【数据结构与算法学习笔记006】数据融合（data fusion）原理与方法

转载地址：http://www.cppblog.com/COOOOOOOOL/archive/2010/03/16/109832.html

 

目录

一. 数据融合基本涵义

二、数据融合原理及过程

1. 预处理

2. 数据融合

三、数据融合分类及方法

1. 数据融合方法分类

1.1 像元级融合

1.2 特征级融合

1.3 决策级融合

2. 数据融合方法介绍

2.1 代数法

2.2 图像回归法（Image Regression）

2.3 主成分变换（PCT）

2.4 K-T变换

2.5 小波变换

2.6 IHS变换

2.7 贝叶斯（Bayes）估计

2.8 D-S推理法(Dempster-Shafter)

2.9 人工神经网络（ANN）

2.10 专家系统

四、遥感数据融合存在问题及发展趋势

---

数据融合（data fusion）最早被应用于军事领域。 
现在数据融合的主要应用领域有：多源影像复合、机器人和智能仪器系统、战场和无人驾驶飞机、图像分析与理解、目标检测与跟踪、自动目标识别等等。在遥感中，数据融合属于一种属性融合，它是将同一地区的多源遥感影像数据加以智能化合成，产生比单一信息源更精确、更完全、更可靠的估计和判断……

一. 数据融合基本涵义

数据融合（data fusion）最早被应用于军事领域。 
现在数据融合的主要应用领域有：多源影像复合、机器人和智能仪器系统、战场和无人驾驶飞机、图像分析与理解、目标检测与跟踪、自动目标识别等等。在遥感中，数据融合属于一种属性融合，它是将同一地区的多源遥感影像数据加以智能化合成，产生比单一信息源更精确、更完全、更可靠的估计和判断。相对于单源遥感影象数据，多源遥感影象数据所提供的信息具有以下特点： 
1.冗余性：表示多源遥感影像数据对环境或目标的表示、描述或解译结果相同； 
2.互补性：指信息来自不同的自由度且相互独立 
3.合作性：不同传感器在观测和处理信息时对其它信息有依赖关系； 
4.信息分层的结构特性：数据融合所处理的多源遥感信息可以在不同的信息层次上出现，这些信息抽象层次包括像素层、特征层和决策层，分层结构和并行处理机制还可保证系统的实时性。

实质： 在统一地理坐标系中将对同一目标检测的多幅遥感图像数据采用一定的算法，生成一幅新的、更能有效表示该目标的图像信息。

目的：将单一传感器的多波段信息或不同类别传感器所提供的信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，加以互补，改善遥感信息提取的及时性和可靠性，提高数据的使用效率。

二、数据融合原理及过程

一般来说，遥感影像的数据融合分为预处理和数据融合两步

1. 预处理

主要包括遥感影像的几何纠正、大气订正、辐射校正及空间配准 
1. 几何纠正、大气订正及辐射校正的目的主要在于去处透视收缩、叠掩、阴影等地形因素以及卫星扰动、天气变化、大气散射等随机因素对成像结果一致性的影响； 
2. 影像空间配准的目的在于消除由不同传感器得到的影像在拍摄角度、时相及分辨率等方面的差异。

影像的空间配准时遥感影像数据融合的前提空间配准一般可分为以下步骤 : 
1. 特征选择：在欲配准的两幅影像上，选择如边界、线状物交叉点、区域轮廓线等明显的特征。 
2. 特征匹配：采用一定配准算法，找处两幅影像上对应的明显地物点，作为控制点。 
3. 空间变化：根据控制点，建立影像间的映射关系。 
4. 插值：根据映射关系，对非参考影像进行重采样，获得同参考影像配准的影像。 
空间配准的精度一般要求在1~