基于數據融合的遙感圖象處理技術

宋曉玲 蘇海紅

摘 要隨著不斷增多的遙感應用獲取數據。從單一可見光傳感器發展至今，傳感器的種類也越來越多，如光譜、紅外、雷達以及高光譜等，從而在數據量的獲取上也越來越多。但是隨著數據信息的不斷增多，也讓更多的數據使用者在進行數據處理上不得不設計出更加有效的數據處理系統，只有這樣才能讓更加有用、更加精簡、更加高質量的信息能夠提取出來。本文通過對數據融合的框架結構和融合方法進行分析，并在此基礎上探討了這些數據融合方法在遙感圖象處理中的應用。

【關鍵詞】數據融合 遙感圖象處理技術 應用探討

所謂數據融合就是指讓諸多具有互補性和冗余性的數據，在沖破單獨就某一個傳感器數據進行的傳統處理分析的約束后，將這些數據當成一個整體來進行綜合利用，以便能夠將更加精煉的信息結構給提取出來，將決策依據提供給人為決策或人工智能決策系統的一種新興技術。數據融合技術所涉及的領域非常廣泛，它通過對諸多方法和數學統計工具進行運用，將譜分析以及可靠性等理論融合貫徹進來。數據融合的發展是伴隨著多傳感器數據處理方法而產生的，其廣泛應用于遙感圖象處理、工業過程監控以及機器人視覺等多個領域。隨著人們對高質量圖象的需求，致使數據融合技術逐漸的和遙感圖象技術開始融合到一起。

1 數據融合的框架

數據融合技術應用最早、最普遍的領域就是遙感應用，遙感數據融合處理單元結構通過在數據融合引擎中對多源傳感器傳輸過來的數據，借助于相關算法來進行處理，同時以相關處理過的外部輔助信息和知識為基礎，以此來讓融合處理的精確度得到提升。融合處理后的結果不但能夠應用于決策中進行使用，而且還能夠當成輔助信息向融合處理過程中進行反饋，從而促使融合系統能夠對融合處理進行自動優化。在遙感數據融合處理單元結構中，數據融合引擎以及其內部諸多算法是主要核心所在。由于數據融合一般都在不同層次上進行應用研究和設計，因此，從不同的融合層次上可以將其大致分為三種，分別是像素層融合、決策層融合以及特征層融合。

2 數據融合方法

2.1 像素層數據融合

基于像素的數據融合大都是以初始圖象數據為基礎，讓圖象增強、分割以及分類是其主要目的，只有這樣才能將更佳的輸入信息提供給人工判讀圖象或者特征層的進一步融合。在三級融合層中像素層融合在我國是研究最成熟的一級，豐富且有效的融合算法已經形成。一般像素融合大都會采取三種方法：

2.1.1 色彩變換方法

這種方法是對數據的可能性運用不同的色彩通道進行表示，從而實現數據融合，主要有IHS方法。這種方法是將人類感知的彩色圖象轉化成空間和譜信息。主要有兩種轉化方法，一種是將圖象的三個色彩通道直接和IGS進行對應；另一種是將三個色彩通道向一個IHS色彩空間進轉化，然后按平均亮度來劃分著整個的色彩空間，以此來分別表示I、H、S。在圖象分析中，這種方法已成為一種標準過程，能夠在高度相關圖象的色彩增強、特征增強以及圖象空間分辨率改善等融合處理上進行運用。

2.1.2 統計和數字方法

它是借助于對數學或其他符號進行運用，讓不同波段的圖象數據得到組合，主要有PCA方法和PCS方法。這種方法是將內部相關變量表示的數據集進行轉化，將其變成初始變量線性組合的非相關數據集，然后在融合置換處理它的主成分。PCA法主要是在圖象融合、編碼增強以及數據壓縮和圖象變化檢測等方面上運用，它需要對數據集的主要部分進行計算，并將其協方差或方差矩陣給解出來。

2.1.3 多分辨分析方法

通過對不同變換尺度進行運用，來分解、融合以及恢復任意尺度的圖象數據，主要有HPF以及WT等方法。HPF方法主要是通過高通濾波圖象數據，獲得的結果會和點、線、脊以及邊緣等特征一一相應，然后在以一定的取舍標準將這些特征數據融合到低分辨率的圖象，從而讓更加好的空間分辨率得以獲取。

2.2 特征層數據融合

在對信息提供上，像素層比較有限，例如：在分類處理圖象時，單單運用圖象的像素值的分類結果，存在有限精度，但是對圖象中目標特征信息進行運用，則能夠讓分類精度得到顯著提升。隨著不斷增長的對地觀測數據量以及不斷提升的圖象分辨率，用戶的靜態非實時信息需求逐漸轉化成動態實時，很多用戶都開始需要基于遙感數據實時處理的目標檢測、變化檢測以及目標識別等應用。像素層融合后的結果依舊還是圖象信息，因此就需要用戶進行人工判讀，但是由于有些信息相應經過人工判讀出來具有一定難度，而很多圖象又具有較大的數據量，而且這些數據中大多數都沒有太多有用信息，如果進行處理和傳輸，必定會浪費大量時間和資源。而對數據進行特征層和決策層融合處理則就能夠很好的解決這個問題。

在進行特征層融合前需先對圖象中感興趣的區域和目標進行檢測，然后在分割處理這些區域和目標，并將目標的諸多特征給提取出來。接著在融合處理多傳感器或多時相數據，以此來讓圖象中目標的特征空間得到進一步縮小，讓部分特征的不確定性得以消除。

2.3 決策層數據融合

數據融合的最高層次就是決策層融合，通過決策層融合的結構能夠直接成為決策要素來實施相應行為，并且還能夠讓決策者直接提供決策參考。決策層融合方法主要有基于辨識和基于知識的兩種決策融合方法。基于辨識法是通過將一定的假設前提進行設定，然后將目標的概率模型建立起來，從而實施目標分類，其中最為常見的方法有MAP方法、ML方法以及BC方法等。而基于知識的決策層融合方法，則是通過運用邏輯模板和句法上下文知識來對數據進行描述和融合，比較常見的有，基于神經網絡的方法、基于專家知識的方法以及基于模糊邏輯的方法等。

3 總結

總而言之，數據融合技術的主要基礎是信號處理、控制理論以及人工智能等，隨著社會的發展，這種技術也得到了不斷發展和創新，其應用也越來越廣泛。尤其是在遙感數據處理中，通過數據融合技術，不但能夠獲取到較為理想的效果，而且還能夠有效改善數據處理的性能。

參考文獻

[1]楊為民，陳寧.遙感圖象彩色融合問題中的彩色融合約束方程及其近似解[J].數字技術與應用，2011，09：214-216.

[2]王愛軍，吳景坤.計算機遙感圖象復合配準處理技術在崩塌發展變化特征研究中的應用[J].鐵路航測，2015，04：30-33.

[3]郭躍宏，閻民正，白曉勤，秦長源，范雪芳.試談衛星遙感（熱紅外）技術在山西地震重點監視防御區的應用[J].山西地震，2011，03：3+5+7+9+11+4+6+8+10+.

[4]潘劍君，鄒軍.運用TM遙感圖象監測揚中市土地利用狀況的變化[J].南京農業大學學報，2013，02：50-54.

作者單位

泰山職業技術學院 山東省泰安市 271000