多源遥感影像数据的融合方法探讨
第31卷第4期2008年8月
测绘与空间地理信息
GEOMAT ICS &SPAT IAL I N FORMAT ION TEC HN OLOGY
V o.l 31,N o .4
A ug .,2008
收稿日期:2008-04-18
作者简介:孔庆楠(1957-),女,内蒙古丰镇人,工程师,1995年毕业于武汉测绘科技大学测绘与管理专业,主要从事地理信息系统
与遥感数据处理工作。
多源遥感影像数据的融合方法探讨
孔庆楠
(新疆维吾尔自治区第二测绘院,新疆乌鲁木齐830002)
摘要:在分析和总结多源遥感影像数据融合的基础上,探讨了多源遥感影像数据融合的层次、模型、结构及其
特点,归纳总结了多源遥感影像数据融合方法,目的是提高多光谱影像分辨率的同时保持色调不变,从另一个角度理解为在已知低分辨率多光谱影像和高分辨率全色影像的基础上,模拟生成高分辨率多光谱影像。本文介绍了遥感影像融合技术,系统阐述了几种常见的遥感影像融合方法及其应用。
关键词:多源卫星影像;正射纠正精度;遥感影像融合
中图分类号:TP75 文献标识码:B 文章编号:1672-5867(2008)04-0108-02
D isc ussion on theM et hods forM ulti -source
Re m ote Sensing I m age Fusion
KONG Q i ng-nan
(The Second Surveyi n g and M app i ng Institu te of X i n jiang Uygu r Autono mous R eg i on ,U rumq i 830002,Ch i na)Abstrac t :T h i s pape r d i scussed t he l eve,l mode,l structure and characters of m ulti-source re m ote sensing i m age f us i on based on the analysis and su mm ary o fm ulti-source remo te sensi ng i m age f usion .Then it concl uded and su mm ar i zed the m ethods o fm ulti-source remo te sensi ng i m age f usion to i m prove the spa ti a l reso l uti on of mu lti-spectra l i m age and keep the tone .F ro m ano t her aspect ,it pro -duce high spati a l resoluti on mu lti -spectra l i m age usi ng l ow spatialm ulti-spectra l i m ag e and h i gh spa ti a l reso l ution panchro m atic i m -age .Th i s paper introduced the techniques of re m o te sens i ng i m age fusi on ,d i scussed som e comm on m ethods and appli cations o f re m ote
sensing i m age f usi on .K ey word s :mu lti -source sa tellite i m age ;o rt ho-rectifica ti on accuracy ;re m ote sensi ng i m age fusi on
0 引 言
随着遥感技术的发展,不同传感器的遥感影像相继出现,许多卫星携带的传感器具有接收不同空间分辨率影像的能力,如Landsat7和I KO NOS 、SPOT5等。它们不仅可以接收较低空间分辨的多波段影像,还能接收高空间分辨率的全色波段影像,而实际应用则需要既具有高空间分辨率又具有高光谱分辨率的遥感影像。随着遥感影像融合技术的发展,目前学术界提出了很多遥感影像的融合方法,常用的融合方法有H I S 变换法、P CA 变换法等。这些方法在中等分辨率影像的融合中均获得较好的效果,并得到广泛应用。但在高分辨率影像的融合中,这些方法对光谱信息保真度较差,融合影像光谱信息发生了不同程度的扭曲,这对遥感影像分类精度的影响较大,虽然有很多的改进措施,但效果都不是特别理想。
1 几种常见的融合方法
分辨率融合是对不同空间分辨率遥感图像的融合处理,能使处理后的遥感图像既具有较高分辨率,又具有多光谱特征,从而达到图像增强的目的。图像融合的关键是融合前两幅图像的配准,融合方法的选择。不同空间分辨率的图像必须精确地配准,才能得到好的效果。融合处理方法的选择,取决于图像的特性以及融合的目的,这需要对融合方法的原理有正确的认识。
1.1 基于I H S 变换的融合
H I S 变换融合主要是色彩变换融合,是建立在RGB 空间和H I S 空间之间相互转化的处理过程。H I S 变换是一种影像显示增强和信息综合的方法,即将低分辨率的多光谱影像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 的3个分量,利用其高空间分辨率
的全色波段代替RGB 影像变换的I 分量,然后进行I H S 的逆变换,形成新的RGB 彩色影像,完成融合过程。这样,融合后的影像具有较高的空间分辨率,同时又保持了原低分辨率多光谱影像相同的色度和饱和度。然而,由于不同波段的数据具有不同的光谱特性曲线,而I H S 融合方法扭曲了原始的光谱特性,产生了不同程度的光谱退化现象。
对SPOT5影像采用不同的融合方法做影像融合,选择的方法有H I S 、Pansharp 、主成分分析、B r ovey 、乘积变换融合法等。结果表明,I H S 法融合虽然可以提高融合影像的纹理特征,但光谱信息有一定的损失。同时这种方法只能对3个波段进行融合。
1.2Brovey 比值变换融合
Brovey 融合也称为色彩标准化融合,是美国科学家
B r ove y 建立的一种模型并将其推广的,是目前一种应用广泛的RGB 彩色融合变换方法。该方法能够保留每个像素的相关光谱特性,并且将所有的亮度信息变换成高分辨率的全色影像融合。但由于B r ovey 影像融合对影像的要求比较高,为减少数据冗余和非光谱信息,融合前必须预先进行相关预处理和噪声滤波处理,采用B r ove y 融合会导致光谱信息的失真。
1.3 基于主成分分析(PCA )的融合
主成分变换是在影像统计特征基础上的多维线性变换,具有方差信息浓缩、数据量压缩的特点,可以更准确地揭示多光谱数据结构内部的遥感信息,常常是以高分辨率数据替代多光谱数据变换以后的第一主成分来达到融合的目的,生成具有高空间分辨率的多光谱融合影像。这种融合方法也是目前遥感影像融合处理的主要方法之一,它克服了基于I H S 变换融合方法只能同时对3波段多光谱影像进行融合的局限,可以融合多个多光谱波段,在保持多光谱特性的能力上也较强,这种融合方法适用范围较广。
利用几种常见的融合方法(I H S 变换、Brovey 变换和主成分变换等)对影像进行研究,其结果表明用主成分变换法对SPOT5影像进行融合时,融合色彩比较接近自然色,纹理清晰,其效果优于其他两种方法。包括主成分变换在内,在保持光谱信息方面还是小波变换法优于其他几种方法,但该种方法也存在光谱扭曲缺陷。
1.4乘积变换融合
应用最基本的乘积组合算法直接对两种空间分辨率的遥感数据进行合成,将一定亮度的图像进行变换处理时,只有乘积变换可以使其色彩保持不变。
1.5基于小波分析的融合方法
基于小波分析的融合方法是M allat 于1989年提出小波的多分辨分析思想及小波的分解和重构快速算法。小波融合方法的基本函数是一些小型波,所以称为小波融
合。在影像数据融合中,小波变换可将影像分解为更低
分辨率的近似低频影像和高频细节影像,同时由于小波变换的多分辨率特性,不同尺度的空间特征也可以进行分离,因此小波变换可以用于不同传感器间多分辨率影像的融合。
2 影像融合在土地资源调查、土地覆盖分
类、森林资源调查方面的应用
遥感技术在土地利用动态检测中发挥重要作用,多源遥感影像融合后的影像可对土地资源进行动态监测、调查。通过融合,影像既对植被、水系有较好的反映,同时对城区的内部结构也有较好的反映。森林资源也是人们赖以生存的自然资源之一,保护生态平衡是人类社会可持续发展的前提。遥感技术的发展,多传感器、多时相的遥感影像的出现为人们提供了改善及保护环境的高效手段,利用多源影像的融合结果作为森林资源调查的数据源,为森林资源的规划提供了科学的依据。这不仅可提高效率,还可以降低成本。
对影像做正射纠正、融合、镶嵌,对影像正射纠正的精度一般要求较高,需要融合全色与多光谱遥感影像正射纠正后,再做影像间的纠正配准。应达到一致精度,才能得到较好的融合效果。
遥感影像数据处理工艺流程如图1所示。
图1 遥感影像数据处理工艺流程图
F ig .1 Th e work i ng f l ow char t of re m ote
sen si ng i m age data processing
3 结束语
遥感影像融合是遥感影像处理中的重要环节,是处理多源遥感影像数据的主要手段之一,而融合方法的选择对融合结果来说至关重要。本文通过对I H S 变换、
(下转第113页)
109
第4期孔庆楠:多源遥感影像数据的融合方法探讨
此种交互方式是通过菜单、按钮等3维W i dget 实现的。具体而言就是在虚拟的3维环境中有一些小工具,用户可以直接控制它们改变虚拟环境中的对象。3维W i d -get 现在仍处于探索阶段,许多3维用户界面的研究者正在设计和试验各种不同的3维W i dge,t 人们希望将来能够建立一系列标准的3维W i dge,t 就像2维图形用户界面中的窗口、按钮和菜单等。
4 影响虚拟地形环境空间认知功效的因素
影响虚拟地形环境空间认知功效的因素众多,本文归结为3点:技术因素、硬件设备因素和人的因素,分别做简要介绍。
1)技术因素导致感觉模拟的不匹配
由于技术的限制,现在的虚拟现实技术还不可避免地在系统中出现感觉模拟的不匹配,但是人的各种感觉是一个互为补充、互为参照的有机系统,这样便会造成参与者知觉上的矛盾和心理上的困惑,影响空间认知的效果。
2)交互硬件设备的性能限制
如果头盔显示器的图像分辨率低,且延迟时间较长,就破坏了虚拟环境的沉浸感。跟踪器的范围和精度也降低了交互的有效性。另外,力反馈和触觉反馈装置也只能有限地模拟一些相对简单的力和触觉。
3)不同参与者生理构造的差别
比如人耳轮廓的千差万别使立体声的实现更加困难。
5 结束语
近年来,虚拟现实技术发展迅速,硬件设备和软件环
境都有重大的进展。虚拟地形环境为人类认识自身生活的空间提供了一个新的认知工具。各种规模、各种目的的虚拟地形环境系统已进入市场,应用范围日益扩大,其发展前景十分看好。但是,由于技术的限制,计算机生成的虚拟环境和现实环境相比还有相当大的差距,还不能完全给参与者现实般的沉浸感,所以研究人员还需在空间认知方面做更深入的研究,以提高虚拟地形环境的空间认知效果,使其真正成为一个人性化的另类空间。
参考文献:
[1] 王家耀,陈毓芬.理论地图学[M ].北京:解放军出版社,
2001.
[2] 高俊,夏运钧,游雄,等.虚拟现实在地形环境仿真中的
应用[M ].北京:解放军出版社,1999.
[3] 万刚,高俊,游雄.虚拟地形环境仿真中的若干空间认知
问题[J].测绘科学,2005,30(2):48-50.
[4] 王晓明,刘瑜,张晶.地理空间认知综述[J].地理与地理
信息科学,2005,21(6):1-10.
[5] 汪成为,高文,王行仁.灵境(虚拟现实)技术的理论、实
现及应用[M ].北京:清华大学出版社,1996.
(上接第109页
)
图2 数据处理前
Fig .2 The i m age before being proce
ssed
图3 数据处理后
Fig .3 The i m age after being processed
B r ovey 融合、主成分变换以及基于小波分析法等几种常见的融合方法进行了一定的分析。不同的融合方法对同一种遥感影像进行融合时其评价指标有所不同,进而影响融合影像质量。针对不同的遥感影像进行融合时应采用不同的融合方法。融合模型的选择也是相当重要的,根据研究目标选择融合模型;多光谱影像的波段之间有着一定的关联性,可以根据需要,选择最佳波段来融合。配准精度或精纠的精度都是直接影响融合结果的因素。
参考文献:
[1] 赵英时.遥感应用分析原理与方法[M ].北京:科学出版社,2003.
[2] 杨肖琪,林嵩,金斌,等.高分辨率卫星遥感数据的融合比较研究[J].集美大学学报,2005,(4):338-342.
[3] 覃征,鲍复民.数字影像融合[M ].西安:西安交通大学出版社,2004.
[4] 袁金国,王卫.多源遥感数据融合应用研究[J].地球信息科学,2005,7(3):98-103.
[5] 王建梅,李德仁.全色与多光谱数据融合方法用于土地
覆盖分类中的比较研究[J].测绘通报,2005,(10):37-40.
[编辑:王明曦]
113
第4期葛 文等:虚拟地形环境中的空间认知问题初探
遥感影像融合处理方法
遥感影像融合处理方法 摘要：本文介绍了遥感影像数据融合技术，并给出了融合的一些基本理论、融合处理一般步骤以及常用融合处理方法，最后简要描述了融合评价的方式方法等。 关键词：遥感影像融合融合评价 1、前言 将高分辨率的全色遥感影像和低分辨率的多光谱遥感影像进行融合，获得色彩信息丰富且分辨率高的遥感融合影像的过程，成为遥感影像融合。全色影像一般具有较高空间分辨率，多光谱影像光谱信息较丰富，为提高多光谱影像的空间分辨率，可以将全色影像融合进多光谱影像。通过影像融合既可以提高多光谱影像空间分辨率，又能保留其多光谱特性。 2、遥感影像融合一般步骤 遥感影像信息融合一般流程主要分为两个阶段：图像预处理，图像融合变换。 图像预处理主要包括：几何校正及影像配准。几何校正主要在于去除透视收缩、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；影像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。 3 常用融合方式 3.1 IHS融合 IHS（亮度I、色度H、饱和度S）变换就是将影像从RGB彩色空间变换到IHS空间来实现影像融合的一种方法。由光学、热红外和雷达(微波)等方式得到的不同波段遥感数据，合成的RGB颜色空间是一个对物体颜色属性描述系统，而IHS色度空间提取出物体的亮度、色度、饱和度，它们分别对应每个波段的平均辐射强度、数据向量和的方向及其等量数据的大小。RGB颜色空间和IHS 色度空间有着精确的转换关系。IHS变换法只能用三个波段的多光谱影像融合和全色影像融合。 3.2 小波融合 小波变换，基于遥感影像的频域分析进行的，由于同一地区不同类型的影像，低频部分差别不大，而高频部分相差很大，通过小波变换对变换区实现分频，在分频基础上进行遥感影像的融合，常用于雷达影像SAR与TM影像的融合。
遥感图像融合方法比较
1 绪论 1.1研究目的及意义 20世纪90年代中后期以后，搭载许多新型传感器的卫星相继升空，使得同一地区的遥感数据影像数目不断增多。如何有效地利用这些不同时相、不同传感器、不同分辨率的遥感数据便成为了遥感工作者研究的瓶颈问题，然而解决这一问题的关键技术就是遥感影像数据融合。 遥感数据融合就是对多个遥感器的图像数据和其他信息的处理过程，它着重于把那些在空间或时间上冗余或互补的多源数据，按一定法则（算法）进行处理，获得比单一数据更精确、更丰富的信息，生成一幅具有新的空间、波谱和时间特征的合成图像。 遥感是不同空间、时间、波谱、辐射分辨率提供电磁波谱不同谱段的数据。由于成像原理不同和技术条件的限制，任何一个单一遥感器的遥感数据都不能全面的反映目标对象的特征，也就是有一定的应用范围和局限性。各类非遥感数据也有它自身的特点和局限性。影像数据融合技术能够实现数据之间的优势互补，也能实现遥感数据与地理数据的有机结合。数据融合技术是一门新兴的技术，具有十分广阔的应用前景。所以，研究遥感影像数据融合方法是非常必要的。 1.2研究现状及发展的趋势 1.2.1研究现状 20世纪美国学者提出“多传感器信息融合”的概念认为在多源遥感影像数据中能够提取出比单一遥感影像更丰富、更有效、更可靠的信息。之后由于军事方面的要求，使得遥感影像数据融合技术得到了很大的发展，美、英，德等国家已经研制出了实用的遥感数据融合处理的系统和软件，同时进行了商业应用。 1）、融合结构 融合的结构可分为两类：集中式和分布式。集中式融合结构：各传感器的观测数据直接被送到中心，进行融合处理，用于关联、跟踪、识别等。分布式融合结构：每个传感器独立完成关联、识别、跟踪，然后由融合中心完成配准、多源关联的融合。 2）、融合的层次 图像融合可分为：像元级融合、特征级融合和决策级融合。 像元级融合是最低级的信息融合，可以在像素或分辨单位上进行，又叫做数据级融合。它是对空间配准的遥感影像数据直接融合，然后对融合的数据进行特征提取和属性说明。 特征级融合是由各个数据源中提取特征信息进行综合分析和处理的过程，是中间层次的融合。特征级融合分为目标状态信息融合和目标特征融合。 决策级融合是在信息表示的最高层次上进行融合处理。首先将不同传感器观测同一目标获得的数据进行预处理、特征提取、识别，以建立对所观测目标的初步理论，然后通过相关处理、决策级融合判别，最终获得联合推断结果，从而为决策提供依据。
浅谈多源遥感影像融合在图像分类中的应用
浅谈多源遥感影像融合在图像分类中的应用 武汉大学遥感信息工程学院201130259XXXX XX 【摘要】笔者结合SPOT影像与TM影像数据融合这一常用方法，简要阐述了多源遥感影像融合技术出现的现实要求、基本原理和主要步骤，从而体现了増维问题在遥感图像分类中的应用。 【关键词】多源遥感影像融合増维图像分类 1、技术背景 现代遥感技术正在向高光谱分辨率、高空间分辨率和高时间分辨率方向发展, 新型卫星传感器不断涌现, 已从单一传感器发展到多传感器, 在同一地区形成多级分辨率的影像金字塔。在遥感图像分类中，为了达到更好的效果，有时需要增加辅助数据即增加维度，其中常用的一种方法是将SPOT影像与TM影像进行数据融合，将SPOT的较高空间分辨率与TM的较高光谱分辨率等优势综合起来，弥补单一图像上信息的不足，不仅扩大了各自信息的应用范围，而且大大提高了遥感影像分类的精度。 2、技术流程 2.1 多源遥感数据的预处理 由于太阳位置、角度条件、大气条件等因素的影响，遥感图像常表现为一定程度的失真和畸变，因此在多源遥感数据融合之前必须进行预处理。 首先应该选取适当的波段，对于TM影像，通常选用5、4、3（短波红外、近红外、红色）波段合成，这样有利于植被分类和水体判别。SPOT图像具有多光谱和全色两种模式，为了能跟TM图像的光谱特征更接近，通常采用多光谱的三个波段作为信息源。同时为避免不同时段地物的差异，TM和SPOT图像应采用近似同一时段的数据。 遥感图像有一定的几何误差，这就需要进行几何纠正。对于TM数据，纠正方法大致包括按影像获取时的姿态参数和投影系统参数按地图投影参数的变换纠正（粗纠正）和以影像和地形图选择若干同名点对，通过求解多项逼近式纠正参数（精纠正）两种。对于SPOT影像，可以从其磁带“头”文件中读出星历参数和姿态角变化率，进而计算影像中心行的外方位元素近似值，然后结合6个以上控制点采用间接校正法对原始图像进行几何和灰度重采样。 由于多源影像数据的几何、光谱、分辨率等特性有所不同，为了将多源信息有效融合，提取更多信息，必须进行有效的配准。比如对10m分辨率SPOT影像与30m分辨率的TM影像之间融合，就需要将TM数据放大至与SPOT单色波段空间分辨率一致，再分别寻找两幅图中的同名控制点，以SPOT影像为参考图，将TM影像对应到SPOT 影像上。 此外，多源遥感数据的预处理还包括辐射校正、去噪、边缘提取等。
一种多源异构数据融合技术在PGIS系统中的研究与应用
一种多源异构数据融合技术在PGIS系统中 的研究与应用 周凯1，2 （1.四川省公安科研中心，四川成都610015；2.四川大学，四川成都610064） [摘要]警用地理信息系统是公安机关维稳处突、打击违法犯罪行为的重要技术支撑平台。多源异构数据是维护该平台安全稳定、高效运行的底层核心数据。文章以某PGIS平台为例，针对多源异构数据使用中遇到的数据不兼容、格式不统一、属性数据非空间化、空间数据格式转化等问题，提出了一种多源异构数据的融合模型。通过属性清洗、属性追加、空间匹配、格式转化等流程化操作，实现了空间与非空间、结构与非结构等数据的融合使用。并可以基于PGIS平台，统一加载、统一展示、统一应用。通过利用该技术，挖掘了数据的利用价值，为类似平台数据处理提供了技术参考与经验。 [关键词]多源异构；PGIS；数据融合 [中图分类号]P208[文献标识码]A[文章编号]1674-5019（2019）02-0051-05 A Multi-Source Heterogeneous Data Fusion Technology in PGIS System Research and Application ZHOU Kai 1引言 数据融合的本质是多方数据协同处理，以达到减少冗余、综合互补和捕捉协同信息的目的。该技术已成为数据处理、目标识别、态势评估以及智能决策等领域的研究热点[1]。通过数据融合，能够将研究对象获取的所有信息全部统一在一个时空体系内，得到比单独输入数据更多的信息。警用地理信息系统（Police Geographic Information System，简称“PGIS”）是多源异构数据技术、地理信息技术和公安系统业务工作高度结合的产物[2]。利用多源异构数据融合技术的PGIS平台，可以实现跨省、市、县等行政区域的一张图展示，可达到资源的高度统一利用。但在实际工作过程中，支撑PGIS平台的基础地理信息数据种类繁多，从平面线划图到精细化三维成果，从空间数据到非空间数据，从海量兴趣点数据（poi）到各种图像数据应有尽有。面对大数据时代海量的数据资源，如何保障PGIS平台业务数据、测绘地理信息数据、“一标三实”等数据高效利用，互补短板，统一承载于警用地理信息平台，协同发挥数据最大价值，提高数据在分析决策中的应用价值，是当下PGIS平台发展研究的热点问题[2-3]。 2研究方法2.1多源异构数据融合技术 数据集成是数据融合的基础，融合是集成基础上的深化应用，通过数据集成与融合，可派生出更高更有价值的新数据，从而得到数据的更多利用价值[4]。马茜等人[5]基于物联网背景下多源数据获取、存储等存在的不足，提出了一种约束数据质量的异构多源多模态感知数据获取方法，提高了数据精度，降低了网络资源消耗。韩双旺[6]基于XML语言实现异构多源空间数据的映射和模式转换，利用WebGIS技术实现了空间数据的集成和互操作。惠国保[7]结合深度学习技术，构思了一种泛化性强的多源异构影像数据融合深度学习模型，实现了深度学习技术在多源异构数据方面的信息提取与挖掘。李文闯等人[8]提出了一种基于可交换图像文件(EXIF)原理以数字图像为载体融合空间位置信息和一般形式属性的数据模型，实现了空间位置和一般属性嵌入到数字图像物理结构，达到了数据融合的效果。 本文不仅需要解决各种数据的属性嵌套、数据集成，而且要解决空间数据和非空间数据、空间数据与空间数据、结构数据与非结构数据之间的转化问题。因此鉴于实际需求，本文提出了基于FME平台下自主构建多源异构数据引擎，开展数据融合，实现多源异构数据的集成统一、高效利用。
浅析多源遥感数据融合原理及应用
浅析多源遥感数据融合原理 摘要: 本文介绍了遥感影像融合技术, 系统阐述了几种常见的遥感影像融合方法及其优缺点。首先，阐述了多源遥感影像数据融合的目的、意义以及多源遥感影像数据融合的基本理论；然后介绍了多源遥感影像数据融合的层次和常用方法,在分析和探讨多源遥感影像数据融合原理、层次、结构及特点的基础上，归纳了多源遥感影像数据融合方法，然后通过实验，对不同方法融合后的成果图进行比较，每种方法都有其自身的优点和不足之处，这就决定了它们在应用方面的不同，采用乘积方法变换、Brovey比值变换和PCA变换融合方法融合后的图像，其光谱保真程度逐渐降低．Muhiplieative（乘积）变换融合较好地保留了多光谱波段的光谱分辨率和空间信息，融合图像的光谱保真能力较好，详细程度较高；PCA变换融合和Brovey变换；融合和影像质量一般．与PCA变换融合比较，Brovey变换融合的空间信息的详细程度较低，但相对好的保留了多光谱波段的光谱分辨率。 关键词: 遥感影像融合融合层次融合方法优缺点对比
目录 1、绪论 (1) 2、多源遥感数据融合的基本理论 (1) 2.1 多源遥感数据融合的概念 (3) 2.2多源遥感数据融合的原理 (4) 2.3多源遥感数据融合层次 (4) 2.3.1 像元级融合 (4) 2.3.2 特征级融合 (4) 2.3.3 决策级融合 (5) 3、多源遥感数据融合常用方法 (5) 3.1 主成分变换（PCT） (5) 3.2 乘积变换 (5) 3.3 Brovey比值变换融合 (5) 4、实验与分析 (6) 5、结语 (8) 参考文献 (9) 致谢 (10)
【CN110110082A】多源异构数据融合优化方法【专利】
(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910294678.8 (22)申请日 2019.04.12 (71)申请人 黄红梅 地址 510610 广东省广州市天河区沾益直 街1号 申请人 何卓华 谢新屋 (72)发明人 黄红梅 何卓华 谢新屋 (74)专利代理机构 北京联瑞联丰知识产权代理 事务所(普通合伙) 11411 代理人 张学府 (51)Int.Cl. G06F 16/35(2019.01) G06F 16/903(2019.01) (54)发明名称 多源异构数据融合优化方法 (57)摘要 本发明公开了一种多源异构数据融合优化 方法，包括如下步骤：A)对数据实例、类别和属性 进行提取和分析，建立词库和短文本库；B)从互 联网获取多源异构数据；C)对多源异构数据进行 规范化处理，生成短文本；短文本有多个词构成， 规范化处理包括分词和去除停用词；D)将短文本 作为待匹配短文本，将待匹配短文本与短文本库 中存储的短文本进行匹配，得到短文本匹配结 果；E )根据短文本匹配结果对数据进行融合，建 立大数据内容模型，得到数据融合结果；F )对数 据融合结果进行评价，得到评价结果；评价结果 包括优、良、中和差。本发明能建立完整性、准确 性和一致性较强的高质量的大数据知识库。权利要求书2页 说明书5页 附图1页CN 110110082 A 2019.08.09 C N 110110082 A
1.一种多源异构数据融合优化方法，其特征在于，包括如下步骤： A)对数据实例、类别和属性进行提取和分析，建立词库和短文本库； B)从互联网获取多源异构数据； C)对所述多源异构数据进行规范化处理，生成短文本；所述短文本由多个词构成，所述规范化处理包括分词和去除停用词； D)将所述短文本作为待匹配短文本，将所述待匹配短文本与短文本库中存储的短文本进行匹配，得到短文本匹配结果； E)根据所述短文本匹配结果对数据进行融合，建立大数据内容模型，得到数据融合结果； F)对所述数据融合结果进行评价，得到评价结果；所述评价结果包括优、良、中和差。 2.根据权利要求1所述的多源异构数据融合优化方法，其特征在于，所述步骤D)进一步包括： D1)计算所述待匹配短文本与短文本库中的短文本之间的字符匹配因子； D2)计算所述待匹配短文本与短文本库中的短文本之间的词匹配因子； D3)根据所述字符匹配因子和词匹配因子，对所述待匹配短文本与短文本库中的短文本进行匹配，计算短文本匹配因子。 3.根据权利要求2所述的多源异构数据融合优化方法，其特征在于，所述字符匹配因子 采用如下公式进行计算： 其中，F 1表示所述字符匹配因子，c 1表示所述待匹配短文本包含的字符数，c 2表示所述短文本库中的短文本包含的字符数，p表示匹配的字符数，h表示换位的数目。 4.根据权利要求3所述的多源异构数据融合优化方法，其特征在于，所述词匹配因子采 用如下公式进行计算： 其中，F 2表示所述词匹配因子，n表示维数较高短文本向量的维数，σ表示修正因子，σ∈ [0.9，1.3]，用于修正增加词带来的误差，A i 为所述待匹配短文本中的第i个词，B i 为短文本库中的短文本中的第i个词。 5.根据权利要求4所述的多源异构数据融合优化方法，其特征在于，所述短文本匹配因 子采用如下公式进行计算： 其中，Y表示短文本的匹配因子；设定匹配阈值Y 0，若Y≥Y 0，则说明所述待匹配短文本与短文本库中的短文本相匹配，若Y＜Y 0，则说明所述待匹配短文本与短文本库中的短文本不匹配。 6.根据权利要求5所述的多源异构数据融合优化方法，其特征在于，所述步骤E)具体 权 利 要 求 书1/2页2CN 110110082 A
论中医药多源异构大数据融合方法研究的意义
Traditional Chinese Medicine 中医学, 2018, 7(5), 282-285 Published Online September 2018 in Hans. https://www.wendangku.net/doc/d812217996.html,/journal/tcm https://https://www.wendangku.net/doc/d812217996.html,/10.12677/tcm.2018.75047 On the Significance of the Method of Multi-Source Heterogeneous Data Fusion in TCM Hanqing Zhao, Zhiguo Wang* Institute of Basic Research in Clinical Medicine, China Academy of Chinese Medical Sciences, Beijing Received: Aug. 18th, 2018; accepted: Aug. 26th, 2018; published: Sep. 3rd, 2018 Abstract Multi-source isomerism is one of the basic features of large data. It is a hot issue in recent years to study traditional Chinese medicine diagnosis and treatment methods based on data. Building a generalization model is one of the methods to solve multisource heterogeneous data fusion and shares and extends the scope of traditional Chinese medicine data. However, the complexity of the large data of traditional Chinese medicine is high. Many problems, such as rich semantics, uneven distribution and poor objectivity, have greatly restricted the research and application of big data in Chinese medicine. In this paper, the importance of multi-source heterogeneous data fusion me-thod under the background of Internet+ large data is discussed, and the importance of mul-ti-source heterogeneous data fusion method based on the combination of disease and syndrome is discussed. It is the original cause of the important component of the large data of traditional Chi-nese medicine in the future, and the further study of the multi-source isomerism of traditional Chinese medicine. The method of large data fusion provides a theoretical reference. Keywords TCM Informatization, Diagnosis and Treatment Mode, Combination of Disease and Syndrome, Big Data, Multi-Source Heterogeneous Fusion 论中医药多源异构大数据融合方法研究的意义 赵汉青，王志国* 中国中医科学院中医临床基础医学研究所，北京 收稿日期：2018年8月18日；录用日期：2018年8月26日；发布日期：2018年9月3日 *通讯作者。
实验五 遥感图像的融合
实验五遥感图像的融合 一、实验目的和要求 1.理解遥感图像的融合处理方法和原理； 2.掌握遥感图像的融合处理，即分辨率融合处理。 二、设备与数据 设备：影像处理系统软件 数据：TM SPOT 数据 三、实验内容 多光谱数据与高分辨率全色数据的融合。 分辨率融合是遥感信息复合的一个主要方法，它使得融合后的遥感图象既具有较好的空间分辨率，又具有多光谱特征，从而达到增强图象质量的目的。 注意：在调出了分辨率融合对话框后，关键是选择融合方法，定义重采样的方法。 四、方法与步骤 融合方法有很多，典型的有HSV、Brovey、PC、CN、SFIM、Gram-Schmidt 等。ENVI 里除了SFIM 以外，上面列举的都有。 HSV 可进行RGB 图像到HSV 色度空间的变换，用高分辨率的图像代替颜色亮度值波段，自动用最近邻、双线性或三次卷积技术将色度和饱和度重采样到高分辨率像元尺寸，然后再将图像变换回RGB 色度空间。输出的RGB 图像的像元将与高分辨率数据的像元大小相同。 打开ENVI,在主菜单中打开数据文件LC81200362016120LGN00_MTL 选择File>data manage，任意选择3个波段组合，查看效果
打开分辨率为30和15的图像
下图分别是分辨率为30、15的，可以看到图像清晰度明显发生改变，分辨率越高，图像越清晰
下面进行融合 点击工具栏中的Image Sharpening>Gram-Schmidt Pan Sharpening，在对话框中点击Spectral Subset…改变其波段 选择如下图所示的三个波段
高分辨率遥感图像融合方法的比较正式
包头师范学院 本科学年论文 论文题目：高分辨率遥融图像融合方法比较院系：资源与环境学院 专业：地理信息系统 学号：0912430022 姓名：郭殿繁 指导教师：同丽嘎 撰写学年：2010 至2011 学年 二零一零年十二月
摘要：目前，遥感中高分辨率全色遥感影像和低空间分辨率的多光谱遥感影像融合是影像融合技术应用的主流。本文通过对遥感影像四种融合方法的研究，并且用呼和浩特市快鸟影像图像融合举例，加深对四种融合方法的理解和理论应用，最后通过截取呼和浩特市快鸟影像的原始多波段彩色影像和原始高分辨率全色波段影像的一部分进行四种融合方法来进行精度的比较，以ENVI4.7软件作为平台，最终得出，Gram-Schmidt变换效果最好，HSV变换融合效果最差。 关键词：图像融合；PCA变换；Gram-Schmidt变换；Brovey变换；HSV变换；精度比较 Abstract: At present, the remote sensing high resolution full-color remote sensing image and low spatial resolution multi-spectral remote sensing image fusion is image fusion technology application of mainstream. This article through to four kinds of remote sensing image fusion method with the principle and analysis, and in Hohhot, fast image image fusion for example, the bird to deepen the understanding of four fusion method and theory, and finally by intercepting the original image Hohhot fast bird multichannel color image and primitive high-resolution full-color band image on the part of four fusion method for precision compared to ENVI4.7 software as a platform to finally arrive, the best effect, Schmidt transform - the worst. Fusion result transformation HSV. Key words: image fusion, PCA transform; Schmidt transform; the - Brovey transform; HSV transform; Precision；
利用ENVI软件进行遥感图像的融合和增强实习报告
遥感图像处理实习报告 实验内容：影像融合与增强 班级：测绘1102班 学号：13 姓名： 指导老师：陈晓宁、黄远程、竞霞、史晓亮 西安科技大学 测绘科学与技术学院 二零一三年一月 实习三影像融合与增强
一、实习内容： 1.掌握ENVI中各种影像融合方法，并比较各方法的优缺点； 2.熟悉ENVI图像增强操作； 3.本实习的数据源为上节已经过校正的资源三号多光谱和全色影像。 二、实习目的： 1.了解和认识各种图像融合方法的原理、内容及要点； 2.熟悉、熟练操作ENVI软件中各种图像融合的方法、步骤并学会加以比较； 3.学习利用ENVI软件进行各种图像增强处理操作； 4.学会定性、定量分析比较图像融合的差异。 三、实习步骤： 1.图像融合： 三波段融合： HSV和Color Normalized (Brovey)变换： 1）从ENVI主菜单中，选择File → Open Image File，分别加载校正后的资源三号多光谱与全色影像到可用波段列表Available Bands List中； 2）选择多光谱3,2,1波段（可以根据需要选择）对应R，G，B，点击Load RGB将多光谱影像加载到显示窗口display#1； 3）在ENVI的主菜单选择Transform → Image Sharpening → HSV； 4）在Select Input RGB Input Bands对话框中，选择Display #1，然后点击OK。 5）从High Resolution Input File对话框中选择全色影像，点击OK。 6）从HSV Sharpening Parameters对话框中，选择重采样方法，并输入输出路径和文件名，点击OK。即可完成HSV变换融合；
遥感卫星数据处理知识详解
北京揽宇方圆信息技术有限公司 遥感卫星数据处理知识详解 遥感技术自20世纪60年代兴起以来，被应用于各种传感仪器对电磁辐射信息的收集、处理，并最后成像。遥感信息通常以图像的形式出现，故这种处理也称遥感图像信息处理。 那对遥感图像处理可以达到什么目的呢？ ①消除各种辐射畸变和几何畸变，使经过处理后的图像能更真实地表现原景物真实面貌； ②利用增强技术突出景物的某些光谱和空间特征，使之易于与其它地物的K 分和判释； ③进一步理解、分析和判别经过处理后的图像，提取所需要的专题信息。遥感信息处理分为模拟处理和数字处理两类（见数据釆集和处理）。 遥感数据处理过程 多谱段遥感信息的处理过程是： ①数据管理：地面台站接收的原始信息经过摄影处理、变换、数字化后被转换成为正片或计算机兼容的磁带，将得到的照片装订成册，并编目提供用户选用。 ②预处理：利用处理设备对遥感图像的几何形状和位置误差、图像辐射强度信息误差等系统误差进行几何校正和辐射校正。 ③精处理：消除遥感平台随机姿态误差和扫描速度误差引起的几何畸变，称为几何精校正；消除因不同谱段的光线通过大气层时受到不同散射而引起的畸变，称为大气校正。
④信息提取：按用户要求进行多谱段分类、相关掩模、假彩色合成、图像增 强、密度分割等。 ⑤信息综合：将地面实况调查与不同高度、不同谱段遥感获得的信息综合编 辑，并绘制成各种专题图。 遥感信息处理方法和模型越来越科学，神经网络、小波、分形、认知模型、地学专家知识以及影像处理系统的集成等信息模型和技术，会大大提高多源遥感技术的融合、分类识别以及提取的精度和可靠性。统计分类、模糊技术、专家知识和神经网络分类有机结合构成一个复合的分类器，大大提高分类的精度和类数。多平台、多层面、多传感器、多时相、多光谱、多角度以及多空间分辨率的融合与复合应用，是目前遥感技术的重要发展方向。不确定性遥感信息模型和人工智能决策支持系统的开发应用也有待进一步研究。 多源遥感数据融合 遥感数据融合技术旨在整合不同空间和光谱分辨率的信息来生产比单一数据包含更多细节的融合数据，这些数据来自于安放在卫星、飞行器和地面平台上的传感器。融合技术已成功应用于空间和地球观测领域，计算机视觉，医学影像分析和防卫安全等众多领域。 遥感数据处理的发展趋势 遥感技术正在进入一个能够快速准确地提供多种对地观测海量数据及应用研究的新阶段，它在近一二十年内得到了飞速发展，目前又将达到一个新的高潮。 这种发展主要表现在以下4个方面： 1. 1.多分辨率多遥感平台并存 2. 空间分辨率、时间分辨率及光谱分辨率普遍提高。目前，国际上已拥有十几种不同用途的地球观测卫星系统，并拥有全色0．8～5m、多光谱3．3～30m 的多种空间分辨率。随着遥感应用领域对高分辨率遥感数据需求的增加及高新技术自身不断的发展，各类遥感分辨率的提高成为普遍发展趋势。 1. 2.微波遥感、高光谱遥感迅速发展 2. 微波遥感技术是近十几年发展起来的具有良好应用前景的主动式探测方法。 微波具有穿透性强、不受天气影响的特性，可全天时、全天候工作。微波遥感采用多极化、多波段及多工作模式，形成多级分辨率影像序列，以提供从粗到细的对地观测数据源。成像雷达、激光雷达等的发展，越来越引起人们
多源遥感图像融合光谱保真算法与评价研究
多源遥感图像融合光谱保真算法与评价研究 【摘要】：随着传感器以及相关遥感技术的发展，遥感图像应用到生活中的各个领域，但是遥感图像的多光谱和高分辨率面临着无法在同一张影像上同时生成这一技术瓶颈，因而学者们提出了各种传统图像融合算法用于弥补这一缺陷，但是融合后的图像一般都有严重的光谱扭曲失真，本文针对于这一问题参考归纳了现有的光谱保真算法的研究以及融合算法的有效性的评价机制，据此来评估以后图像融合的发展趋势。 【关键词】：图像融合光谱保真融合算法效果评价 1.引言 遥感技术经过二十多年的迅猛发展，各种面向复杂应用背景的多平台、多时相、多光谱和高分辨率卫星和机载遥感系统大量涌现，已被广泛应用于军事和民用领域（柴勇，2009）。遥感传感器的分辨率从最初的几十米提高到目前的几十厘米，如美国Geoeye 公司在2008 年发射的遥感卫星甚至把分辨率提高到0.41m。然而遥感图像分辨率不断提高仍然无法满足人们对遥感图像的空间信息和光谱信息的丰富性及准确性的要求。因为在遥感成像系统的设计中, 空间分辨率和光谱分辨率不可兼得, 有两个原因:(1)受遥感器的辐射度量特性的影响,传感器在感应来自目标物反射或辐射的电磁波的能力是有限的, 而多光谱成像系统的光谱带宽很窄,同样高空间分辨率系统的瞬时视场很小,总得牺牲其中的一个。( 2)传感器所能采集的数据量的限制, 以及从遥感卫星向地面站传输数据的能力的限制(李春华,2008)。 因此，遥感图像越来越多的用算法层面去进行处理，遥感图像融合应运而生。遥感图像融合技术是指将由多源通道所采集的同一目标的图像经过一定的处理，提取各通道的信息来复合多源遥感图像，综合形成统一图像或综合利用各图像信息的技术（王海晖，2003）。很多的图像融合算法，如IHS变换法，Brovey变换法，主成分分析法，高通滤波等传统的遥感图像融合算法得到了广泛的应用。但是融合后的图像一般都有严重的光谱扭曲失真。 基于这一缺陷,有学者提出了各种改进算法:传感器光谱响应函数SKF；基于统计原理的Gram-schmidt、PCI pansharp融合方法；小波变化的多分辨率分析与IHS变换叠加融合法以及其他算法.根据这些改进算法得出来的效果我们还需要更健全的评价机制来评估算法的效果, 常用的客观融合评价方法有标准偏差、平均误差、信息度量、清晰度、相关系数、对比
遥感图像融合
图像融合实验报告 一、实验目的 通过本实验熟练操作遥感图像处理的专业软件PCI，进行图像融合。二、实验内容 （1）、利用遥感图像处理的专业软件PCI的Xpace模块的Image Processing中的IHS 进行IHS变换处理； （2）、利用遥感图像处理的专业软件PCI利用Xpace模块的Image Processing中的 FUSE进行图像融合处理。 三、实验步骤 (一)生成Pix文件 先用ImageWorks Configuration打开B10.FST文件，在此之前先用记事本打开 查看其参数，将其参数填在相应位置，确定生成一个aux文件，并load第一 波段的图像即B10.FST。
将B10转为pix文件格式，并将其他波段（除了第八波段）都添加到这个pix 文件中，这里命名pix文件名为123-32.pix。
说明： B61，B62都为第六波段且为争议波段，这里选择一个即可，这里选的是B61 (二)HIS与RGB的转换 打开生成的pix文件 添加6个空通道，打开Xpace模块，进行IHS转换：在Image Processing（Pacages）中的IHS（Convert RGB to IHS）进行IHS正变换处理。将7，4，1波段转为RGB 到8,9,10空通道
加载图像，将7，4，1波段的与8，9，10通道的进行小窗口对比 换用第二种模型转换，将其与第一种模型进行比较
再添加6个空通道，利用RGB（Convert IHS to RGB）进行HIS逆变换处理，即将8,9,10通道的波段变回RGB模式 加载图像，将其与原来的7,4,1通道的合成图像进行比较 若是换第二种模型，将其转回去，得到的结果如下
ENVI遥感图像处理方法
《ENVI遥感图像处理方法》科学出版社2010年6月正式出版 上一篇/ 下一篇 2010-05-26 15:02:30 / 个人分类：ENVI 查看( 643 ) / 评论( 5 ) / 评分( 0 / 0 ) 从上个世纪六十年代E．L．Pruitt提出“遥感”这个词至今，遥感已经成为人类提供了从多维和宏观角度去认识宇宙世界的新方法和新手段。目前，遥感影像日渐成为一种非常可靠、不可替代的空间数据源。ENVI (The Environment for Visualizing Images)是由遥感领域的科学家采 用交互式数据语言IDL(Interactive Data Language)开发的一套功能强大的遥感图像处理软件。ENVI以其强大的图像处理功能，尤其是和ArcGIS 一体化集成，使得众多的影像分析师和科学家选择ENVI来处理遥感图像和获得图像中的信息，从而全面提升了影像的价值。ENVI已经广泛使用于科研、环境保护、气象、石油矿产勘探、农业、林业、医学、国防&安全、地球科学、公用设施管理、遥感工程、水利、海洋、测绘勘察和城市和区域规划等众多领域。和此形成鲜明对比的是，目前关于ENVI 的中文教程非常少，给广大用户学习软件和使用软件带来诸多不便。 针对上述情况，在ESRI中国（北京）有限公司的大力支持下，根据多年遥感使用研究和软件操作经验，历时一年半编著完成本书。全书按照遥感图像处理流程由浅到深逐步引导读者掌握ENVI软件操作。各个章节相对独立，读者可视个人情况进行选择阅读。全书分为17章，第1、2、3章介绍了ENVI软件的基础知识，可作为ENVI软件入门，也可作为参考内容；第4、5、6、7、8章介绍了遥感图像处理一般流程，包
遥感图像融合的应用研究
龙源期刊网 https://www.wendangku.net/doc/d812217996.html, 遥感图像融合的应用研究 作者：付和 来源：《科技创新导报》2011年第09期 摘要:针对遥感测绘工程实际应用中的图像融合技术需求,本论文重点对遥感图像融合技术进行了分析研究,在简单介绍了遥感图像融合的基础上,重点对遥感图像融合实际应用进行了分析,探讨了面向特征信息的多源图像融合模型,并给出了遥感图像融合技术在遥感测绘工程中的实际应用,对于进一步提高遥感测绘工程的应用水平具有一定借鉴意义。 关键词:遥感测绘工程图像融合 中图分类号:P237 文献标识码:A 文章编号:1674-098X(2011)03(c)-0001-01 1 引言 本论文重点对多源遥感图像融合展开分析研究,以期从中找到可靠有效的遥感图像融合方法,并以此和广大同行分享。 2 遥感图像融合概述 图像融合是数据融合的一种重要形式。对于多源遥感数据,融合的定义可描述为:将不同类型传感器获取的图像数据经预处理后,采用一定的算法将各幅图像中所包含的信息优势或互补 性信息有机地结合起来,以产生新的数据,来获得对同一事物或目标的更客观、更本质的认识。从而大大提高融合图像的信息含量并使其在特征提取、分类、目标识别以及目视效果等方面更为有效。 按照数据抽象的三个层次,融合可分为三级,即象素级融合、特征级融合和决策级融合。 像素级融合是指将配准后的图像对象素点直接进行融合。例如,加、乘、梯度、线性平 均、比值、多元回归等运算。一般来说,融合的结果可以得到一幅信息含量更大、更全面的图像,有利于下一步的图像分析和理解。像素级融合对传感器配准的精度要求较高。其优点是保 留了尽可能多的信息,具有较高精度。缺点是处理信息量大、费时、实时性差。 特征级融合是指将经过配准的数据先进行特征提取,然后进行关联处理,使每一种传感器得到同一目标的特征向量,最后融合这些特征向量,进行图像分类或目标识别。一般来说,提取的特
遥感数据融合
遥感图像的融合 1、目的与要求 1、了解遥感图像融合的原理和方法 2、熟悉高、低分辨率的影像的融合步方法骤 3、掌握遥感软件中常用的遥感数据融合的步骤与方法 2、实验内容 选择ETM8波段的数据与假彩色合成波段的数据做融合处理。融合的方法主要是高、低分辨率遥感数据的融合。 数据要求：在融合之前，第8波段和合成波段数据都已经经过了几何校正和辐射校正等预处理。 3、实验步骤 1、空间分辨率融合 选择“Erdas”面板菜单“Interpreter”->”Spatial Enhancement”->”Resolution Merge”命令，打开“Resolution Merge”对话框。设置如下参数： 文件设置：高空间分辨率的输入图像、多光谱输入图像和输出文件。 融合方法的选择： ¤主成分变换法 ¤乘积变换法 ¤比值变换法 主成分变换法：
融合前融合后乘积变换法：
融合前融合后 2、IHS融合 选择“Erdas”面板菜单“Interpreter”->”Spatial Enhancement”->”Mod.IHS Resolution Merge”命令，打开”Mod.IHS Resolution Merge”对话框，在输入、层选择和输出3个页面中设置参数。
融合前融合后 3、高通滤波融合 选择“Erdas”面板菜单“Interpreter”->”Spatial Enhancement”->”HPF Resolution Merge”命令，
打开”HPF Resolution Merge”对话框,设置如下参数： R值：多光谱图像分辨率与高分辨率图像的分辨率的比值。通过它可以调整卷积核的大小和中心值。 Kernel Size:高通滤波卷积核的大小，有R值决定。 Center Value:卷积核的中心值。 Weighting Factor:权重影响因子。 2Pass Processing :二次滤波选项。当R值大于或等于5.5时，此选项才生效。
三种图像融合方法实际操作与分析
摘要：介绍了遥感影像三种常用的图像融合方式。进行实验，对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像，简要分析比较三种图像融合方式的各自特点，择出本次实验的最佳融合方式。 关键字：遥感影像；图像融合；主成分变换；乘积变换；比值变换；ERDAS IMAGINE 1. 引言 由于技术条件的限制和工作原理的不同，任何来自单一传感器的信息都只能反映目标的某一个或几个方面的特征，而不能反应出全部特征。因此，与单源遥感影像数据相比，多源遥感影像数据既具有重要的互补性，也存在冗余性。为了能更准确地识别目标，必须把各具特色的多源遥感数据相互结合起来，利用融合技术，针对性地去除无用信息，消除冗余，大幅度减少数据处理量，提高数据处理效率；同时，必须将海量多源数据中的有用信息集中起来，融合在一起，从多源数据中提取比单源数据更丰富、更可靠、更有用的信息，进行各种信息特征的互补，发挥各自的优势，充分发挥遥感技术的作用。[1] 在多源遥感图像融合中，针对同一对象不同的融合方法可以得到不同的融合结果，即可以得到不同的融合图像。高空间分辨率遥感影像和高光谱遥感影像的融合旨在生成具有高空间分辨率和高光谱分辨率特性的遥感影像，融合方法的选择取决于融合影像的应用，但迄今还没有普适的融合算法能够满足所有的应用目的，这也意味着融合影像质量评价应该与具体应用相联系。[2] 此次融合操作实验是用三种不同的融合方式（主成分变换融合，乘积变换融合，比值变换融合），对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多
光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像。 2. 源文件 1 、 imagerycolor.tif ，SPOT图像，分辨率10米，有红、绿、两个红外共四个波段。 2 、imagery-5m.tif ，SPOT图像，分辨率5米。 3. 软件选择 在常用的四种遥感图像处理软件中，PCI适合用于影像制图，ENVI在针对像元处理的信息提取中功能最强大，ER Mapper对于处理高分辨率影像效果较好，而ERDAS IMAGINE的数据融合效果最好。[3] ERDAS IMAGINE是美国Leica公司开发的遥感图像处理系统。它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的RS/GIS（遥感图像处理和地理信息系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具。 2012年5月1日，鹰图发布最新版本的ERDAS IMAGINE，所有ERDAS 2011软件用户都可以从官方网站上下载最新版本 ERDAS IMAGINE 11.0.5. 新版本包括之前2011服务包的一些改变。相比之前的版本，新版本增加了更多ERDAS IMAGINE和GeoMedia之间的在线联接、提供了更为丰富的图像和GIS产品。用户使用一个单一的产品，就可以轻易地把两个产品结合起来构建一个更大、更清