数据融合的方法研究

㈠ 数据融合技术的发展状态

1．数据融合技术还处于初级发展阶段，迫切需要在理论和实现技术上进行开拓性研究。我们虽然起步很晚，但可以借鉴国外的已有成果和经验，力争在目标相关、跟踪识别、融合算法等基础理论上有所突破，并着手建立我国的C[3]I系统数据融合模型。
2．我国已相继建立了一批自动化指挥系统，但基本上都是对单一类型的传感器信息进行综合处理。在战术C[3]I系统中虽已具备多类信息的收集手段，但只是按类分别进行数据融合，而不能进行统一的融合处理。加之最近几年我国装备部队的传感器种类越来越多，对于多平台多种类传感器的数据融合技术的研究已势在必行。特别需要尽快解决获取多种类多平台传感器的传感器元素、分类航迹元素、识别分析元素、数据融合报告等融合元素，以及如何利用融合元素来优化有效的情报数据、得到准确可靠的信息、作出及时正确的决策和如何在数据融合系统中使用专家系统的方法等关键技术问题。
3．制订切实可行的数据融合科技发展规划。既要考虑我国的经济实力、现有技术水平和我军装备应用需求，又要着眼于未来的科技发展和未来战争的需要。统一规划，选定目标，有选择、有重点地适度投入必需的财力和人力，避免过分分散，摊子铺得过大，短期内搞不出应有成果等弊端。

㈡ 遥感数据融合详细步骤，急急急，做论文的！！！！

一、资料的收集与分析 遥感制图所需的资料范围较广，一般需要收集如下资料
1、编制地区的普通地图 、 （1）比例尺最好与成图比例尺一致或稍大于成图比例尺 （2）选用面积变形较小的地图投影
2、遥感资料 后几年的影像 在选择遥感图像时，要遵循以下几个原则：
（1）空间分辨率及制图比例尺的选择 空间分辨率指像素 代表的地面范围的大小，即扫描仪的瞬时视场或地面物体能分辨的最小单元。 空间分辨率指像素所代表的地面范围的大小，即扫描仪的瞬时视场或地面物体能分辨的最小单元的地面范围的大小 由于遥感制图是利用遥感图像来提取专题制图信息的，因此在选择遥感图像空间分辨率时要考虑以 下两点要素：一是判读目标的最小尺寸，二是地图成图比例尺。遥感图像的空间分辨率与地图比例尺有 密切关系：空间分辨率越高图像可放大的倍数越大，地图的成图比例尺也越大。 遥感图像的比例尺应与成图比例尺一致或象片比例尺稍大于成图比例尺，这样可以避免成图比例尺 大尺度变换的繁琐技术问题。但对于专题要素的判读、分类、描绘来说，往往要选择大于地图比例尺的 象片为宜。
（2）波谱分辨率与波段的选择 波谱分辨率是指传感器在接受目标辐射的波谱时能分辨的最小波长间隔。间隔越小，分辨率越高。 波谱分辨率是指传感器在接受目标辐射的波谱时能分辨的最小波长间隔。间隔越小，分辨率越高。 是指传感器在接受目标辐射的波谱时能分辨的最小波长间隔 波谱分辨率，是由传感器所使用的波段数目，也就是选择的通道数，以及波段的波长和宽度所决定。各 遥感器波普分辨率在设计时， 都是有针对性的， 多波段的传感器提供了空间环境不同的信息。 TM 为例： 以 TM1 蓝波段：对叶绿素和夜色素浓度敏感，用于区分土壤与植被、落叶林与针叶林、近海水域制图。 TM2 绿波段：对无病害植物叶绿素反射敏感 TM3 红波段：对叶绿素吸收敏感，用于区分植物种类。 TM4 近红外波段：对无病害植物近红外反射敏感，用于生物量测定及水域判别。 TM5 中红外波段：对植物含水量和云的不同反射敏感，可判断含水量和雪、云。 TM6 远红外波段：作温度图，植物热强度测量 TM 图象的性质 波段 1 2 3 4 5 6 7 光谱范围 （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 光谱性质 蓝 绿 红 近红外 中（近）红外 热（中）红外 中红外 地面分辨 率（米） 30 30 30 30 30 120 30 主 要 应 用 地壤与植被分类 健康植物的绿色反射率 探测不同植物的叶绿素吸收 生物量测量，水体制图 植物湿度测量，区分云与雪 植物热强度测量，其它热制图 水热法制图，地质采矿 包括航空象片、卫星象片及它们的底片和磁带、航空象片镶辑图、若为动态监测还需要前
（3）时间分辨率与时相的选择 遥感图像是某一瞬间地面实况的记录，而地理现象是变化、发展的。因此，在一系列按时间序列成像的 遥感图像 多时相遥感图像中，必然存在着最能揭示地理现象本质的“最佳时相”图像 把传感器对同一目标进行重复探测时， 相邻两次探测的时间间隔称为遥感图像的时间分辨率。 Landsat 如 1、2、3 的图像最高时间分辨率为 18 天，Landsat4、5、7 为 16 天，SPOT-4 为 26 天，而静止气象卫星的 时间分辨率仅为半小时。 遥感图像的时间分辨率对动态监测尤为重要。如：天气预报、灾害监测等需要短周期的时间分辨率，因 此常以“小时”为单位。植物、作物的长势监测、估产等需要用“旬”或“日”为单位。 显然只有气象卫星的图像信息才能满足这种要求；研究植被的季相节律、农作物的长势，目前以选择 landsat-TM 或 SPOT 遥感信息为宜。
3、其他资料 土地现状图、土地利用报告 、编图地区的统计资料、政府文件、地方志等
二、确立专题要素的分类系统
三、遥感图像处理
1、遥感图像处理方法的选择 、
（1）光学处理法 常用的方法有：假彩色合成（加色法、减色法）、等密度分割、图像相关掩膜。
（2）数字图像校正 方法：辐射校正、几何校正
（3）数字图像增强的方法：
A. 对比度变换
B.空间滤波：是指在图像空间或空间频率对输入图像应用若干滤波函数而获得改进的输出图像的技术。 空间滤波 常用的空间滤波的方法有：平滑和锐化。 ：平滑和锐化 平滑：图像中出现某些亮度变化过大的区域，或出现不该有的亮点（“噪声”）时，采用平滑的方法可以减小变化， 平滑 使亮度平缓或去掉不必要的“噪声”点。具体方法有：均值平滑、中值滤波 均值平滑、 均值平滑 锐化：为了突出图像的边缘、线状目标或某些亮度变化率大的部分，可采用锐化方法。常用的几种方法：罗伯特 锐化 梯度、索伯尔梯度、拉普拉斯算法、定向检测
C.彩色变换 彩色变换就是将黑白图像转换成彩色图像的方法。主用的方法有单波段彩色变换、多波段彩色变换、 彩色变换: 彩色变换 HLS 变换等。
D.图像运算
E.多光谱变换 多光谱变换: 多光谱变换 两幅或多幅单波段影像，完成空间配准后，通过一系列运算，可以实现图像增强，达到提取某些信息 或去掉某些不必要信息的目的。方法：差值运算、比值运算 多光谱变换就是指用某种变换把信息集中于较少（一般为 3 个）波段内。常用的方法有：主成分分 主成分分 变换） 缨帽变换（ 、缨帽变换 变换） 、沃尔什—哈达玛变换、傅立叶变换、植被指数变换、斜变 析（K-L 变换） 缨帽变换（K-T 变换） 、 换、余弦变换等等。 主成分分析（ 变换） 主成分分析（K-L 变换）的主要特性有二： a．能够把原来多个波段中的有用信息尽量集中到数目尽可能少的新的组分图像中。 b．还能够使新的组分图像中的组分之间互不相关，也就是说各个组分包含的信息内容是不重叠的。 K-L 变换的缺点 的缺点是不能排除无用以至有碍的噪声和干扰因素。 的缺点 缨帽变换（ 变换） ：它是 Kauth 和 Thomas（1976 年）通过分析 MSS 图像反映农作物或植被生长过程的数据结 缨帽变换（K-T 变换） 构后，提出的正交线性变换。 K-T 变换的特点：a．能够把原来多个波段中的有用信息压缩到较少的新的波段内。 b．要求新波段正交或近似正交。 c．分离或削弱无用的干扰因素。 （4）多源信息复合 ）

四、遥感图像的判读
1、遥感图像目视判读 遥感图像的判读标志：
遥感图像的判读标志：是指图像上反映出的地物和现象的图像特征，是以深浅不同的黑白色调（灰阶） 或不同的色彩构成的各种各样图形现象出来的。 遥感图像的判读标志可概括为：颜色、形状、空间位置 ：颜色、形状、 颜色——色调、 颜色、 颜色——色调、 颜色、阴影 ——色调 形状——形状、纹理、 大小 、 形状 、 位置——位置、图型、相关布局 位置
2、目视解译的方法
（1）直接判读法（2）对比分析法 （3）信息复合法（4）综合推理法（5）地理相关分析法 （1）直接判读法：是根据遥感影像目视判读直接标志，直接确定目标地物属性与范围的一种方法。 直接判读法 例如，在可见光黑白像片上，水体对光线的吸收率强，反射率低，水体呈现灰黑到黑色，根据色调可以从影像 上直接判读出水体，根据水体的形状则可以直接分辨出水体是河流，或者是湖泊。在 MSS4、5、7 三波段假彩色影 像上，植被颜色为红色，根据地物颜色色调，可以直接区别植物与背景。 （2）对比分析法 此方法包括同类地物对比分析法、空间对比分析法和时相动态对比法。 A.同类地物对比分析法 同类地物对比分析法是在同一景遥感影像上，由已知地物推出未知目标地物的方法。 同类地物对比分析法 B.空间对比分析法 空间对比分析法是根据待判读区域的特点，选择另一个熟悉的与遥感图像区域特征类似的影像，将两个影像相互 空间对比分析法 对比分析，由已知影像为依据判读未知影像的一种方法。 C.时相动态对比法，是利用同一地区不同时间成像的遥感影像加以对比分析，了解同一目标地物动态变化的一种解 .时相动态对比法 译方法。 （3）信息复合法：利用透明专题图或者透明地形图与遥感图像重合，根据专题图或者地形图提供的多种辅助信息， 信息复合法 识别遥感图像上目标地物的方法。 （4）综合推理法：综合考虑遥感图像多种解译特征，结合生活常识，分析、推断某种目标地物的方法。 综合推理法 （5）地理相关分析法：根据地理环境中各种地理要素之间的相互依存，相互制约的关系，借助专业知识，分析推断 地理相关分析法 某种地理要素性质、类型、状况与分布的方法。

3、目视解译的基本步骤 （1）准备工作 •选择合适波段与恰当时相的遥感影像 •相关专题地图的准备 •工具材料准备 •熟悉地理概况 •确定专题分类系统 （2）室内初步解译与判读区的野外考察 室内建立初步判读标志 •初步解译的主要任务是掌握解译区域特点，确立典型解译样区，建立目视解译标志，探索解译方法，为全面解译 奠定基础。 •在室内初步解译的工作重点是建立影像解译标准，为了保证解译标志的正确性和可靠性，必须进行解译区的野外 调查。野外调查之前，需要制定野外调查方案与调查路线。 野外考察验正判读标志 在野外调查中，为了建立研究区的判读标志，必须做大量认真细致的工作，填写各种地物的判读标志登记表， 以作为建立地区性的判读标志的依据。在此基础上，制订出影像判读的专题分类系统，根据目标地物与影像特征之 间的关系，通过影像反复判读和野外对比检验，建立遥感影像判读标志。 （3）室内详细判读 在详细判读过程中，要及时将解译中出现的疑难点、边界不清楚的地方和有待验证的问题详细记录下来，留待野 外验证与补判阶段解决。 （4）野外验证与补判 野外验证指再次到遥感影像判读区去实地核实解译的结果。主要内容包括两方面： •检验专题解译中图斑的内容是否正确。 •验证图斑界线是否定位准确，并根据野外实际考察情况修正目标地物的分布界线。 （5）目视解译成果的转绘与制图 遥感图像目视判读成果，一般以专题图或遥感影像图的形式表现出来。

五、遥感图像计算机解译
图像分类方法 监督分类
1.(1) 最小距离法 最小距离法（minimum distance classifier） •以特征空间中的距离作为像素分类的依据。 •在遥感图象上对每一类别选取一个具有代表意义的统计特征量；计算待分像元与已知类别之间的距离，将其归 属于距离最小的一类。 •最小距离分类法原理简单，分类精度不很高，但计算速度快，它可以在快速浏览分类概况中使用。
(2) 分级切割分类法 分级切割分类法（multi-level slice classifier） 多级切割法（multi-level slice classifier）是根据设定在各轴上的值域分割多维特征空间的分类方法。
(3) 特征曲线窗口法 •特征曲线窗口法分类的依据是：相同的地物在相同的地域环境及成像条件下，其特征曲线是相同或相近的，而不 同地物的特征曲线差别明显。 •特征曲线窗口法分类的效果取决于特征参数的选择和窗口大小。各特征参数窗口大小的选择可以不同，它要根据 地物在各特征参数空间里的分布情况而定。
(4) 最大似然法 最大似然法（maximum likelihood classifier） •地物图象可以以其光谱特征向量 X 作为亮度在光谱特征空间中找到一个相应的特征点，来自于同类地物的各种特 征点在特征空间中将形成一种属于某种概率分布的集群。 • 判别某一特征点类属的合理途径是对其落进不同类别集群中的条件概率进行比较， 相应于条件概率大的那个类别， 应是该特征点的归属。

2、监督分类步骤
（1）选择有代表性的训练场，确定各类地物的范围界线。
（2）对各类地物光谱值统计，提取各地物的数值特征。
（3）确定分类判别函数：最小距离法、马氏距离法等。
（4）分类参数、阈值的确定；各类地物像元数值的分布都围绕一个中心特征值，散布在空间的一定范围，因此需要 给出各类地物类型阈值，限定分布范围，构成分类器。
（5）分类：利用分类器分类。
（6）检验：对初步分类结果精度进行检验（分类精度、面积精度、位置精度等） 对分类器进行调整。
（7）待分类影象分类。
（8）分类结果的矢量化。
非监督分类 前提：遥感影象上同类物体在同样条件下具有相同的光谱信息特征，依靠影象上不同类地物光谱信息（或纹理信息） 进行特征提取，再统计特征的差别来达到分类的目的，最后对已分出的个别类进行确认。 非监督分类方法是在没有先验类别（训练区）作为样本的条件下，即事先不知道类别特征，主要根据像元间相似度 非监督分类方法 的大小进行归类合并（将相似度大的像元归为一类）的方法。主要有： （1）分级集群法（2）动态聚类法
第二节 从影像生成专题地图
一、目视解释的专题地图
（1）影像预处理 包括遥感数据的图像校正、图像增强，有时还需要实验室提供监督或非监督分类的图像。
（2）目视解译 经过建立影像判读标志，野外判读，室内解译，得到绘有图斑的专题解译原图。
（3）地图概括 按比例尺及分类的要求，进行专题解译原图的概括。专题地图需要正规的地理底图，所以地图概括的同时也进行图斑向地理底图的转绘。
（4）地图整饰 在转绘完专题图斑的地理底图上进行专题地图的整饰工作。
二、数字图像处理的专题制图
（1）影像预处理 同目视解译类似，影响经过图像校正、图像增强，得到供计算机分类用的遥感影像数据。
（2）按专题要求进行影像分类。
（3）专题类别的地图概括 包括在预处理中消除影像的孤立点，依成图比例尺对图斑尺寸的限制进行栅格影像的概括。
（4）图斑的栅格/矢量变换。
（5）与地理底图叠加，生成专题地图。
三、遥感系列制图
系列地图，简单说就是在内容上和时间上有关联的一组地图。我们所讨论的系列地图，是指根据共同的制图目的，利用同一的制图信息源，按照统一的设计原则，成套编制的遥感专题地图。
地理底图的编制程序：采用常规的方法编制地理底图时，首先选择制图范围内相应比例尺的地形图，进行展点、镶嵌、照像，制成地图薄膜片，然后将膜片蒙在影像图上，用以更新地形图的地理要素。经过地图概括，最后制成供转绘专题影像图的地理底图，其比例尺与专题影响图相同。
遥感系列制图的基本要求
1.统一信息源
2.统一对制图区域地理特征的认识
3.制定统一的设计原则
4.按一定的规则顺序成图

㈢ 怎么写开题报告《多传感器数据融合系统中数据预处理的研究》拟采用的研究手段怎么写文献综述怎么写

应该先找相关的文献，仔细阅读。写出别人都用什么方法实现过。找去已有方法的问题或缺陷，提出改进的方法，或者是换一种处理方法。这样拟采用的研究手段也就有了。

㈣ 无线传感器网络数据融合方法

数据融合是data fusion，一般是有单平台多传感器数据融合和多平台单传感器数据融合，还有多平台多传感器融合，是对数据的信息处理，利用信息的冗余增强对信息的充分利用。
而数据汇集是data collection，一般只是汇聚，统计分析处理，没有用到数据信息的相互关系相互冗余以及信息的互补性，不能对信息加以很好的利用。

以上只是简单的理解，具体的我想你看看数据融合的书就可以了。其实这里的回答有时没有什么参考意义，去一些专业的网站或论坛找找看吧。

㈤ wsn数据融合的主要方法有哪些

传器(英文名称:transcer/sensor)种检测装置能受测量信息并能受信息按定规律变换电信号或其所需形式信息输满足信息传输、处理、存储、显示、记录控制等要求
传器特点包括:微型化、数字化、智能化、功能化、系统化、网络化实现自检测自控制首要环节传器存发展让物体触觉、味觉嗅觉等官让物体慢慢变起通根据其基本知功能热敏元件、光敏元件、气敏元件、力敏元件、磁敏元件、湿敏元件、声敏元件、放射线敏元件、色敏元件味敏元件等十类

㈥ 数据融合技术的概念由来

数据融合的概念虽始于70年代初期，但真正的技术进步和发展乃是80年代的事，尤其是近几年来引起了世界范围内的普遍关注，美、英、日、德、意等发达国家不但在所部署的一些重大研究项目上取得了突破性进展，而且已陆续开发出一些实用性系统投入实际应用和运行。不少数据融合技术的研究成果和实用系统已在1991年的海湾战争中得到实战验证，取得了理想的效果。
我国“八五”规划亦已把数据融合技术列为发展计算机技术的关键技术之一，并部署了一些重点研究项目，尽可能给予了适当的经费投入。但这毕竟是刚刚起步，我们所面临的挑战和困难是十分严峻的，当然也有机遇并存。这就需要认真研究，针对我国的国情和军情，采取相应的对策措施，以期取得事半功倍的效果。

㈦ Quickbird全色与多光谱数据融合方法的比较研究

陈于林 蒲体信

（四川省国土勘测规划研究院，成都，610031）

摘要：目前商用的高分辨率影像Quickbird 能提供 0.61m的全色波段数据和 2.44m的多光谱数据，因此如何利用全色波段数据和多光谱数据进行融合以提高影像质量是目前遥感影像处理中最关键的一步。本文从光谱质量和空间信息角度分别对5种融合方法进行了比较研究，综合评价结果是合成比值变量变换最适合于 Quickbird影像多光谱数据和全色数据的融合。

关键词：Quickbird；影像融合；比较评价

影像融合技术在近10年发展较快，成为遥感应用研究领域的重要主题。Pohl和Van Genderen对遥感影像融合的概念、方法和应用进行了较为全面的总结^［1］。大量研究工作围绕锐化影像、提高几何校正精度、改善分类精度以及变化监测等领域展开。在遥感领域应用较多的融合方法有IHS变换、主成分分析、Brovey （颜色归一化）变换、小波变换以及最近发展修改的合成比值变量变换，目前对融合方法进行系统定量评价比较的工作仍然较少^［2］。因此，本文从定量评价的角度对各种融合方法进行比较研究。

QuickBird－2卫星是由美国数字全球公司于2001年10月18日用德尔他－2火箭发射的高分辨率商业卫星系列中的第3 颗。其全色波段地面（星下点）分辨率为0.61m，波长范围450nm～900nm；多光谱波段地面（星下点）分辨率为2.44m，波长范围为蓝波段450nm～520nm，绿波段520nm～600nm，红波段630nm～690nm，近红外波段760nm～900nm；重访周期为1～6天^［3］。

我国新一轮的土地资源大调查已全面展开，本次土地调查要求使用新技术和新方法，从节约成本、提高效率和提高质量等方面来开展二次调查。由于航天技术的发展，亚米级航天卫星的数据量越来越容易获取，因而借助航天遥感的手段进行二次调查显得非常必要。亚米级卫星遥感影像QuickBird具有现势性好，地面分辨率高，空间纹理清晰，因此其经过融合后的遥感影像能够制作1∶5000 比例尺的土地利用更新调查底图，这将推动本次二次调查技术的更新。

1 遥感数据各种融合方法简介

1.1 比值变换法 （Brovey）^［4］

Brovey 变换是较为简单的融合方法，它是为 RGB 影像显示进行多光谱波段颜色归一化，将高分辨率全色与各自相乘完成融合。Quickbird 融合采用公式（1）进行计算：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

1.2 HIS 变换法^［4］

HIS属于色度空间变换，HIS 变换由于灵活实用的优点而被广泛应用，成为影像融合成熟的标准方法。

HIS 变换从多光谱彩色合成影像上分离出代表空间信息的明度（I）和代表光谱信息的色别（H）、饱和度（S） 3个分量，通常采用高分辨率全色波段或其他数据代替明度（1）进行空间信息的各种处理，采用计算公式（2）和（3）进行变换。

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

其中：I表示明度，H为色别，S为饱和度，v₁，v₂ 为计算H，S所使用的中间变量。其反变换式为：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

1.3 主成分变换法 （PCA）^［4］

主成分分析（PCA）是在统计特征基础上进行的一种多维（多波段）正交线性变换，数学上称为K－L交换。在遥感应用领域，这一方法目前主要用于数据压缩，用少数几个主成分代替多波段遥感信息；图像增强，在光谱特征空间中提取有显着物理意义的图像信息和监测地表覆盖物的动态变化。对遥感图像数据进行主成分变换首先需要计算出一个标准变换矩阵，通过变换矩阵使图像数据转换成一组新的图像数据——主成分数据。其变换公式可用下式表示：

Y＝TX （4）

其中：X为原图像p个波段像元值向量，Y为变换后产生的q个主成分像元值向量q≤p，T为实现这一正交线性变换的变换矩阵。T是通过原始图像元值向量X的协方差矩阵∑x计算得出的。T矩阵的每一行都是∑x矩阵的特征向量。因此Y所代表的各主成分，均是X的各分量，即各波段信息的线性组合。生成的主成分像元值向量y 的协方差矩阵为∑y，且：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

其中：λ₁，λ₂……λ_p为原始图像协方差短阵∑x 的特征值，λ_i （i＝1，2……p）按由大到小的顺序排列。λ₁，λ₂……λ_p为各个主成分的方差，任何两个主成分之间的协方差都为0，互不相关，保证各主成分之间没有信息的重复和冗余。

1.4 合成比值变量变换法 （SVR）^［5］

根据修改简化的Munechika方法，过程如下列公式：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

其中：XSP_i 表示第i波段融合后灰度值，Pan_H 是高分辨率全色波段灰度值，XS_Li是第 i 波段原始灰度值，Pan_LS是多光谱波段合成的全色波段灰度值，φ_i 是高分辨率全色波段与 XS_Li间回归系数。

首先将Quickbird⁴个多光谱波段与全色波段求算回归系数，然后利用回归系数与多光谱波段合成模拟高几何分辨率全色，最后利用比值变换完成各波段的融合。

1.5 小波变换^［3］

小波变换是将原始信号用一组不同尺度的带通滤波器进行滤波，将信号分解到一系列频带上进行分析处理，小波理论为图像的空间尺度分析提供了一个统一的框架。在遥感图像上，常常将小波变换二进制离散化，进行分析处理（图1）。

Quickbird图像选用了Daubechies小波（D4）分别对全色和多光谱各个波段进行小波分后利用全色3个边缘子图代替多光谱波段的边缘子图和多光谱平滑子图进行逆变换完成各个波段的小波融合。

图1 小波分解示意图

2 融合效果比较

选择和确定何种融合方法通常取决于应用目的，因此很难对一种融合技术进行质量评价。一般来说，对于遥感影像融合效果的评价，应综合考虑空间细节信息的增强与光谱信息的保持，因此评价可以从光谱信息和空间细节信息两个方面考虑。下面介绍几个评价参数指标及其特征表达。

2.1 空间细节信息

在统计理论中，统计均值

、标准差

定义为：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

对某一幅图像，n 为像素总数，x_i 为第i个像素的灰度值，则均值为像素的灰度平均值，对人眼反映为平均亮度。方差反映了灰度相对于灰度均值的离散情况，方差越大，则灰度级分布越分散。

设图像的灰度分布为p＝｛p₀，p₁，…，p_L－1｝，p_i 为灰度值等于 i 的像素数与图像总像素数之比，L为灰度级总数。对于灰度范围 ｛0，1，…，L－1｝ 的图像直方图，其信息熵定义为：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

易知，0≤H≤ln_L。当某个p_i＝1 时，H＝0；当 p₀＝p₁＝…＝p_L－1＝1/L 时，H＝ln_L。

图像信息熵是衡量图像信息丰富程度的一个重要指标，通过对图像信息熵的比较可以对比出图像的细节表现能力。熵的大小，反应了图像携带的信息量的多少。融合图像的熵值越大，说明融合图像携带的信息量越大。如果图像中所有灰度级出现概率趋于相等，则包含的信息量趋于最大^［6］。

平均梯度是用来评价影像质量的改进，计算公式为^［7］：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

式中，M、N为遥感影像的行、列数，式子

表示图像函数f（x，y）在x、y方向上的一阶差分。一般来说 g越大，图像层次感越丰富，图像越清晰。

2.2 光谱信息^［6］

图像光谱扭曲程度直接反映了多光谱图像的光谱失真程度。第k个光谱分量的光谱扭曲定义为：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

式中，n 表示图像大小；K表示多光谱图像中光谱分量的个数；k表示第k个光谱分量；

分别为第k个光谱分量在原始图像与融合图像上（i，j）点的颜色灰度值。融合前后对应波段的扭曲程度值越小，说明融合前后的失真程度越小。

偏差指数用来比较融合影像和低分辨率多光谱影像偏离程度。第k个光谱分量的偏差指数定义为：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

其中用 n 表示图像大小，K 表示多光谱图像中光谱分量的个数，k 表示第k个光谱分量，

分别为第k个光谱分量在原始图像与融合图像上（i，j）点的颜色灰度值。融合前后对应波段的偏差指数值越小，说明融合前后的光谱影像偏离程度越小。

3 实例分析

本例选用了成都市西南交通大学校区进行处理，本地区包含有植被、水体及建筑物等典型的地物。遥感影像数据是2004年8月所获取的0.6 m全色和2.4 m多光谱Quickbird数据，运用以上介绍到的5种目前运用最普遍的融合方法分别进行了融合，本次影像融合采用的软件是MATLAB及ERDAS 8.7。如图2～图8，在本次的融合过程中不进行任何光谱和纹理上的增强处理。对IHS和Brovey融合只是针对多光谱波段321 和全色波段的融合，而PCA、SVR和小波变换完成全部4个多光谱波段的融合。

图2 原始多光谱影像 （321 组合）

图3 原始全色影像

图4 比值变换融合影像 （321 组合）

图5 HIS 变换融合影像 （321 组合）

图6 PCA 变换融合影像 （321 组合）

图7 SVR 变换融合影像 （321 组合）

图8 小波变换融合影像 （321 组合）

3.1 融合效果目视评价

原始多光谱和全色影像及经5种融合方法得到的融合影像如图2～图8所示。从目视角度可以明显看出，5种融合影像的空间几何分辨率大致相等；而就光谱色彩来说，SVR融合所得影像最接近原始多光谱影像。

3.2 融合效果定量评价

下面选用平均梯度和扭曲程度对以上5种融合影像进行定量评价：

表1是Quickbird融合后高分辨率多光谱影像各波段平均梯度，它体现了融合影像空间细节的表现能力。表2是Quickbird影像融合前后对应多光谱波段扭曲程度，它体现了影像融合前后的失真程度大小。

表1 Quickbrid 融合影像各波段平均梯度

表2 Quickbird 影像融合前后对应多光谱波段灰度平均差异

通过表1 数据分析，在影像融合的四个波段中（Brovey 变换和HIS 变换只有三个波段），第1、2、3波段的平均梯度都是合成比值变量变换的最高，第4 波段的平均梯度是小波变换的最高，其次是合成比值变量变换。

通过表2数据分析，在5种影像融合的方法中，利用合成比值变换融合的影像与原始多光谱影像的光谱扭曲程度在4个波段都是最小的，也即用此种方法融合的影像在最大程度上继承了原始多光谱影像的光谱信息；其次是常用的小波变换方法效果。

通过从光谱质量和空间细节信息的两个方面对上述5 种融合方法的比较，合成比值变量变换是低空间分辨率的光谱信息和高空间分辨率的空间信息二者之间权衡最好的一种融合方法。在制作大比例尺土地利用专题图时要求影像数据的光谱不退化和有较高的几何空间信息，因此选择采用合成比值变量变换方法对Quickbird 进行数据融合是最佳方案。目前还没有成熟的软件能够实现该方法的影像融合，本文是基于 SVR影像融合原理基础上利用 MATLAB 完成影像的融合，仅限于试验研究，不能应用于大量的生产实践中

参考文献

［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］孙丹峰.IKONOS全色与多光谱数据融合方法的比较研究［J］.遥感技术与应用，2002，17 （1）：41～45

［3］吴培中.快鸟——2卫星的技术性能与应用［J］.国际太空，2002，（10）：3～4

［4］孙家柄.遥感原理与应用［M］.武汉：武汉大学出版社.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，彭天强.遥感影像融合效果的客观分析与评价［J］.计算机工程与科学，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不同格式数据之间的融合有哪些方法

从表现形式上,地学数据可分为以下几类:①地质、物探、化探等测量数据;②地形图、地质图、遥感图等图形、图像数据;③各种经验性、描述性数据。鉴于目前的研究现状,我们认为地学数据融
合的关键问题如下:①空间遥感数据与地面测量数据的融合;②各地面测量数据之间的融合;③不同空间测量手段获取的数据间的融合;④定量数据与经验性、知识性数据的融合

①一般的地学数据整合模式是：
1、数据包括传感器收集数据的直接数据和专家经验知识和描述性文字等间接数据；
2、首先是初级滤波，主要是对各种数据源的、有不同量级、不同量纲、不同表现形式的数据作第一次规整；
3、然后是一级处理是对各种数据集的操作,包括校对、识别、相关分析、数据或变量的综合等,形成的结果有的可直接进入到数据管理系统供用户使用,有的进入到二级处理；
4、二级处理是对目标的评估,即根据前面的操作,协同利用各数据源对目标进行识别和评估,并尽可能给出评估的精度,最后将结果送至数据管理系统。
5、最后利用GIS的空间数据管理能力,将结果转换为空间图层的方式,可极大地方便用户的使用和对空间分析功能的支持。

②遥感图像处理中的数据融合
1、“融合”这一术语在遥感图像的处理中已不是新名词了。它主要是对不同传感器、不同波段、不
同时相的影像进行融合处理,处理的目的多是为提高图像光谱分辨率和空间分辨率。
2、应用图像处理方法时,首先对原始图像进行严格的配准是非常必要的。目前基于图像处理的数据融合主要有以下3个方面:①基于像元的融合（来自两个不同特性的影像的加权融合）;②基于特征的融合（是在①的基础上加入特征的提取与分离）;③基于判决水平的融合（高层次的决策融合，通常是面向特定应用的融合）。

③VGE中的数据融合
1、VGE即虚拟地理环境，它是一种综合应用各种技术制造逼真的人工模拟环境,并能有效地模拟人在自然环境中的各种感知系统行为的高级的人机交互技术。为了达到对现实世界的真实模拟必然需要用到大量的地理数据，其中3维数据的应用尤为重要！
2、由于获取的数据，包含有不同的领域，不同的格式，所以需要设计统一的数据接口，这个可以通过FME实现。
3、由于部分领域数据可能不具有明确的地理坐标，所以还需要根据其地理参考信息做出一系列的配准，投影转换等操作。
4、建立统一的空间数据库，对数据加以统一组织，存储与管理。
5、最后就是多源数据的可视化与交互，这个涉及到具体的计算机技术就不做展开了。

以上回答为个人总结，希望对你有帮助~

㈨ GF2数据融合怎么做

以ENVI5.3下GF2数据预处理为例说明融合的操作过程：

在进行图像融合之前，我们需要对正射校正后的多光谱和全色数据进行浏览，查看二者是否完全配准，如果没有完全配准，就需要对其进行配准，这里我们推荐大家使用ENVI中的自动配准流程化工具，以全色数据为基准对多光谱数据进行配准，此工具的位置在：Geometric Correction > Registration > Image Registration Workflow

补充下：

完整的高分二号(GF2)数据预处理操作流程在这：http://bbs.rscloudmart.com/thread-2000.html