數據融合的方法研究

㈠ 數據融合技術的發展狀態

1．數據融合技術還處於初級發展階段，迫切需要在理論和實現技術上進行開拓性研究。我們雖然起步很晚，但可以借鑒國外的已有成果和經驗，力爭在目標相關、跟蹤識別、融合演算法等基礎理論上有所突破，並著手建立我國的C[3]I系統數據融合模型。
2．我國已相繼建立了一批自動化指揮系統，但基本上都是對單一類型的感測器信息進行綜合處理。在戰術C[3]I系統中雖已具備多類信息的收集手段，但只是按類分別進行數據融合，而不能進行統一的融合處理。加之最近幾年我國裝備部隊的感測器種類越來越多，對於多平台多種類感測器的數據融合技術的研究已勢在必行。特別需要盡快解決獲取多種類多平台感測器的感測器元素、分類航跡元素、識別分析元素、數據融合報告等融合元素，以及如何利用融合元素來優化有效的情報數據、得到准確可靠的信息、作出及時正確的決策和如何在數據融合系統中使用專家系統的方法等關鍵技術問題。
3．制訂切實可行的數據融合科技發展規劃。既要考慮我國的經濟實力、現有技術水平和我軍裝備應用需求，又要著眼於未來的科技發展和未來戰爭的需要。統一規劃，選定目標，有選擇、有重點地適度投入必需的財力和人力，避免過分分散，攤子鋪得過大，短期內搞不出應有成果等弊端。

㈡ 遙感數據融合詳細步驟，急急急，做論文的！！！！

一、資料的收集與分析 遙感制圖所需的資料范圍較廣，一般需要收集如下資料
1、編制地區的普通地圖 、 （1）比例尺最好與成圖比例尺一致或稍大於成圖比例尺 （2）選用面積變形較小的地圖投影
2、遙感資料 後幾年的影像 在選擇遙感圖像時，要遵循以下幾個原則：
（1）空間解析度及制圖比例尺的選擇 空間解析度指像素 代表的地面范圍的大小，即掃描儀的瞬時視場或地面物體能分辨的最小單元。 空間解析度指像素所代表的地面范圍的大小，即掃描儀的瞬時視場或地面物體能分辨的最小單元的地面范圍的大小 由於遙感制圖是利用遙感圖像來提取專題制圖信息的，因此在選擇遙感圖像空間解析度時要考慮以 下兩點要素：一是判讀目標的最小尺寸，二是地圖成圖比例尺。遙感圖像的空間解析度與地圖比例尺有 密切關系：空間解析度越高圖像可放大的倍數越大，地圖的成圖比例尺也越大。 遙感圖像的比例尺應與成圖比例尺一致或象片比例尺稍大於成圖比例尺，這樣可以避免成圖比例尺 大尺度變換的繁瑣技術問題。但對於專題要素的判讀、分類、描繪來說，往往要選擇大於地圖比例尺的 象片為宜。
（2）波譜解析度與波段的選擇 波譜解析度是指感測器在接受目標輻射的波譜時能分辨的最小波長間隔。間隔越小，解析度越高。 波譜解析度是指感測器在接受目標輻射的波譜時能分辨的最小波長間隔。間隔越小，解析度越高。 是指感測器在接受目標輻射的波譜時能分辨的最小波長間隔 波譜解析度，是由感測器所使用的波段數目，也就是選擇的通道數，以及波段的波長和寬度所決定。各 遙感器波普解析度在設計時， 都是有針對性的， 多波段的感測器提供了空間環境不同的信息。 TM 為例： 以 TM1 藍波段：對葉綠素和夜色素濃度敏感，用於區分土壤與植被、落葉林與針葉林、近海水域制圖。 TM2 綠波段：對無病害植物葉綠素反射敏感 TM3 紅波段：對葉綠素吸收敏感，用於區分植物種類。 TM4 近紅外波段：對無病害植物近紅外反射敏感，用於生物量測定及水域判別。 TM5 中紅外波段：對植物含水量和雲的不同反射敏感，可判斷含水量和雪、雲。 TM6 遠紅外波段：作溫度圖，植物熱強度測量 TM 圖象的性質 波段 1 2 3 4 5 6 7 光譜范圍 （微米） 0.45—0.52 0.52—0.60 0.63—0.69 0.76—0.90 1.55—1.75 10.4—12.5 2.08—2.35 光譜性質 藍 綠 紅 近紅外 中（近）紅外 熱（中）紅外 中紅外 地面分辨 率（米） 30 30 30 30 30 120 30 主 要 應 用 地壤與植被分類 健康植物的綠色反射率 探測不同植物的葉綠素吸收 生物量測量，水體制圖 植物濕度測量，區分雲與雪 植物熱強度測量，其它熱制圖 水熱法制圖，地質采礦 包括航空象片、衛星象片及它們的底片和磁帶、航空象片鑲輯圖、若為動態監測還需要前
（3）時間解析度與時相的選擇 遙感圖像是某一瞬間地面實況的記錄，而地理現象是變化、發展的。因此，在一系列按時間序列成像的 遙感圖像 多時相遙感圖像中，必然存在著最能揭示地理現象本質的「最佳時相」圖像 把感測器對同一目標進行重復探測時， 相鄰兩次探測的時間間隔稱為遙感圖像的時間解析度。 Landsat 如 1、2、3 的圖像最高時間解析度為 18 天，Landsat4、5、7 為 16 天，SPOT-4 為 26 天，而靜止氣象衛星的 時間解析度僅為半小時。 遙感圖像的時間解析度對動態監測尤為重要。如：天氣預報、災害監測等需要短周期的時間解析度，因 此常以「小時」為單位。植物、作物的長勢監測、估產等需要用「旬」或「日」為單位。 顯然只有氣象衛星的圖像信息才能滿足這種要求；研究植被的季相節律、農作物的長勢，目前以選擇 landsat-TM 或 SPOT 遙感信息為宜。
3、其他資料 土地現狀圖、土地利用報告 、編圖地區的統計資料、政府文件、地方誌等
二、確立專題要素的分類系統
三、遙感圖像處理
1、遙感圖像處理方法的選擇 、
（1）光學處理法 常用的方法有：假彩色合成（加色法、減色法）、等密度分割、圖像相關掩膜。
（2）數字圖像校正 方法：輻射校正、幾何校正
（3）數字圖像增強的方法：
A. 對比度變換
B.空間濾波：是指在圖像空間或空間頻率對輸入圖像應用若干濾波函數而獲得改進的輸出圖像的技術。 空間濾波 常用的空間濾波的方法有：平滑和銳化。 ：平滑和銳化 平滑：圖像中出現某些亮度變化過大的區域，或出現不該有的亮點（「雜訊」）時，採用平滑的方法可以減小變化， 平滑 使亮度平緩或去掉不必要的「雜訊」點。具體方法有：均值平滑、中值濾波 均值平滑、 均值平滑 銳化：為了突出圖像的邊緣、線狀目標或某些亮度變化率大的部分，可採用銳化方法。常用的幾種方法：羅伯特 銳化 梯度、索伯爾梯度、拉普拉斯演算法、定向檢測
C.彩色變換 彩色變換就是將黑白圖像轉換成彩色圖像的方法。主用的方法有單波段彩色變換、多波段彩色變換、 彩色變換: 彩色變換 HLS 變換等。
D.圖像運算
E.多光譜變換 多光譜變換: 多光譜變換 兩幅或多幅單波段影像，完成空間配准後，通過一系列運算，可以實現圖像增強，達到提取某些信息 或去掉某些不必要信息的目的。方法：差值運算、比值運算 多光譜變換就是指用某種變換把信息集中於較少（一般為 3 個）波段內。常用的方法有：主成分分 主成分分 變換） 纓帽變換（ 、纓帽變換 變換） 、沃爾什—哈達瑪變換、傅立葉變換、植被指數變換、斜變 析（K-L 變換） 纓帽變換（K-T 變換） 、 換、餘弦變換等等。 主成分分析（ 變換） 主成分分析（K-L 變換）的主要特性有二： a．能夠把原來多個波段中的有用信息盡量集中到數目盡可能少的新的組分圖像中。 b．還能夠使新的組分圖像中的組分之間互不相關，也就是說各個組分包含的信息內容是不重疊的。 K-L 變換的缺點 的缺點是不能排除無用以至有礙的雜訊和干擾因素。 的缺點 纓帽變換（ 變換） ：它是 Kauth 和 Thomas（1976 年）通過分析 MSS 圖像反映農作物或植被生長過程的數據結 纓帽變換（K-T 變換） 構後，提出的正交線性變換。 K-T 變換的特點：a．能夠把原來多個波段中的有用信息壓縮到較少的新的波段內。 b．要求新波段正交或近似正交。 c．分離或削弱無用的干擾因素。 （4）多源信息復合 ）

四、遙感圖像的判讀
1、遙感圖像目視判讀 遙感圖像的判讀標志：
遙感圖像的判讀標志：是指圖像上反映出的地物和現象的圖像特徵，是以深淺不同的黑白色調（灰階） 或不同的色彩構成的各種各樣圖形現象出來的。 遙感圖像的判讀標志可概括為：顏色、形狀、空間位置 ：顏色、形狀、 顏色——色調、 顏色、 顏色——色調、 顏色、陰影 ——色調 形狀——形狀、紋理、 大小 、 形狀 、 位置——位置、圖型、相關布局 位置
2、目視解譯的方法
（1）直接判讀法（2）對比分析法 （3）信息復合法（4）綜合推理法（5）地理相關分析法 （1）直接判讀法：是根據遙感影像目視判讀直接標志，直接確定目標地物屬性與范圍的一種方法。 直接判讀法 例如，在可見光黑白像片上，水體對光線的吸收率強，反射率低，水體呈現灰黑到黑色，根據色調可以從影像 上直接判讀出水體，根據水體的形狀則可以直接分辨出水體是河流，或者是湖泊。在 MSS4、5、7 三波段假彩色影 像上，植被顏色為紅色，根據地物顏色色調，可以直接區別植物與背景。 （2）對比分析法 此方法包括同類地物對比分析法、空間對比分析法和時相動態對比法。 A.同類地物對比分析法 同類地物對比分析法是在同一景遙感影像上，由已知地物推出未知目標地物的方法。 同類地物對比分析法 B.空間對比分析法 空間對比分析法是根據待判讀區域的特點，選擇另一個熟悉的與遙感圖像區域特徵類似的影像，將兩個影像相互 空間對比分析法 對比分析，由已知影像為依據判讀未知影像的一種方法。 C.時相動態對比法，是利用同一地區不同時間成像的遙感影像加以對比分析，了解同一目標地物動態變化的一種解 .時相動態對比法 譯方法。 （3）信息復合法：利用透明專題圖或者透明地形圖與遙感圖像重合，根據專題圖或者地形圖提供的多種輔助信息， 信息復合法 識別遙感圖像上目標地物的方法。 （4）綜合推理法：綜合考慮遙感圖像多種解譯特徵，結合生活常識，分析、推斷某種目標地物的方法。 綜合推理法 （5）地理相關分析法：根據地理環境中各種地理要素之間的相互依存，相互制約的關系，藉助專業知識，分析推斷 地理相關分析法 某種地理要素性質、類型、狀況與分布的方法。

3、目視解譯的基本步驟 （1）准備工作 •選擇合適波段與恰當時相的遙感影像 •相關專題地圖的准備 •工具材料准備 •熟悉地理概況 •確定專題分類系統 （2）室內初步解譯與判讀區的野外考察 室內建立初步判讀標志 •初步解譯的主要任務是掌握解譯區域特點，確立典型解譯樣區，建立目視解譯標志，探索解譯方法，為全面解譯 奠定基礎。 •在室內初步解譯的工作重點是建立影像解譯標准，為了保證解譯標志的正確性和可靠性，必須進行解譯區的野外 調查。野外調查之前，需要制定野外調查方案與調查路線。 野外考察驗正判讀標志 在野外調查中，為了建立研究區的判讀標志，必須做大量認真細致的工作，填寫各種地物的判讀標志登記表， 以作為建立地區性的判讀標志的依據。在此基礎上，制訂出影像判讀的專題分類系統，根據目標地物與影像特徵之 間的關系，通過影像反復判讀和野外對比檢驗，建立遙感影像判讀標志。 （3）室內詳細判讀 在詳細判讀過程中，要及時將解譯中出現的疑難點、邊界不清楚的地方和有待驗證的問題詳細記錄下來，留待野 外驗證與補判階段解決。 （4）野外驗證與補判 野外驗證指再次到遙感影像判讀區去實地核實解譯的結果。主要內容包括兩方面： •檢驗專題解譯中圖斑的內容是否正確。 •驗證圖斑界線是否定位準確，並根據野外實際考察情況修正目標地物的分布界線。 （5）目視解譯成果的轉繪與制圖 遙感圖像目視判讀成果，一般以專題圖或遙感影像圖的形式表現出來。

五、遙感圖像計算機解譯
圖像分類方法 監督分類
1.(1) 最小距離法 最小距離法（minimum distance classifier） •以特徵空間中的距離作為像素分類的依據。 •在遙感圖象上對每一類別選取一個具有代表意義的統計特徵量；計算待分像元與已知類別之間的距離，將其歸 屬於距離最小的一類。 •最小距離分類法原理簡單，分類精度不很高，但計算速度快，它可以在快速瀏覽分類概況中使用。
(2) 分級切割分類法 分級切割分類法（multi-level slice classifier） 多級切割法（multi-level slice classifier）是根據設定在各軸上的值域分割多維特徵空間的分類方法。
(3) 特徵曲線窗口法 •特徵曲線窗口法分類的依據是：相同的地物在相同的地域環境及成像條件下，其特徵曲線是相同或相近的，而不 同地物的特徵曲線差別明顯。 •特徵曲線窗口法分類的效果取決於特徵參數的選擇和窗口大小。各特徵參數窗口大小的選擇可以不同，它要根據 地物在各特徵參數空間里的分布情況而定。
(4) 最大似然法 最大似然法（maximum likelihood classifier） •地物圖象可以以其光譜特徵向量 X 作為亮度在光譜特徵空間中找到一個相應的特徵點，來自於同類地物的各種特 征點在特徵空間中將形成一種屬於某種概率分布的集群。 • 判別某一特徵點類屬的合理途徑是對其落進不同類別集群中的條件概率進行比較， 相應於條件概率大的那個類別， 應是該特徵點的歸屬。

2、監督分類步驟
（1）選擇有代表性的訓練場，確定各類地物的范圍界線。
（2）對各類地物光譜值統計，提取各地物的數值特徵。
（3）確定分類判別函數：最小距離法、馬氏距離法等。
（4）分類參數、閾值的確定；各類地物像元數值的分布都圍繞一個中心特徵值，散布在空間的一定范圍，因此需要 給出各類地物類型閾值，限定分布范圍，構成分類器。
（5）分類：利用分類器分類。
（6）檢驗：對初步分類結果精度進行檢驗（分類精度、面積精度、位置精度等） 對分類器進行調整。
（7）待分類影象分類。
（8）分類結果的矢量化。
非監督分類 前提：遙感影象上同類物體在同樣條件下具有相同的光譜信息特徵，依靠影象上不同類地物光譜信息（或紋理信息） 進行特徵提取，再統計特徵的差別來達到分類的目的，最後對已分出的個別類進行確認。 非監督分類方法是在沒有先驗類別（訓練區）作為樣本的條件下，即事先不知道類別特徵，主要根據像元間相似度 非監督分類方法 的大小進行歸類合並（將相似度大的像元歸為一類）的方法。主要有： （1）分級集群法（2）動態聚類法
第二節 從影像生成專題地圖
一、目視解釋的專題地圖
（1）影像預處理 包括遙感數據的圖像校正、圖像增強，有時還需要實驗室提供監督或非監督分類的圖像。
（2）目視解譯 經過建立影像判讀標志，野外判讀，室內解譯，得到繪有圖斑的專題解譯原圖。
（3）地圖概括 按比例尺及分類的要求，進行專題解譯原圖的概括。專題地圖需要正規的地理底圖，所以地圖概括的同時也進行圖斑向地理底圖的轉繪。
（4）地圖整飾 在轉繪完專題圖斑的地理底圖上進行專題地圖的整飾工作。
二、數字圖像處理的專題制圖
（1）影像預處理 同目視解譯類似，影響經過圖像校正、圖像增強，得到供計算機分類用的遙感影像數據。
（2）按專題要求進行影像分類。
（3）專題類別的地圖概括 包括在預處理中消除影像的孤立點，依成圖比例尺對圖斑尺寸的限制進行柵格影像的概括。
（4）圖斑的柵格/矢量變換。
（5）與地理底圖疊加，生成專題地圖。
三、遙感系列制圖
系列地圖，簡單說就是在內容上和時間上有關聯的一組地圖。我們所討論的系列地圖，是指根據共同的制圖目的，利用同一的制圖信息源，按照統一的設計原則，成套編制的遙感專題地圖。
地理底圖的編製程序：採用常規的方法編制地理底圖時，首先選擇制圖范圍內相應比例尺的地形圖，進行展點、鑲嵌、照像，製成地圖薄膜片，然後將膜片蒙在影像圖上，用以更新地形圖的地理要素。經過地圖概括，最後製成供轉繪專題影像圖的地理底圖，其比例尺與專題影響圖相同。
遙感系列制圖的基本要求
1.統一信息源
2.統一對制圖區域地理特徵的認識
3.制定統一的設計原則
4.按一定的規則順序成圖

㈢ 怎麼寫開題報告《多感測器數據融合系統中數據預處理的研究》擬採用的研究手段怎麼寫文獻綜述怎麼寫

應該先找相關的文獻，仔細閱讀。寫出別人都用什麼方法實現過。找去已有方法的問題或缺陷，提出改進的方法，或者是換一種處理方法。這樣擬採用的研究手段也就有了。

㈣ 無線感測器網路數據融合方法

數據融合是data fusion，一般是有單平台多感測器數據融合和多平台單感測器數據融合，還有多平台多感測器融合，是對數據的信息處理，利用信息的冗餘增強對信息的充分利用。
而數據匯集是data collection，一般只是匯聚，統計分析處理，沒有用到數據信息的相互關系相互冗餘以及信息的互補性，不能對信息加以很好的利用。

以上只是簡單的理解，具體的我想你看看數據融合的書就可以了。其實這里的回答有時沒有什麼參考意義，去一些專業的網站或論壇找找看吧。

㈤ wsn數據融合的主要方法有哪些

傳器(英文名稱:transcer/sensor)種檢測裝置能受測量信息並能受信息按定規律變換電信號或其所需形式信息輸滿足信息傳輸、處理、存儲、顯示、記錄控制等要求
傳器特點包括:微型化、數字化、智能化、功能化、系統化、網路化實現自檢測自控制首要環節傳器存發展讓物體觸覺、味覺嗅覺等官讓物體慢慢變起通根據其基本知功能熱敏元件、光敏元件、氣敏元件、力敏元件、磁敏元件、濕敏元件、聲敏元件、放射線敏元件、色敏元件味敏元件等十類

㈥ 數據融合技術的概念由來

數據融合的概念雖始於70年代初期，但真正的技術進步和發展乃是80年代的事，尤其是近幾年來引起了世界范圍內的普遍關注，美、英、日、德、意等發達國家不但在所部署的一些重大研究項目上取得了突破性進展，而且已陸續開發出一些實用性系統投入實際應用和運行。不少數據融合技術的研究成果和實用系統已在1991年的海灣戰爭中得到實戰驗證，取得了理想的效果。
我國「八五」規劃亦已把數據融合技術列為發展計算機技術的關鍵技術之一，並部署了一些重點研究項目，盡可能給予了適當的經費投入。但這畢竟是剛剛起步，我們所面臨的挑戰和困難是十分嚴峻的，當然也有機遇並存。這就需要認真研究，針對我國的國情和軍情，採取相應的對策措施，以期取得事半功倍的效果。

㈦ Quickbird全色與多光譜數據融合方法的比較研究

陳於林 蒲體信

（四川省國土勘測規劃研究院，成都，610031）

摘要：目前商用的高解析度影像Quickbird 能提供 0.61m的全色波段數據和 2.44m的多光譜數據，因此如何利用全色波段數據和多光譜數據進行融合以提高影像質量是目前遙感影像處理中最關鍵的一步。本文從光譜質量和空間信息角度分別對5種融合方法進行了比較研究，綜合評價結果是合成比值變數變換最適合於 Quickbird影像多光譜數據和全色數據的融合。

關鍵詞：Quickbird；影像融合；比較評價

影像融合技術在近10年發展較快，成為遙感應用研究領域的重要主題。Pohl和Van Genderen對遙感影像融合的概念、方法和應用進行了較為全面的總結^［1］。大量研究工作圍繞銳化影像、提高幾何校正精度、改善分類精度以及變化監測等領域展開。在遙感領域應用較多的融合方法有IHS變換、主成分分析、Brovey （顏色歸一化）變換、小波變換以及最近發展修改的合成比值變數變換，目前對融合方法進行系統定量評價比較的工作仍然較少^［2］。因此，本文從定量評價的角度對各種融合方法進行比較研究。

QuickBird－2衛星是由美國數字全球公司於2001年10月18日用德爾他－2火箭發射的高解析度商業衛星系列中的第3 顆。其全色波段地面（星下點）解析度為0.61m，波長范圍450nm～900nm；多光譜波段地面（星下點）解析度為2.44m，波長范圍為藍波段450nm～520nm，綠波段520nm～600nm，紅波段630nm～690nm，近紅外波段760nm～900nm；重訪周期為1～6天^［3］。

我國新一輪的土地資源大調查已全面展開，本次土地調查要求使用新技術和新方法，從節約成本、提高效率和提高質量等方面來開展二次調查。由於航天技術的發展，亞米級航天衛星的數據量越來越容易獲取，因而藉助航天遙感的手段進行二次調查顯得非常必要。亞米級衛星遙感影像QuickBird具有現勢性好，地面解析度高，空間紋理清晰，因此其經過融合後的遙感影像能夠製作1∶5000 比例尺的土地利用更新調查底圖，這將推動本次二次調查技術的更新。

1 遙感數據各種融合方法簡介

1.1 比值變換法 （Brovey）^［4］

Brovey 變換是較為簡單的融合方法，它是為 RGB 影像顯示進行多光譜波段顏色歸一化，將高解析度全色與各自相乘完成融合。Quickbird 融合採用公式（1）進行計算：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

1.2 HIS 變換法^［4］

HIS屬於色度空間變換，HIS 變換由於靈活實用的優點而被廣泛應用，成為影像融合成熟的標准方法。

HIS 變換從多光譜彩色合成影像上分離出代表空間信息的明度（I）和代表光譜信息的色別（H）、飽和度（S） 3個分量，通常採用高解析度全色波段或其他數據代替明度（1）進行空間信息的各種處理，採用計算公式（2）和（3）進行變換。

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

其中：I表示明度，H為色別，S為飽和度，v₁，v₂ 為計算H，S所使用的中間變數。其反變換式為：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

1.3 主成分變換法 （PCA）^［4］

主成分分析（PCA）是在統計特徵基礎上進行的一種多維（多波段）正交線性變換，數學上稱為K－L交換。在遙感應用領域，這一方法目前主要用於數據壓縮，用少數幾個主成分代替多波段遙感信息；圖像增強，在光譜特徵空間中提取有顯著物理意義的圖像信息和監測地表覆蓋物的動態變化。對遙感圖像數據進行主成分變換首先需要計算出一個標准變換矩陣，通過變換矩陣使圖像數據轉換成一組新的圖像數據——主成分數據。其變換公式可用下式表示：

Y＝TX （4）

其中：X為原圖像p個波段像元值向量，Y為變換後產生的q個主成分像元值向量q≤p，T為實現這一正交線性變換的變換矩陣。T是通過原始圖像元值向量X的協方差矩陣∑x計算得出的。T矩陣的每一行都是∑x矩陣的特徵向量。因此Y所代表的各主成分，均是X的各分量，即各波段信息的線性組合。生成的主成分像元值向量y 的協方差矩陣為∑y，且：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

其中：λ₁，λ₂……λ_p為原始圖像協方差短陣∑x 的特徵值，λ_i （i＝1，2……p）按由大到小的順序排列。λ₁，λ₂……λ_p為各個主成分的方差，任何兩個主成分之間的協方差都為0，互不相關，保證各主成分之間沒有信息的重復和冗餘。

1.4 合成比值變數變換法 （SVR）^［5］

根據修改簡化的Munechika方法，過程如下列公式：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

其中：XSP_i 表示第i波段融合後灰度值，Pan_H 是高解析度全色波段灰度值，XS_Li是第 i 波段原始灰度值，Pan_LS是多光譜波段合成的全色波段灰度值，φ_i 是高解析度全色波段與 XS_Li間回歸系數。

首先將Quickbird⁴個多光譜波段與全色波段求算回歸系數，然後利用回歸系數與多光譜波段合成模擬高幾何解析度全色，最後利用比值變換完成各波段的融合。

1.5 小波變換^［3］

小波變換是將原始信號用一組不同尺度的帶通濾波器進行濾波，將信號分解到一系列頻帶上進行分析處理，小波理論為圖像的空間尺度分析提供了一個統一的框架。在遙感圖像上，常常將小波變換二進制離散化，進行分析處理（圖1）。

Quickbird圖像選用了Daubechies小波（D4）分別對全色和多光譜各個波段進行小波分後利用全色3個邊緣子圖代替多光譜波段的邊緣子圖和多光譜平滑子圖進行逆變換完成各個波段的小波融合。

圖1 小波分解示意圖

2 融合效果比較

選擇和確定何種融合方法通常取決於應用目的，因此很難對一種融合技術進行質量評價。一般來說，對於遙感影像融合效果的評價，應綜合考慮空間細節信息的增強與光譜信息的保持，因此評價可以從光譜信息和空間細節信息兩個方面考慮。下面介紹幾個評價參數指標及其特徵表達。

2.1 空間細節信息

在統計理論中，統計均值

、標准差

定義為：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

對某一幅圖像，n 為像素總數，x_i 為第i個像素的灰度值，則均值為像素的灰度平均值，對人眼反映為平均亮度。方差反映了灰度相對於灰度均值的離散情況，方差越大，則灰度級分布越分散。

設圖像的灰度分布為p＝｛p₀，p₁，…，p_L－1｝，p_i 為灰度值等於 i 的像素數與圖像總像素數之比，L為灰度級總數。對於灰度范圍 ｛0，1，…，L－1｝ 的圖像直方圖，其信息熵定義為：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

易知，0≤H≤ln_L。當某個p_i＝1 時，H＝0；當 p₀＝p₁＝…＝p_L－1＝1/L 時，H＝ln_L。

圖像信息熵是衡量圖像信息豐富程度的一個重要指標，通過對圖像信息熵的比較可以對比出圖像的細節表現能力。熵的大小，反應了圖像攜帶的信息量的多少。融合圖像的熵值越大，說明融合圖像攜帶的信息量越大。如果圖像中所有灰度級出現概率趨於相等，則包含的信息量趨於最大^［6］。

平均梯度是用來評價影像質量的改進，計算公式為^［7］：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

式中，M、N為遙感影像的行、列數，式子

表示圖像函數f（x，y）在x、y方向上的一階差分。一般來說 g越大，圖像層次感越豐富，圖像越清晰。

2.2 光譜信息^［6］

圖像光譜扭曲程度直接反映了多光譜圖像的光譜失真程度。第k個光譜分量的光譜扭曲定義為：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

式中，n 表示圖像大小；K表示多光譜圖像中光譜分量的個數；k表示第k個光譜分量；

分別為第k個光譜分量在原始圖像與融合圖像上（i，j）點的顏色灰度值。融合前後對應波段的扭曲程度值越小，說明融合前後的失真程度越小。

偏差指數用來比較融合影像和低解析度多光譜影像偏離程度。第k個光譜分量的偏差指數定義為：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

其中用 n 表示圖像大小，K 表示多光譜圖像中光譜分量的個數，k 表示第k個光譜分量，

分別為第k個光譜分量在原始圖像與融合圖像上（i，j）點的顏色灰度值。融合前後對應波段的偏差指數值越小，說明融合前後的光譜影像偏離程度越小。

3 實例分析

本例選用了成都市西南交通大學校區進行處理，本地區包含有植被、水體及建築物等典型的地物。遙感影像數據是2004年8月所獲取的0.6 m全色和2.4 m多光譜Quickbird數據，運用以上介紹到的5種目前運用最普遍的融合方法分別進行了融合，本次影像融合採用的軟體是MATLAB及ERDAS 8.7。如圖2～圖8，在本次的融合過程中不進行任何光譜和紋理上的增強處理。對IHS和Brovey融合只是針對多光譜波段321 和全色波段的融合，而PCA、SVR和小波變換完成全部4個多光譜波段的融合。

圖2 原始多光譜影像 （321 組合）

圖3 原始全色影像

圖4 比值變換融合影像 （321 組合）

圖5 HIS 變換融合影像 （321 組合）

圖6 PCA 變換融合影像 （321 組合）

圖7 SVR 變換融合影像 （321 組合）

圖8 小波變換融合影像 （321 組合）

3.1 融合效果目視評價

原始多光譜和全色影像及經5種融合方法得到的融合影像如圖2～圖8所示。從目視角度可以明顯看出，5種融合影像的空間幾何解析度大致相等；而就光譜色彩來說，SVR融合所得影像最接近原始多光譜影像。

3.2 融合效果定量評價

下面選用平均梯度和扭曲程度對以上5種融合影像進行定量評價：

表1是Quickbird融合後高解析度多光譜影像各波段平均梯度，它體現了融合影像空間細節的表現能力。表2是Quickbird影像融合前後對應多光譜波段扭曲程度，它體現了影像融合前後的失真程度大小。

表1 Quickbrid 融合影像各波段平均梯度

表2 Quickbird 影像融合前後對應多光譜波段灰度平均差異

通過表1 數據分析，在影像融合的四個波段中（Brovey 變換和HIS 變換只有三個波段），第1、2、3波段的平均梯度都是合成比值變數變換的最高，第4 波段的平均梯度是小波變換的最高，其次是合成比值變數變換。

通過表2數據分析，在5種影像融合的方法中，利用合成比值變換融合的影像與原始多光譜影像的光譜扭曲程度在4個波段都是最小的，也即用此種方法融合的影像在最大程度上繼承了原始多光譜影像的光譜信息；其次是常用的小波變換方法效果。

通過從光譜質量和空間細節信息的兩個方面對上述5 種融合方法的比較，合成比值變數變換是低空間解析度的光譜信息和高空間解析度的空間信息二者之間權衡最好的一種融合方法。在製作大比例尺土地利用專題圖時要求影像數據的光譜不退化和有較高的幾何空間信息，因此選擇採用合成比值變數變換方法對Quickbird 進行數據融合是最佳方案。目前還沒有成熟的軟體能夠實現該方法的影像融合，本文是基於 SVR影像融合原理基礎上利用 MATLAB 完成影像的融合，僅限於試驗研究，不能應用於大量的生產實踐中

參考文獻

［1］Chavez P S，Sides S C，Anderson J A.Comparsion of the Three Different Methods to Merge Multiresolution and Multispectral Data TM＆SPOT Pan ［J］.Photogrammetric Engineering and Remote Sensing，1991，57：295～303

［2］孫丹峰.IKONOS全色與多光譜數據融合方法的比較研究［J］.遙感技術與應用，2002，17 （1）：41～45

［3］吳培中.快鳥——2衛星的技術性能與應用［J］.國際太空，2002，（10）：3～4

［4］孫家柄.遙感原理與應用［M］.武漢：武漢大學出版社.2003，162～168

［5］Zhang Y.A new merging method and its spectral and spatial effects ［J］.INT J Remote Sensing，1999，20 （10）：2003～2014

［6］李弼程，魏俊，彭天強.遙感影像融合效果的客觀分析與評價［J］.計算機工程與科學，2004，26 （1）：42～46

［7］Schistad-Solberg A H，Jain A K，Taxt T.Multisource classification of remotely sensed data：fusion of Landsat TM and SAR imagesl ［J］.IEEE Transactionson Geoscience and Remote Sensing，1994，32 （4）：768～778

㈧ GIS不同格式數據之間的融合有哪些方法

從表現形式上,地學數據可分為以下幾類:①地質、物探、化探等測量數據;②地形圖、地質圖、遙感圖等圖形、圖像數據;③各種經驗性、描述性數據。鑒於目前的研究現狀,我們認為地學數據融
合的關鍵問題如下:①空間遙感數據與地面測量數據的融合;②各地面測量數據之間的融合;③不同空間測量手段獲取的數據間的融合;④定量數據與經驗性、知識性數據的融合

①一般的地學數據整合模式是：
1、數據包括感測器收集數據的直接數據和專家經驗知識和描述性文字等間接數據；
2、首先是初級濾波，主要是對各種數據源的、有不同量級、不同量綱、不同表現形式的數據作第一次規整；
3、然後是一級處理是對各種數據集的操作,包括校對、識別、相關分析、數據或變數的綜合等,形成的結果有的可直接進入到數據管理系統供用戶使用,有的進入到二級處理；
4、二級處理是對目標的評估,即根據前面的操作,協同利用各數據源對目標進行識別和評估,並盡可能給出評估的精度,最後將結果送至數據管理系統。
5、最後利用GIS的空間數據管理能力,將結果轉換為空間圖層的方式,可極大地方便用戶的使用和對空間分析功能的支持。

②遙感圖像處理中的數據融合
1、「融合」這一術語在遙感圖像的處理中已不是新名詞了。它主要是對不同感測器、不同波段、不
同時相的影像進行融合處理,處理的目的多是為提高圖像光譜解析度和空間解析度。
2、應用圖像處理方法時,首先對原始圖像進行嚴格的配準是非常必要的。目前基於圖像處理的數據融合主要有以下3個方面:①基於像元的融合（來自兩個不同特性的影像的加權融合）;②基於特徵的融合（是在①的基礎上加入特徵的提取與分離）;③基於判決水平的融合（高層次的決策融合，通常是面向特定應用的融合）。

③VGE中的數據融合
1、VGE即虛擬地理環境，它是一種綜合應用各種技術製造逼真的人工模擬環境,並能有效地模擬人在自然環境中的各種感知系統行為的高級的人機交互技術。為了達到對現實世界的真實模擬必然需要用到大量的地理數據，其中3維數據的應用尤為重要！
2、由於獲取的數據，包含有不同的領域，不同的格式，所以需要設計統一的數據介面，這個可以通過FME實現。
3、由於部分領域數據可能不具有明確的地理坐標，所以還需要根據其地理參考信息做出一系列的配准，投影轉換等操作。
4、建立統一的空間資料庫，對數據加以統一組織，存儲與管理。
5、最後就是多源數據的可視化與交互，這個涉及到具體的計算機技術就不做展開了。

以上回答為個人總結，希望對你有幫助~

㈨ GF2數據融合怎麼做

以ENVI5.3下GF2數據預處理為例說明融合的操作過程：

在進行圖像融合之前，我們需要對正射校正後的多光譜和全色數據進行瀏覽，查看二者是否完全配准，如果沒有完全配准，就需要對其進行配准，這里我們推薦大家使用ENVI中的自動配准流程化工具，以全色數據為基準對多光譜數據進行配准，此工具的位置在：Geometric Correction > Registration > Image Registration Workflow

補充下：

完整的高分二號(GF2)數據預處理操作流程在這：http://bbs.rscloudmart.com/thread-2000.html