遥感 数字影像 处理

1. 遥感数字影像处理 崔海山 广州大学地理科学学院 地理数据科学系 2005.1.20

2. 第四讲 多源数据的融合 1数据融合的概念 2遥感数据的融合 3遥感数据与非遥感数据的融合

3. 1 数据融合的概念 1.1 定义： 数据融合( Fusion, Merge)指同一区域内遥感数据之间或遥感数据与非遥感数据之间的匹配融合。 多种遥感数据源信息融合是指利用多种对地观测技术所获取的关于同一地物的不同遥感数据，通过一定的数据处理技术提取各遥感数据源的有用信息，最后将其融合到统一的空间坐标系(图像或特征空间)中进行综合判读或进一步的解析处理，。 1.2 内容： 它包括空间配准和内容融合两个方面，从而在统一地理坐标系统下，构成一组新的空间数据、一种新的合成影像。 1.3 目的： (1)突出有用的专题数据，消除或抑制无关的数据，以改善目标识别的图像环境。

4. (2)多种遥感数据各具有一定的空间分辨率、波谱分辨率与时间分辨率，各有其主要的应用对象和特色，同时又有其在实际应用中的局限性。如果将各种遥感数据进行融合与综合分析，便可弥补单一数据的不足，以达到多种数据源的相互补充、相互印证。这样，不仅扩大了各数据的应用范围，而且大大提高了分析精度。 (3)数据融合的数据源可以是多种的，其融合并非几种数据的简单叠加，往往可以得到原来几种单个数据所不能提供的新数据。所以，数据融合十分有助于地学分析提取特定的数据，有助于更可靠地阐述自然环境各要素的相互关系、赋存与演变规律，满足地学分析及各种专题研究的需要。因此，数据融合方法具有广泛的实用意义。它是遥感地学分析中很重要的一种手段，也是目前遥感应用分析的前沿。

5. 1.4 数据融合的发展 数据融合的概念始于70年代。进入20世纪90年代以后，随着多种遥感卫星的发射成功，从不同遥感平台获得的不同空间分辨率和时间分辨率的遥感影像形成了多级分辨率的影像金字塔序列，给遥感用户提供了从粗到精、从多光谱到高光谱的多种遥感数据源。融合的发展在一定程度上解决了多种数据源综合分析的问题。

6. (1)起初是进行同种遥感数据多波段、多时相的数据融合，以提高遥感解译能力和进行动态分析。(1)起初是进行同种遥感数据多波段、多时相的数据融合，以提高遥感解译能力和进行动态分析。 (2)后来发展到不同类型遥感数据的融合，如陆地卫星与气象卫星、陆地卫星MSS与航天飞机成象雷达SIR－A、陆地卫星MSS与海洋卫星侧视雷达SAR，以及陆地卫星 MSS与RBV等，以扩大应用范围，提高分析精度，获得更好的遥感应用效果。 (3)与此同时，人们越来越感到由于遥感本身以及实际应用中的局限性，要真正认识事物，并非遥感独家所能完成。它需要其它学科的支持，只有遥感与非遥感数据的融合，如与气象、水文数据，与重力、磁力等地球物理增息，与地球化学勘探数据，与专题地图数据，以及与数字地形模型（DTM）等数据融合，进行综合分析，才能更好地发挥作用。

7. 1.5 数据融合的技术关键 (1)充分认识研究对象的地学规律。 (2)充分了解每种融合数据的特点和适用性。 (3)充分考虑到不同遥感数据之间波谱数据的相关性引起的有用数据的增加以及噪声误差的增加，因此对多种遥感数据作出合理的选择。 (4)几何配准，即解决遥感图像的几何畸变，解决空间配准问题。 只有对地学规律、影象特征、成象机理这三者有深刻的认识，并把它们有机地结合起来，数据融合才能达到更好地效果。

8. 2 遥感数据的融合 遥感数据的融合主要指不同传感器的遥感数据的融合，以及不同时相的遥感数据的融合。融合方式的确定应根据目标空间分布、光谱反射特性及时相规律方面的特征选择不同的遥感图像数据，它们在空间分辨率、光谱分辨率和时间分辨率方面相互补充，以形成一个更有利的识别环境，来识别所要识别的目标或类型。

9. 2.1 数据融合前处理 影像配准是数据融合处理中的关键步骤，其几何配准精度直接影响融合影像的质量。通常情况下，不 同类型的传感器影像之间融合时，由于它们成像方式的不同，则其系统误差类型也不同。如SPOT与TM数据融合时，SPOT的HRV传感器是以CCD推帚式扫描成像的，而TM则是通过光机扫描方式成像的，因而不同类型影像进行融合时必须经过严密的几何校正，分别在不同数据源的影像上选取控制点，用双线性内插或三次卷积内插运算对分辨率较低的图像进行重采样，改正其误差，将影像投影到同一的地面坐标系统上，为图像配准奠定基础。

10. 2.2 遥感数据融合方法 （1）彩色技术 （2）代数运算 （3）影像变换

11. SPOT 10m 2.3 不同传感器的遥感数据融合举例 例1 TM和SPOT影像数据融合 TM影像有7个波段，光谱数据丰富，特别是5和7波段。SPOT数据就没有，但SPOT数据分辨率高，全色波段可达10m，比TM的30m和SPOT多光谱传感器的 20m都高，两者融合既可以提高新图像的空间分辨率又可以保持较丰富的光谱数据。 融合后的图像既保留了SPOT的空间分辨率，又保留了TM的光谱分辨率。 TM742与SPOT融合

12. 例2 雷达和陆地卫星影像数据融合 侧视雷达图像可以反映地物的微波反射特性，地物的介电常数越大，微波反射率越高，色调越发白，这种特性对于反映土壤、水体、山地、丘陵、居民点，以及道路、渠道等线性地物明显优于陆地卫星影像，因此如将雷达影像与陆地卫星影像融合，可以既反映出可见光，近红外的反射特性，又可以反映出微波的反射特性，有利于综合分析。

13. 例3 洪水监测研究中的影像数据融合 针对具体问题常常有不同的融合方案。比如研究洪水监测，可选择的遥感数据源有TM图像、侧视雷达图像、气象卫星图像等。用每一种图像单独分析时都有不理想之处。实验表明，融合后的图像实用性大大增强。因为从不同数据源来看，多时相的NOAA气象卫星图像地面分辨率低（1.1km），但时相分辨率高，数据及时，可昼夜获取，同步性强，有利于动态监测；TM图像光谱数据丰富，几何性能好，空间分辨率较高，有利于分析洪水数据；侧视雷达图像较易观察水体和线性地物，并且可全天候获取数据，有利于实地监测洪峰。将TM与侧视雷达图像融合，既可获得洪水、水田、旱地情况，也可获得大堤、水渠等线性地物情况；将TM与气象卫星图像融合，可以克服云层影响和气象卫星分辨率低的不足。因此融合图像在洪水监测中更具实用意义。

14. 2.4 不同时相的遥感数据融合 在观测地物的类型、位置、轮廓及动态变化时，常需要不同时相遥感数据的融合。融合的步骤为： （1）配准：利用几何校正的方法做位置匹配。 （2）直方图调整：将配准后的图像尽可能地调整成一致的直方图，使图像亮度值趋于协调，以便于比较。 （3）融合：不同时相的图像融合主要用来研究时间变化所引起的各种动态变化。采用的融合方法主要有： 彩色合成方法，通过颜色对比表现变化； 差值方法，差值后可设定适当阈值，获得只有0与1的二值图像，以突出变化（变化部分为1，非变化部分为0，或相反）； 比值方法，也可设定阈值，类别不变的地物一定接近于1，因此同样可利用二值图像突出变化。

15. 3 遥感与非遥感数据的融合 3.1 遥感与非遥感数据的融合的意义 遥感数据来源于地球表面物体对太阳辐射的反射（被动遥感），某些波段还具有一定的穿透能力，由此可得到具有一定地表深度的数据。通过不同地物的相关性，还可间接地获得数据，例如植被和土壤相关，通过覆盖在土壤上的植被数据，可间接地分析出土壤的情况。还可通过不同遥感数据源的优势互补，进行融合增加数据量。 尽管如此，仅通过遥感手段获取数据仍感到不够，不能解决遇到的全部问题，因此将地形、气象、水文等专题数据，行政区划、人口、经济收入等人文与经济数据作为遥感数据的补充，可有助于综合分析问题，发现客观规律，提高解译的效果，因此遥感数据与地理数据的融合也是遥感分析过程中不可缺少的手段。

16. 遥感数据是以栅格格式记录的，而地面采集的地理数据常呈现出多等级，多量纲的特点，数据格式也多样化。因此，为了使各种地理数据能与遥感数据兼容，首先需要将获取的非遥感数据按照一定的地理网格系统重新量化和编码，以完成各种地理数据的定量和定位，产生出新的数据格式。甚至可以将其制作成与遥感数据类似的若干独立的波段，以便和遥感数据融合。这样，遥感数据与非遥感数据可在空间上对应一致，又可在成因上互相说明，以达到深入分析的目的。

17. 3.2 遥感与非遥感数据的融合步骤 （1）地理数据的网格化 为了使非遥感的地理数据与遥感数据融合，前提条件是必须使地理数据可作为遥感数据的一个“波段”，这就是说通过一系列预处理，使地理数据①成为网格化的数据；②地面分辨率与遥感数据一致；③对应地面位置与遥感影像配准。 网格数据生成：原始采集的地理数据多种多样，其中以离散形式采样的数据居多，如高程点值、土壤酸碱度值与气温值等。这种数据不能以统一的数学模型生成网格，但在某一局部仍可用近似的数学函数来表达，因此常采用局部拟合法进行逐点内插。

18. 与遥感数据配准：地理数据生成网格时，网格所对应的地面分辨率应与遥感数据的地面分辨率一致。如果从地理数据无法得到与遥感数据一致的分辨率，只有用配准的方法同时调整分辨率与位置。与遥感数据配准：地理数据生成网格时，网格所对应的地面分辨率应与遥感数据的地面分辨率一致。如果从地理数据无法得到与遥感数据一致的分辨率，只有用配准的方法同时调整分辨率与位置。 配准仍采用几何校正法，但需特别注意控制点选取的准确性。

19. （2）最优遥感数据的选取 融合时的遥感数据常常只需一个或二个波段，如为使分辨率优化，可选取SPOT数据的全色波段，当用TM数据时，则可选用K－L变换后的前两个波段，以达到减少数据量，保持数据量的目的。因此选取适合需要的遥感波段十分重要。 （3）配准融合 栅格数据与栅格数据：在完成分辨率与位置配准后，多采用两种方法：①非遥感数据与遥感数据共组成三个波段，实行假彩色合成；②两种数据直接叠加，波段之间可作加法或其他数学运算，也可在波段之间做适当的“与”、“或”等布尔运算。

20. 栅格数据与矢量数据：常采用不同数据格式的融合和不同数据层的融合。①只要坐标位置配准，栅格数据与矢量数据也可以叠加，如在遥感影像上加上行政边界或等高线等。②不同层面的融合，这里的层面指计算和记录时将不同的图像记录到不同的层上，显示时可以分别显示，也可以一起叠合显示。达到融合的效果，如要想在遥感影像的背景上突出河流湖泊等水体部分，或突出其他地理特征，则被突出的部分可单独记录为一层。

21. 遥感数据和非遥感数据还可以在同一地理投影坐标系统下放到一起作综合分类分析，这种分析不限波段数目，例如分析盐渍土时可以采用TM1，2，3，4，5，7六个波段，再加上非遥感的地形数据、地下水埋深、地下水矿化度等重要的影响盐渍土的数据所形成的网格作为参与分类分析的“波段”。综合分析由于考虑了地理因素，使结果的可靠性和精确度得到提高。遥感数据和非遥感数据还可以在同一地理投影坐标系统下放到一起作综合分类分析，这种分析不限波段数目，例如分析盐渍土时可以采用TM1，2，3，4，5，7六个波段，再加上非遥感的地形数据、地下水埋深、地下水矿化度等重要的影响盐渍土的数据所形成的网格作为参与分类分析的“波段”。综合分析由于考虑了地理因素，使结果的可靠性和精确度得到提高。 总之，多源数据融合实现了遥感数据之间的优势互补，也实现了遥感数据与地理数据的有机结合。这种融合的意义决不仅仅提高了目视解译的效果，更重要的是在定量分析中提高了精度，扩大了遥感数据的应用面，具有很大的实际意义。

22. 遥感数据融合实习 分辨率融合方法： （1）主成分变换 （2）乘积变换：Bi_new = Bi_m * B_h （3）比值变换：将输入遥感数据的三个波段按下式计算： Bi_new = [ Bi_m /（ Br_m+ Bg_m+ Bb_m）] * B_h i = 1,2,3