利用常影像的高空间分辨率改善s a r 影像的分辨率，还能够增强s a r 影像的光谱信 息。同时，s a r 传感器的全天时全天候特性还能够克服光学影像受黑夜云层的制约，使 得阴影区的细节得到了反映，有利于目视判读。 4 、光学影像与红外影像融合：红外影像能在光线不足或全黑的条件下拍摄地面目 标和发现热源，可以全天时监视地面或空间目标。对光学影像与红外影像进行融合可以 有效地补偿光学影像对目标红外波段特性描述的缺陷，使融合影像包含更多的目标信 息。 2 4 多源遥感影像数据融合的层次、流程与方法 2 4 1 多源遥感影像数据融合的层次 由于有效利用了多个传感器资源提供信息的互补性，多传感器数据融合可以获得被 探测目标和环境更为全面的信息，对应于数据融合中的三个不同的信息层，即像素层、 特征层和决策层，信息融合也被分为三级即像素级( 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，信息融合可相应在三个 层次上进行，构成三种融合水平，融合的层次决定了对多源原始数据进行何种程度的预 处理，以及信息处理在哪个层次上实施融合。多源遥感信息数据融合层次如图2 1 所示。 多 传 感 器 影 像 预 处 理 特 征 提 取 策 数 据 关 联 像素级融合：复合后 影像及相关数据 特征级融合t 特征和 属性说明 决策级融合：高层态 势评估和属性说明 图2 1 融合层次的比较 l 、像素级融合( p i x e l l e v e lf u s i o n ) 像素级融合是将空间配准的多源遥感影像数据根据某种算法生成融合影像，然后对 6 长安大学硕士学位论文 融合的影像进行特征提取和属性说明。它是直接对各原始数据进行处理，是一种较低层 次的融合，其实现过程是直接在采集到的原始影像数据层进行的，即在可见光、红外、 s a r 影像等原始数据基础上进行数据的综合分析。像素级融合优点在于它尽可能多地保 持了景物的原始信息，能够提供其他两种融合层次所不具有的细微信息。但其也存在一 定的局限性，主要体现在：所要处理数据量大、代价较高；融合在信息最低层进行，对 传感器原始信息的不确定性、不完全性和不稳定性，要求在融合过程中有较高的纠错处 理能力；各传感器信息间的配准精度要求较高，要达到一个像素；分析能力差，不能实 现对影像的有效理解和分析；抗干扰性差。像素级融合过程如图2 2 所示。 l 影像l 融 像 i 影像2i 素 评合 级 价结 ； 融 果 l 影像nr - 一 合 图2 2 像素级融合 2 、特征级融合( f e a t u r e 1 e v e lf u s i o n ) 特征级影像融合是指从各个传感器影像中提取特征信息，并将其进行综合分析和处 理，以实现对多传感器数据的分类、汇集和融合，它是一种中间层次的融合。在进行融 合处理时，所关心的主要特征信息的具体形式和内容与多传感器影像融合的应用目的及 场合密切相关。通过特征级影像融合可以在原始影像中挖掘相关特征信息、增加特征信 息的可信度、排除虚假特征、建立新的复合特征等。其优点在于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。因此融合结果能最大限度地给 出决策分析所需要的特征信息。特征级融合过程如图2 3 所示。 图2 3 特征级融合 3 、决策级融合( d e c i s i o n l e v e lf u s i o n ) 7 第二章多源遥感影像数据融合的理论基础 决策级融合是一种更高层次的信息融合，其结果将为各种控制或决策提供依据。它 是指对每个影像的特征信息进行分类、识别等处理，形成了相应的结果后，进行进一步 的融合过程，最终的决策结果是全局最优决策。决策级融合的主要特点为：通信及传输 要求低、容错性高、数据要求低、分析能力强、能全方位有效反映目标及环境的信息， 满足不同应用的需要。由于对预处理及特征抽取有较高要求，所以决策级融合代价较高。 决策级融合过程如图2 4 所示。 图2 4 决策级融合 对于一般的数据融合过程，随着融合层次的提高，要求数据的抽象越高，对各传感 器的同质性要求低，对数据表示的统一性越高，数据转换量越大，同时系统的容错性增 强；而随着融合层次的下降，融合所保存的细节信息越多，但融合数据的处理量增大， 对融合使用的各数据间的配准精度要求高，并且融合方法对数据源及其特点的依赖性增 大，不易给出数据融合的一般方法。表2 1 对不同融合层次的特点进行了比较。 表2 1 融合层次比较 藕逖 像素级融合 特征级融合 决策级融合 信息量大中小 信息损失小 中 大 容错性 差中好 抗干扰性 差中好 实时性 差中好 融合水平 低 由 高 2 4 2 多源遥感影像数据融合的流程 多源遥感影像融合有三个核心的处理步骤，即影像预处理，影像融合和影像应用， 如图2 5 所示。 8 长安大学硕十学位论文 多光谱影像高分辨率影像 上上 几何纠正、噪卢去除 几何纠正、噪声去除 影像配准 ! 世 影像融合( 像素级特征级决策级融合) l i t 综合评价与应用 应用 图2 - 5 多源遥感影像数据融合流程 预处理主要针对输入的影像进行几何纠正、噪声消除及配准。几何纠正及噪声去除 的目的主要在于去除卫星扰动、地形起伏、地球曲率、地球旋转、天气变化、大气散射 反射等随机因素对成像结果的一致性的影响；而影像配准的目的在于消除不同传感器影 像在拍摄角度、时相及分辨率等方面的差异。在完成几何纠正、噪声消除及影像配准后， 下面将是真正的影像融合过程。通过影像融合，将大大减少或抑制被感知对象或环境解 释中可能存在的多义性、不完全性或不确定性，从而提高遥感影像分类、识别及解释的 能力，并用于不同的应用领域。由于遥感影像在时空方面的广度，对融合结果的综合评 价和应用也是一个非常复杂的过程。 2 4 3 常用的融合方法 多源遥感影像数据融合的关键就是融合方法。目前融合的方法有很多，不同融合层 次上融合方法也不同，表2 2 列出了几种像素级、特征级和决策级融合方法。 表2 2 不同层次上使用的融合方法 像素级特征级决策级 乘积变换法 b y e s i a n 法 基于知识的融合法 比值融合法 d e m p s t e r - s h a f e r 法d e m p s t e r - s h a f e r 法 高通滤波法熵法模糊集理论 i h s 变换法带权平均法可靠性理论 主成分分析变换法神经网络法 b y e s i a n 法 小波变换法 表决法神经网络法 9 第三章遥感影像数据融合的预处理技术 第三章遥感影像融合的预处理技术 多源遥感影像数据融合首先必须根据实际应用目的、融合方法和相关技术从现有影 像数据中选取合适的影像，并进行预处理。对遥感影像进行预处理的主要目的是，消除 各种原因所引起的影像畸变，使得地物与遥感影像像元保持正确的对应关系。整个预处 理过程应该包括数据格式的转换、几何校正【2 2 粕】、影像增强、影像配准等步骤，而且影 像预处理阶段的精度对最终融合影像的质量有直接的影响。本章将对几何校正、影像增 强与影像配准做简单的介绍。 3 1 几何校正 由于搭载传感器的飞机或卫星的飞行姿态、速度变化，卫星的俯仰、翻滚的影响， 以及地球的曲率和地球自转的影响，使得遥感影像在几何位置上发生了变换，产生了行 列不均匀，像元大小对应不准确，影像在总体上有平移、缩放、旋转、偏扭、弯曲的现 象，都是几何畸变。影像的接收部门根据遥感平台、地球、传感器的各种参数进行处理， 已经进行了首次的校正，用户则根据使用的目的的不同，可能需要进行进一步的校正。 遥感影像的几何校正的基本环节有两个：一是像素坐标的变换，二是像素值的重采 样。几何校正的主要过程如图3 1 所示： 准输影建变确影 逐的置 像的输后 备 入像 齑誓 定像 鑫待变 泰重 巍望 工 原 i e 数罄蔷 素位换 焘毳i e 像 作 始 图3 1 影像几何校正流程 1 、准备工作。包括影像数据、地图资料、大地测量成果、航天器轨道参数和传感 器姿态参数的收集与分析，所需控制点的选择和量测等。 2 、原始影像输入。按规定的格式将遥感影像用于专门的程序读入计算机。 3 、建立纠正变换函数。纠正函数用来建立影像坐标和地面坐标间的关系，即输入 影像与输出影像间的坐标关系。纠正函数可有多种选择：多项式方法、共线方程方法、 随机场内插方法等等。 4 、确定输出影像范围。校正后影像的边界范围，指的是在计算机存储器中为输出 影像所开出的存储空间的大小，以及该空间边界( 首行、首列、末行和末列) 的地图坐标 1 0 长安大学硕十学位论文 定义值。在图3 2 中，a 图为一幅原始影像( a b c d ) ，定义在影像坐标系0 一x y 中，b 图的 0 一灯是地图坐标系，( 口bc d ) 为校正后的影像，( a b c d ) 表示在计算机中为校正后 影像开出的存储范围及相应的地面位置。边界的确定是这样的：先把原始影像的四个角 点口，b ，c ，d 按第一步的校正函数投影到地图坐标系中，得到新点口。，6 ，c t , d 的地图坐标， 然后取其最小值( x 。，z ) 和最大值( x ：，k ) ，也即为c 和b 点的地图坐标，新影像的边界 就确定了；为了把该边界范围转换为计算机中校正后影像的存储数组空间，必须在其中 划分出格网，每个网点代表一个输出像素，以边界范围左上角a 点为输出数字影像的坐 标原点，以a c 边为x 坐标轴，表示影像行号，以a b 边为y 坐标轴，表示影像列号， 并根据像元分辨率求出总的行列数；最后把变换后像元的地图坐标( x ，y ) 转换为输出影 像坐标( r ，y ) 。 叠原始影像b 校正影像 图3 2 校正数字影像的边界范围 5 、像元几何位置变换。像元几何位置变换是按选定的纠正函数把原始的数字影像 逐个像元地变换到输出影像相应位置上去，变换方法分直接纠正法和间接纠正法，如图 3 3 所示。 直接法纠正：是指从原始影像上的像点坐标出发，按下式求出纠正后的影像上的像 点坐标。 肛繁，皇 (31)y 1 = c g ，y ) p j ， 然后将原始影像上像点( x ，y ) 处的灰度值赋给纠正后的影像上( x ，y ) 处的像点，式 中只和e 为直接纠正的坐标变换函数。 第三章遥感影像数据融合的预处理技术 图3 3 直接法和间接法纠正方案 使用该方法，会造成原始影像上排列整齐等间隔的灰度像元纠正到新的影像上就会 变得有漏缺像点，所以我们一般不采用直接法。 间接法纠正：是从纠正后影像上像点坐标出发，按下式求出原始影像上的像点坐标。 仁三善爱 ( 3 2 ) 然后将原始影像上像点( x ，y ) 处的灰度值赋给纠正后的影像上( x ，y ) 处的像点，这 样保证了最后纠正影像具有规律性。式中q 和q 为间接纠正的坐标变换函数。 6 、像元的灰度重采样。一般来说，纠正后的影像阵列中像元坐标不为整数，需要 对影像进行重采样。常用的重采样方法有： ( 1 ) 最近邻域法 重采样点p 的灰度值取其周围四点中离它最近的那个像元的灰度值，即： 其中： d ，= d 。 k = i n t ( x ，+ o 5 ) 1 y 。= 胛( y p + o 5 ) ( 3 3 ) ( 3 4 ) 这种方法计算简便，一般情况下能得到可用的结果，但当影像相邻像元之间的灰度 值变化剧烈时，这种方法将带来很大的误差。 ( 2 ) 双线性插值法 重采样点p 的灰度值是它周围四个像元灰度值的加权和，权系数由p 点到周围像点 的距离值构成。即： 1 2 长安人学硕士学位论文 q = b 舡讲匮 缈o ，= 1 0 h 。贡兰手1 ( 3 5 ) ( 3 6 ) 图3 4 双线形内插法 其中：x 、y 为p 点到像素点1 1 间距离在x 和y 方向上的投影，d i j 为像素点i j 的灰度值。双线性插值的精度和运算量都比较适中。 ( 3 ) 双三次卷积法 重采样点p 的灰度值是它周围1 6 个像元的灰度值的加权和，权系数由p 点到周围 像点的距离值构成。即： d p = b ( 1 + 缸) 国( 缸) 缈( 1 一血) 国( 2 一血) 】 砌：瞄 o h 1 一1 1 3l - i t l 2 1 3 缈( 1 + 缈) 国) 国( 1 一缈) 缈( 2 一缈) ( 3 7 ) ( 3 8 ) ，川 珊 缈砸 一 一 口历 4 4 4 4仇虏髓仉 ， 3 3 3 所虏肪历 珧如现耽一 肌砌跏肌 3 ”r i ，j + + 。_ l 2 】【 。 z 一 函 一 l 2 rt 第三章遥感影像数据融合的预处理技术 图3 5 二次卷积法( y 方向权函数未画) 其中：重采样点p 的最近像素点为2 2 ，像素之间的间隔为1 ，) 【、y 为p 点到像 素点1 1 间距离在x 和y 方向上的投影，d i j 为像素点i j 的灰度值。三次卷积法精度较高， 缺点是运算量很大。 7 、输出纠正影像。可以利用影像输出装置直接从计算机产生各种形式的输出影像， 也可以把数字影像记录在磁介质或刻录到光盘上以供他用。 3 2 影像增强 将原来不清晰的影像变得清晰或突出某些特性，同时抑制某些特征的影像处理方法 称为影像增强。影像增强处理的目的是突出影像中的有用信息，扩大不同影像特征( 例 如灰度或不同的颜色) 之间的差别，以便提高对影像的解译和分析能力，使之更适合实 际应用。常用的影像增强方法有线性变换、直方图均衡化、非线性变换( 分段线性变换) 三种，其处理方法分别如下【2 7 ，2 8 】： 1 、线性变换：把遥感影像的亮度值范围扩展到整个显示值范围 0 ，2 5 5 ，故得出的 影像浅色调区呈现为更浅，而暗色调区呈现得更深暗。这样就把相似的影像数据值显示 为可辨别的不同色调。 2 、直方图均衡化：使影像中等亮区的对比度得到扩展，相应原影像中两端亮区r 高 亮度区、低亮度区) 对比度受到压缩。 3 、非线性变换：把遥感影像的亮度值范围分成多个区段，按区段进行不同程度的 线性变换( 参照各种地类直方图定出不同的权重) 。这可以增强特定亮度值区内目标影像 的对比度( 如河流、道路、农田、植物间的对比度) ，以便判读。 除上述三种常用方法之外，还有很多种影像增强方法，例如滤波、微分、卷积处理、 比值和差值处理等。实际应用中，根据不同的项目要求、地物特征以及得到的影像选择 不同的处理方法。 3 3 影像配准 影像配准是指从不同的传感器、不同时间、不同角度获得的两幅或多幅影像进行的 最佳匹配1 。其中的一幅影像称为参考影像，其他影像以它为基准进行配准。在影像融 合中，如果待融合的影像之间没有精确的配准，那么同一地物在不同的影像中的对应关 系就会有一定的偏差，这将影响影像信息的提取、比较、分析，使得融合质量和准确度 1 4 长安大学硕士学位论文 将大大降低。通常影像融合之前要求待融合影像的配准精度在一个像素之内，而且在各 项预处理过程中，影像配准精度对融合影像的质量影响最为显著。 配准一般包括两个步骤：第一步是选择足够数量的配准控制点，这些控制点要求数 量足够且分布均匀，这样才能达到好的效果；第二步是将待匹配的两幅影像中的一幅作 为参考影像，另一幅作为配准影像，把配准影像变换之后与参考影像进行配准以便比较 和分析。目前，这两步工作尤其是第一步主要依靠人工或半自动化来完成，正在努力实 现自动配准。 3 4 影像像素级融合直方图匹配 为了在保持多光谱影像的基础上，提高空间分辨率。在像素级多波段影像融合中， 对高空间分辨率影像的直方图进行修正是一个必不可少的操作。 具体说来，直方图匹配就是首先把原影像的直方图变换为某种特定形态的直方图， 然后按照该直方图来调整原影像各像素的灰度级，最后得到一个直方图匹配的影像。在 融合全色高空间分辨率影像和多光谱影像时，由于两者像素灰度明显不同，如果不进行 直方图而直接融合就会造成光谱的丢失，因此有必要在融合之前，进行灰度直方图的匹 配。 1 5 第四章像素级多源遥感影像融合技术 第四章像素级多源遥感影像融合技术 像素级多源遥感影像融合是指采用基于像素的融合方法，获得多源遥感信息的融合 影像。像素级多源遥感影像融合是最重要、最根本的影像融合方法。本章给出了像素级 多源遥感影像数据融合的概念、影像数据的选择，然后较全面地探讨了几种融合方法及 其特剧3 0 川3 2 1 ，最后阐述了融合影像后处理及评价融合影像质量的标准。 4 1 像素级多源遥感影像融合技术概述 4 1 1 像素级多源遥感影像融合的概念 像素级多源遥感影像融合是指采用某种算法将覆盖同一地区( 或对象) 的两幅或多幅 空间配准的影像生成满足某种要求的影像的技术，它是多源遥感影像数据融合的内容之 一，是富集多源遥感影像信息的重要技术手段之一。由于输入输出的数据都是影像，因 此又称为多源遥感影像融合或影像复合。 4 1 2 遥感影像融合前影像数据的选择 由于受传感器技术、卫星重复周期、气象条件等多种因素的限制，往往不能实时获 取满足实际应用要求的遥感影像，通常是将现有的多传感器、多光谱、多时相和多分辨 率影像有选择地结合起来分析影像融合来达到目的。影像数据的合理选择是多源遥 感影像融合的前提和基础，有利于减少处理时间，获得最佳融合结果，满足实际应用的 要求，避免盲目性。影像数据的选择不仅取决于实际应用目的和采用的融合技术，而且 与卫星和传感器特性有关