數(shù)據(jù)融合（data fusion）原理與方法
數(shù)據(jù)融合（data fusion）最早被應(yīng)用于軍事領(lǐng)域。
現(xiàn)在數(shù)據(jù)融合的主要應(yīng)用領(lǐng)域有：多源影像復(fù)合、機(jī)器人和智能儀器系統(tǒng)、戰(zhàn)場(chǎng)和無(wú)人駕駛飛機(jī)、圖像分析與理解、目標(biāo)檢測(cè)與跟蹤、自動(dòng)目標(biāo)識(shí)別等等。在遙感中，數(shù)據(jù)融合屬于一種屬性融合，它是將同一地區(qū)的多源遙感影像數(shù)據(jù)加以智能化合成，產(chǎn)生比單一信息源更精確、更完全、更可靠的估計(jì)和判斷......
一. 數(shù)據(jù)融合基本涵義
數(shù)據(jù)融合（data fusion）最早被應(yīng)用于軍事領(lǐng)域。
現(xiàn)在數(shù)據(jù)融合的主要應(yīng)用領(lǐng)域有：多源影像復(fù)合、機(jī)器人和智能儀器系統(tǒng)、戰(zhàn)場(chǎng)和無(wú)人駕駛飛機(jī)、圖像分析與理解、目標(biāo)檢測(cè)與跟蹤、自動(dòng)目標(biāo)識(shí)別等等。在遙感中，數(shù)據(jù)融合屬于一種屬性融合，它是將同一地區(qū)的多源遙感影像數(shù)據(jù)加以智能化合成，產(chǎn)生比單一信息源更精確、更完全、更可靠的估計(jì)和判斷。相對(duì)于單源遙感影象數(shù)據(jù)，多源遙感影象數(shù)據(jù)所提供的信息具有以下特點(diǎn)：
1.冗余性：表示多源遙感影像數(shù)據(jù)對(duì)環(huán)境或目標(biāo)的表示、描述或解譯結(jié)果相同；
2.互補(bǔ)性：指信息來(lái)自不同的自由度且相互獨(dú)立
3.合作性：不同傳感器在觀測(cè)和處理信息時(shí)對(duì)其它信息有依賴(lài)關(guān)系；
4.信息分層的結(jié)構(gòu)特性：數(shù)據(jù)融合所處理的多源遙感信息可以在不同的信息層次上出現(xiàn)，這些信息抽象層次包括像素層、特征層和決策層，分層結(jié)構(gòu)和并行處理機(jī)制還可保證系統(tǒng)的實(shí)時(shí)性。
實(shí)質(zhì)： 在統(tǒng)一地理坐標(biāo)系中將對(duì)同一目標(biāo)檢測(cè)的多幅遙感圖像數(shù)據(jù)采用一定的算法，生成一幅新的、更能有效表示該目標(biāo)的圖像信息。
目的：將單一傳感器的多波段信息或不同類(lèi)別傳感器所提供的信息加以綜合，消除多傳感器信息之間可能存在的冗余和矛盾，加以互補(bǔ)，改善遙感信息提取的及時(shí)性和可靠性，提高數(shù)據(jù)的使用效率。
二、數(shù)據(jù)融合原理及過(guò)程
一般來(lái)說(shuō)，遙感影像的數(shù)據(jù)融合分為預(yù)處理和數(shù)據(jù)融合兩步
1.預(yù)處理：
主要包括遙感影像的幾何糾正、大氣訂正、輻射校正及空間配準(zhǔn)
（1）幾何糾正、大氣訂正及輻射校正的目的主要在于去處透視收縮、疊掩、陰影等地形因素以及衛(wèi)星擾動(dòng)、天氣變化、大氣散射等隨機(jī)因素對(duì)成像結(jié)果一致性的影響；
（2）影像空間配準(zhǔn)的目的在于消除由不同傳感器得到的影像在拍攝角度、時(shí)相及分辨率等方面的差異。
影像的空間配準(zhǔn)時(shí)遙感影像數(shù)據(jù)融合的前提空間配準(zhǔn)一般可分為以下步驟 :
(1）特征選擇：在欲配準(zhǔn)的兩幅影像上，選擇如邊界、線狀物交叉點(diǎn)、區(qū)域輪廓線等明顯的特征。
（2）特征匹配：采用一定配準(zhǔn)算法，找處兩幅影像上對(duì)應(yīng)的明顯地物點(diǎn)，作為控制點(diǎn)。
（3）空間變化：根據(jù)控制點(diǎn)，建立影像間的映射關(guān)系。
（4）插值：根據(jù)映射關(guān)系，對(duì)非參考影像進(jìn)行重采樣，獲得同參考影像配準(zhǔn)的影像。
空間配準(zhǔn)的精度一般要求在1~2個(gè)像元內(nèi)。空間配準(zhǔn)中最關(guān)鍵、最困難的一步就是通過(guò)特征匹配尋找對(duì)應(yīng)的明顯地物點(diǎn)作為控制點(diǎn)。
2.數(shù)據(jù)融合
根據(jù)融合目的和融合層次智能地選擇合適的融合算法，將空間配準(zhǔn)的遙感影像數(shù)據(jù)（或提取的圖像特征或模式識(shí)別的屬性說(shuō)明）進(jìn)行有機(jī)合成，得到目標(biāo)的更準(zhǔn)確表示或估計(jì) 。
對(duì)于各種算法所獲得的融合遙感信息，有時(shí)還需要做進(jìn)一步的處理，如"匹配處理"和"類(lèi)型變換"等，以便得到目標(biāo)的更準(zhǔn)確表示或估計(jì)。
三、數(shù)據(jù)融合分類(lèi)及方法
1 數(shù)據(jù)融合方法分類(lèi)
遙感影像的數(shù)據(jù)融合方法分為三類(lèi)：基于像元（pixel）級(jí)的融合、基于特征(feature)級(jí)的融合、基于決策(decision)級(jí)的融合。融合的水平依次從低到高。
1.1 像元級(jí)融合
像元級(jí)融合是一種低水平的融合。
像元級(jí)融合的流程為：經(jīng)過(guò)預(yù)處理的遙感影像數(shù)據(jù)——數(shù)據(jù)融合——特征提取——融合屬性說(shuō)明。
優(yōu)點(diǎn)：保留了盡可能多的信息，具有最高精度。
局限性：
1. 效率低下。由于處理的傳感器數(shù)據(jù)量大，所以處理時(shí)間較長(zhǎng)，實(shí)時(shí)性差。
2. 分析數(shù)據(jù)限制。為了便于像元比較，對(duì)傳感器信息的配準(zhǔn)精度要求很高，而且要求影像來(lái)源于一組同質(zhì)傳感器或同單位的。
3.分析能力差。不能實(shí)現(xiàn)對(duì)影像的有效理解和分析
4.糾錯(cuò)要求。由于底層傳感器信息存在的不確定性、不完全性或不穩(wěn)定性，所以對(duì)融合過(guò)程中的糾錯(cuò)能力有較高要求。
5.抗干擾性差。
像元級(jí)融合所包含的具體融合方法有：代數(shù)法、IHS變換、小波變換、主成分變換（PCT）、K-T變換等
1.2 特征級(jí)融合
特征級(jí)融合是一種中等水平的融合。在這一級(jí)別中，先是將各遙感影像數(shù)據(jù)進(jìn)行特征提取，提取的特征信息應(yīng)是原始信息的充分表示量或充分統(tǒng)計(jì)量，然后按特征信息對(duì)多源數(shù)據(jù)進(jìn)行分類(lèi)、聚集和綜合，產(chǎn)生特征矢量，而后采用一些基于特征級(jí)融合方法融合這些特征矢量，作出基于融合特征矢量的屬性說(shuō)明。
特征級(jí)融合的流程為：經(jīng)過(guò)預(yù)處理的遙感影像數(shù)據(jù)——特征提取——特征級(jí)融合——（融合）屬性說(shuō)明。
1.3 決策級(jí)融合
決策級(jí)融合是最高水平的融合。融合的結(jié)果為指揮、控制、決策提供了依據(jù)。在這一級(jí)別中，首先對(duì)每一數(shù)據(jù)進(jìn)行屬性說(shuō)明，然后對(duì)其結(jié)果加以融合，得到目標(biāo)或環(huán)境的融合屬性說(shuō)明。
決策級(jí)融合的優(yōu)點(diǎn)時(shí)具有很強(qiáng)的容錯(cuò)性，很好的開(kāi)放性，處理時(shí)間短、數(shù)據(jù)要求低、分析能力強(qiáng)。而由于對(duì)預(yù)處理及特征提取有較高要求，所以決策級(jí)融合的代價(jià)較高。
決策級(jí)融合的流程：經(jīng)過(guò)預(yù)處理的遙感影像數(shù)據(jù)——特征提取——屬性說(shuō)明——屬性融合——融合屬性說(shuō)明。
2 數(shù)據(jù)融合方法介紹
2.1 代數(shù)法
代數(shù)法包括加權(quán)融合、單變量圖像差值法、圖像比值法等。
（1）加權(quán)融合法
（2）單變量圖象差值法
（3）圖象比值法
2.2 圖像回歸法（Image Regression）
圖像回歸法是首先假定影像的像元值是另一影像的一個(gè)線性函數(shù)，通過(guò)最小二乘法來(lái)進(jìn)行回歸，然后再用回歸方程計(jì)算出的預(yù)測(cè)值來(lái)減去影像的原始像元值，從而獲得二影像的回歸殘差圖像。經(jīng)過(guò)回歸處理后的遙感數(shù)據(jù)在一定程度上類(lèi)似于進(jìn)行了相對(duì)輻射校正，因而能減弱多時(shí)相影像中由于大氣條件和太陽(yáng)高度角的不同所帶來(lái)的影響。
2.3 主成分變換（PCT）
也稱(chēng)為W-L變換，數(shù)學(xué)上稱(chēng)為主成分分析（PCA）。PCT是應(yīng)用于遙感諸多領(lǐng)域的一種方法，包括高光譜數(shù)據(jù)壓縮、信息提取與融合及變化監(jiān)測(cè)等。PCT的本質(zhì)是通過(guò)去除冗余，將其余信息轉(zhuǎn)入少數(shù)幾幅影像（即主成分）的方法，對(duì)大量影像進(jìn)行概括和消除相關(guān)性。PCT使用相關(guān)系數(shù)陣或協(xié)方差陣來(lái)消除原始影像數(shù)據(jù)的相關(guān)性，以達(dá)到去除冗余的目的。對(duì)于融合后的新圖像來(lái)說(shuō)各波段的信息所作出的貢獻(xiàn)能最大限度地表現(xiàn)出來(lái)。
PCT的優(yōu)點(diǎn)是能夠分離信息，減少相關(guān)，從而突出不同的地物目標(biāo)。另外，它對(duì)輻射差異具有自動(dòng)校正的功能，因此無(wú)須再做相對(duì)輻射校正處理。
2.4 K-T變換
即Kauth-Thomas變換，簡(jiǎn)稱(chēng)K-T變換，又形象地成為"纓帽變換"[14]。它是線性變換的一種，它能使座標(biāo)空間發(fā)生旋轉(zhuǎn)，但旋轉(zhuǎn)后的坐標(biāo)軸不是指向主成分的方向，而是指向另外的方向，這些方向與地面景物有密切的關(guān)系，特別是與植物生長(zhǎng)過(guò)程和土壤有關(guān)。以此，這種變換著眼于農(nóng)作物生長(zhǎng)過(guò)程而區(qū)別于其他植被覆蓋，力爭(zhēng)抓住地面景物在多光譜空間的特征。通過(guò)這種變換，既可以實(shí)現(xiàn)信息壓縮，又可以幫助解譯分析農(nóng)業(yè)特征，因此
有很大的實(shí)際應(yīng)用意義。
目前對(duì)這個(gè)變換在多源遙感數(shù)據(jù)融合方面的研究應(yīng)用主要集中在MSS與TM兩種遙感數(shù)據(jù)的應(yīng)用分析方面。
2.5 小波變換
小波變換是一種新興的數(shù)學(xué)分析方法，已經(jīng)受到了廣泛的重視。小波變換是一種全局變換，在時(shí)間域和頻率域同時(shí)具有良好的定位能力，對(duì)高頻分量采用逐漸精細(xì)的時(shí)域和空域步長(zhǎng)，可以聚焦到被處理圖像的任何細(xì)節(jié)，從而被譽(yù)為"數(shù)學(xué)顯微鏡"。
小波變換常用于雷達(dá)影像SAR與TM影像的融合。它具有在提高影像空間分辨率的同時(shí)又保持色調(diào)和飽和度不變的優(yōu)越性。
2.6 IHS變換
3個(gè)波段合成的RGB顏色空間是一個(gè)對(duì)物體顏色屬性描述系統(tǒng)，而IHS色度空間提取出物體的亮度I，色度H，飽和度S，它們分別對(duì)應(yīng)3個(gè)波段的平均輻射強(qiáng)度、3個(gè)波段的數(shù)據(jù)向量和的方向及3個(gè)波段等量數(shù)據(jù)的大小。RGB顏色空間和IHS色度空間有著精確的轉(zhuǎn)換關(guān)系。
以TM和SAR為例，變換思路是把TM圖像的3個(gè)波段合成的RGB假彩色圖像變換到IHS色度空間，然后用SAR圖像代替其中的I值，再變換到RGB顏色空間，形成新的影像。
2.7 貝葉斯（Bayes）估計(jì)
2.8 D-S推理法(Dempster-Shafter)
2.9 人工神經(jīng)網(wǎng)絡(luò)（ANN）
2.10 專(zhuān)家系統(tǒng)
遙感數(shù)據(jù)融合存在問(wèn)題及發(fā)展趨勢(shì)
遙感影像數(shù)據(jù)融合還是一門(mén)很不成熟的技術(shù)，有待于進(jìn)一步解決的關(guān)鍵問(wèn)題有：
（1）空間配準(zhǔn)模型
（2）建立統(tǒng)一的數(shù)學(xué)融合模型
（3）提高數(shù)據(jù)預(yù)處理過(guò)程的精度
（4）提高精確度與可信度
隨著計(jì)算機(jī)技術(shù)、通訊技術(shù)的發(fā)展，新的理論和方法的不斷出現(xiàn)，遙感影像數(shù)據(jù)融合技術(shù)將日趨成熟，從理論研究轉(zhuǎn)入到實(shí)際更廣泛的應(yīng)用，最終必將向智能化、實(shí)時(shí)化方向發(fā)展，并同GIS結(jié)合，實(shí)現(xiàn)實(shí)時(shí)動(dòng)態(tài)融合用于更新和監(jiān)測(cè)。