摘要(Abstract)

数据融合(data fusion)最早被应用于军事领域。 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。 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 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)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1~2个像元内。空间配准中最关键、最困难的一步就是通过特征匹配寻找对应的明显地物点作为控制点。 2.数据融合 根据融合目的和融合层次智能地选择合适的融合算法,将空间配准的遥感影像数据(或提取的图像特征或模式识别的属性说明)进行有机合成,得到目标的更准确表示或估计 。


主题(Topic)

项目(Project)