多源遥感数据融合原理与模型结构及应用

第27卷　第5期　　　　　　　　　　　　　　西　南　林　学　院　学　报　　　　　　　

　2007年10月　　　　　　　　　　JOURNAL OF S OUTH W EST F OREST RY COLLEGE 　　　　　Vol . 27　No . 5

Oct . 2007　

多源遥感数据融合原理与模型结构及应用

袁传武, 柯尊胜, 陈双田, 吴　翠, 王珠娜, 崔鸿侠

(1. 湖北省林业科学研究院, 湖北武汉430079; 2. 湖北省太子山林场管理局, 湖北京山431822)

摘要:在对多源遥感数据融合原理进行系统分析的基础上, 从3方面阐述多源遥感数据融合的

模型结构, 对国内外多源遥感数据融合的应用进行评述, 对多源遥感数据融合的发展方向进行了预测.

关键词:多源遥感; 数据融合; 原理与模型; 研究方向

中图分类号:TP701　　　文献标识码:A 　　　文章编号:1003-7179(2007) -0014-04

　　多源遥感数据融合是指将不同类型传感器获后, 优势进行互补, 化的新影像数据

[, .

, 根据地物空

间分布格局、, 选择不同的遥感影像信息源, 使之在空间分辨率、光谱分辨率和时间分辨率等方面相互补充, 形成一个更有利的识别环境来识别所需的目标或地被类型. 即通过多波段、多时相、多信息源的遥感信息融合, 达到提高地物分类及动态监测精度的目的.

1. 2　数据融合的结构

1　多源遥感数据融合的一般模型结构

多源遥感数据融合是通过对从不同传感器获得的信息数据的优化组合, 推导出更多或更精确的有效信息, 最终目的是利用多个传感器共同或联合操作的优势, 提高传感器系统的有效性, 为决策和分析提供一个全面准确的判断依据1. 1　数据融合的一般模型

1986年成立的Joint D irect ors of Laborat ories (JDL ) 数据融合工作组提出的多源遥感数据融合

[2]

据1992年T 1A 1Foster 所著的“信息融合结构

设计”, 依据不同处理对象, 数据融合结构的设计方法分集中式方法和分布式方法. 集中式系统是从所有传感器平台获得数据并在中心点处理这些数据, 然后将结果上交决策者. 分布式系统则要求各基地先处理所有将在一个通信网上传播的数据, 利用这些数据, 每个基地将作出一个形势估

[3]

计. 此外, 还有混合式设计方法. 1. 2. 1　集中式结构　集中式融合结构系统, 融合传感器原始观测数据, 见图2. 来自不同传感器或不同分辨率传感器的原始数据要经过匹配处理变换到同一坐标平面, 并采用相同的坐标单元分量来处理, 通过数据关联来确定哪些观测数据是属于同一类型的, 即在多传感器多目标的情况下, 必须利用数据校验和相关确定哪些观测数据是来自同一物理实体或目标. 但在多目标跟踪中, 这种相

处理模型见图1.

简单地说, 输入观测信号, 输出单个实体最小模糊度的识别和特征信息, 使这些实体在所处环境中有更精确的解释. 包括数据源, 人机接口界面, 数据预处理, 第1级处理—数据校对, 第2级处理—态势评估, 第3级处理—威胁估计, 第4级

3　收稿日期:2007-07-06

基金项目:国家林业局科技支撑项目(2006-2008年) 资助.

作者简介:袁传武(1969-) , 男, 广东湛江人, 副研究员, 博士, 主要从事林业信息化、GI S 、RS 、森林资源评价方面的研究.

第5期　　　　　　　　　　　　　　　　袁传武等:多源遥感数据融合原理与模型结构及应用15

关是非常困难的, 一旦决定采用该结构模型, 典型的方法是采用序列估计技术, 如kal m an 滤波等. 如果数据校验和相关完全正确的话, 这种融合结构理论上是非常精确的. 1. 2. 2　分布式结构　分布式融合结构系统的处理对象是经过预处理的“局部融合”数据, 见图3. 对每一个传感器的数据源作定位估计, 也即每个传感器都基于自身单个数据源来对目标的位置、

运动速度等进行估计, 产生状态矢量. 需要注意的是数据校验匹配和相关仍然是必须进行的, 只不过是在矢量之间进行, 而不是在单个数据之间进行. 另外状态矢量融合的精确性要比数据级融合精度差, 因为生成状态矢量后有信息丢失, 特别是原始数据中包含关于信号精度的信息, 其在状态矢量中可能仅是近似显示

1. 2. 3　混合式结构　混合式融合结构系统, 包括

数据级融合和矢量级融合, 见图4. 在这种结构系统中, 对于普通的融合运算, 为减少其复杂度和通信压力, 采用矢量融合, 在特殊环境下, 如精确度要求较高的情况下, 常选择数据级融合. 当然混合结构提供很大的灵活性, 但它也需要经常监控融合过程并在数据级和矢量级之间选择.

在具体应用中, 具体采用哪种结构, 主要是考虑一个系统工程的问题. 对于给定的数据融合应用, 没有一种所谓的最佳结构, 实际上在选择所用

结构时必须要平衡考虑计算机资源、可用通信带宽、期望精度等因素. 1. 3　数据融合的级别

针对图像处理领域的数据融合, 按照数据抽象的3个层次, 数据融合可分为3个等级, 即像素级融合、特征级融合和决策级融合. 1. 3. 1　像素级数据融合(p ixel level ) 　像素级融合是对来自同等量级的传感器原始数据直接进行融合, 然后基于融合的传感器数据进行特征提取和属性描述, 其融合框图见图5. 这是最低层次的数据

[4]

16西　南　林　学　院　学　报　　　　　　　　　　　　　　　　　　　第27卷

融合, 直接面向所得图像的像素来处理, 为了实现

这种数据级的融合, 所有传感器必须是同类型的或是相同量级的(如红外和可见光图像传感器) . 通过对原始数据进行关联来确定已融合的数据是否与同一目标或实体相关. 像素级数据融合通常用于多源图像的复合、图像分析和理解等

置级的融合信息在这一关联过程中通常是有用的. 一般而言, 提取特征信息应是像素信息的充分表示量或充分统计量, 然后按特征信息对多传感器数据进行分类、汇集、综合. 1. 3. 3　决策级数据融合(decisi on level ) 　决策级数据融合是高层次的融合, 每个传感器都完成变换以获得独立的属性描述或身份估计, 然后在对来自每个传感器的属性分类进行融合, 其结果为指挥控制决策提供依据, 因而, 决策级数据融合必须从具体决策问题的需求出发, 充分利用每个传感器所提取的测量结果的各类特征信息, 采取适当的融合技术来实现, 决策级数据融合见图7. 决策级数据融合是三级融合的最终结果, 是直接针对具体决策目标的, 融合结果直接影响决策水平

1. 3. 2　特征级数据融合(feature level ) 　特征级

的数据融合属于中间层次, 它先对每个传感器的原始信息完成特征提取(特征可以是图像的边缘、感兴趣目标的方向及速度、特殊点目标、线目标等) , 以获得来自每个传感器的特征向量, 然后融合这些特征向量, 并基于获得的联合特征向量来产生属性描述, 其融合框图见图6. 在该方法中, 必须使用关联处理, 把特征向量分成有意义的组, 由于特征向量很可能是具有巨大差别的量,

因而位

　　以上3种级别融合的性能比较见表1.

第5期　　　　　　　　　　　　　　　　袁传武等:多源遥感数据融合原理与模型结构及应用17

表1　像素级、特征级、决策级融合性能比较

融合信息

实时性精度容错性抗干扰工作量

级别损失像素级小差高差差小特征级中中中中中中决策级大好低优优大

[1]

　　注:引自游先祥《遥感原理及在资源环境中的应用》

融合

水平低中高

-HRV 为源数据进行基于像元级融合, 在实验中

3种融合级别常用算法见表2.

表2　常用融合算法

像素级代数法

H I S 变换法高通滤波法回归模型法最佳变量替换法Kal m an 滤波法小波变换

特征级

Bayesian 法De mp ster -shafer

决策级基于知识的融合法

De mp ster -shafer

熵法带权平均法神经网络法聚类分析小波变换模糊集理论可靠性理论Bayesian 法神经网络逻辑模板

[1]

借助遥感图像处理软件PC1分别进行I HS, PCA 和B r ovey 3种变换, 对3种融合方法进行了分析比较, 得出结果为像素级融合相对于特征级融合和决策级融合而言, 其优点在于保持尽可能多的原始信息, 避免了特征级融合过程中特征提取时可能出现的信息丢失, 因而能提供其他融合级所

[8]

不能提供的细微信息. F . Sunar 等用H I S 变换方法对SP OT 和T M 进行融合, 并将融合结果和原T M 影像进行分类比较, 发现融合结果的分类精度

[9]

较原T M 影像提高了615%. Frankln 和B l odgett 采用H I S 变换方法对SP 和P AN 数据进行

[10]

融合, .

3. 　　注:引自游先祥《遥感原理及在资源环境中的应用》.

2　近年来, [5]

. 该方法利用小波变换对H I S 变换中的1分量作了改进. 在此研究中, ET M 遥感数据5, 4, 3波段中由H I S 孟塞尔彩色空间变换后的I 亮度分量经与全色波段中的高能替代的小波变换, 形成一个新的、集中了1分量和全色波段高频能量的新分量, 再通过H I S 反变, 转换得到融合影像. 此融合结果应用在遥感土地利用调查中, 提高了土地利用的计算精度. 李军、林宗坚等提出了一种新的基于特征的影像融合方法, 它把对原影像的融合处理分解为在不同尺度下分别对基带数据和对子带数据(x, y, xy 方向) 的融合处理, 从而使融合影像既具有高分辨率影像的性能, 又保留了原T M 影像丰富的色彩. 并以黑白航空影像与T M 影像、S AR 影像的融合结果为例, 通过与基于像素平均的融合方法比较, 证明了该方法具有良好的鲁棒性和自适应能力. 本方法不仅适合于两幅影像之间的融台, 而且适合于多元多

[6]

维遥感影像的数据融合. 张炳智、张继贤列举了土地利用动态遥感监测中常用的影像融合方法, 并选定T M 影像(多波段组合为5, 4, 3) 和SP OT 影像数据对各方法进行了光谱分辨率、空间分辨率比较, 最后定量计算出各种方法融合结果的均值、标准方差、偏差系数、相关系数、融合指数和信息熵等7个参数. 同时总结了不同的融合方法在6种典型土地利用类型上的表现, 为动态监测中的

[7]

影像融合方法的选择提供了参考. 张玉虎以新疆策勒绿洲一荒漠交错带的Landsat T M 与SP OT

对该方面的研究应重点放在目标特征提取算

法和自动匹配算法上, 通过提取图像上的典型目标特征点作为自动匹配的控制点, 研究适当的匹配算法完成两幅/多幅图像的自动匹配. 3. 2　数据融合算法

目前, 数据融合算法趋向于把知识理解和统计信息相结合, 以及多传感器或多时相数据的特征融合处理, 今后还将向智能化、实时化方向发展. 引入GI S 的专家系统以支持数据融合, 并将实

[11]

时动态融合用于数据更新和动态监测. 3. 3　融合结果评估算法

作为数据融合系统关键技术之一的融合性能评估, 一直以来都是研究的重点, 但始终很难找到一种通用的算法, 今后的研究重点应放在针对不同的应用目的, 研究一种或多种适宜的评估算法, 该算法能够准确评价一种融合算法的性能, 指出优化多源遥感数据融合的策略.

[参　考　文　献]

[1]　游先祥. 遥感原理及在资源环境中的应用[M].北

京:中国林业出版社, 2003.

[2]　E DWARD,WALTG, JAMES . 多传感器数据融合[R ].

赵宗贵, 耿立贤, 周中元, 等译. 南京:电子工业部28研究所, 1993.

[3]　HALL D L. 数据融合方法概论[R ].赵宗贵译. 南

京:电子工业部28研究所, 1998.

[4]　康耀红. 数据融合理论与应用[M].西安:西安电子

科技大学出版社, 1997.

(下转第24页)

[参　考　文　献]

西　南　林　学　院　学　报　　　　　　　　　　　　　　　　　　　第27卷

限问题[J ].植物分类学报, 1985, 22(6) :405-417.

[4]　李景奇, 秦小平, 王聚瀛. 几种百合的花粉形态研究

[J ].武汉植物学研究, 1993, 11(2) :120-124. [5]　陈　亮, 童启庆, 庄晓芳. 茶树花粉形态及其模糊聚类

[1]　ERDT MAN G . Pollen mor phol ogy and p lant Taxonomy:

Angias[J ].Sper m s, 1952(2) :127-128.

[2]　梁松筠, 张无休. 百合属中的四合花粉兼论玫红百

的研究[J ].浙江农业大学学报, 1992, 18(2) :29-36.

[6]　徐柏森. 扫描电镜技术在回用纤维研究中的应用

[J ].林产化学与工业, 1996, 23(1) :28.

[7]　徐柏森. 生物电镜技术[M]. 北京:中国林业出版社, 2000.

合的分类问题[J ].植物分类学报, 1984, 22(4) :

297-300.

[3]　梁松筠. 豹子花属的花粉形态研究兼论与百合属的界

Study on App lied Technol ogy of SE M t o Plant Pollen Observati on

XU Bai 2sen, Y ANG J ing

(College of Forest Res ources and Envir onment, Nanjing Forestry University, Nanjing J China )

Abstract:D ifferent methods were app lied t o s peci m en SE M observati on .

The results of comparative observati ons indicated that icr o pollen mor phol ogy was great 2ly influenced by s peci m en p reparati on . Three when the s peci m en of p lant pol 2lens were p repared by common p appearance and ultrastructure of P leioblastus am a rus and the s pecies seri ously because the pollen cell wall of these p lant s pecies were quite thin high . W ith thicker cell wall and l ower water content, the appearance of He m erocallis fu lva not change much, while the ultrastructure was dist orted by shrinking . The pol 2len appearance and of L iriodendron tu lipifera maintained well f or its thick cell wall and l ow water content . It was pointed out that app r op riate p reparati on method should be app lied according t o the characteris 2tics of the pollens . For the pollens with thin cell wall and high water content, s ome measures should be taken t o fix the s peci m en and t o eli m inate the influence of surface tensi on in order t o show the appearance and ultrastruc 2ture characteristics more objectively .

Key words:SE M; p lant pollen; appearance; ultrastructure

(上接第17页)

[5]　哈司巴干, 马建文, 李启清, 等. 小波局部高频替代融合

方法[J].中国图像图形学报, 2002, 7(10) :1012-1016. [6]　李　军, 林宗坚. 基于特征的遥感影像数据融合方

法[J ].中国图像图形学报, 1997, 2(2) :103-107. [7]　张炳智, 张继贤. 土地利用动态遥感监测中多源遥

[9]　S UNAR F,MUS AOG LU N. Merging multires oluti on SP OT

P and Landsat T M data:the Effects and advantages [J ].

I N T . J . Re mote Sensing, 1998, 19(2) :219-224. [10]　FRANK L I N S E, BLOGGETT C F . An examp le of satel 2

lite multisens or data fusi on [J ].Computers &Geosci 2ences, 1993, 19(4) :577-583.

[11]　翁永玲, 田庆久. 遥感数据融合方法分析与评价综述[J ].遥感信息, 2003(3) :49-54. [12]　李洪志. 信息融合技术[M]. 北京:国防工业出版社,1996.

感影像融合方法比较研究[J ].测绘科学, 2000, 25

(3) :46-50. [8]　张玉虎. 多源遥感信息融合方法探讨[J ].新疆地

质, 2004, 22(3) :326-329.

Mechanis m of Multi 2s ource Re mote Sensing Data Fusi on

and Its App licati on t o Model Devel opment

Y UAN Chuan 2wu , KE Zun 2sheng , CHEN Shuang 2tian , WU Cui , WANG Zhu 2na , CU I Hong 2xia

(1. Forestry Academy of Hubei Pr ovince, W uhan Hubei 430079, China;

2. Taizishan Forestry Adm inistrati on Bureau of Hubei Pr ovince, J ingshan Hubei 431822, China )

Abstract:Based on syste matic analyses on the funda mental p rinci p les of multi -s ource re mote sensing data fusi on, the model structure for multi -s ource re mote sensing data fusi on was res pectively described fr om three as pects . The devel opment orientati on for multi -s ource fusi on of re mote sensing data was p redicted .

Key words:multi 2s ource re mote sensing data; data fusi on; p rinci p le and model; research orientati on

第27卷　第5期　　　　　　　　　　　　　　西　南　林　学　院　学　报　　　　　　　

　2007年10月　　　　　　　　　　JOURNAL OF S OUTH W EST F OREST RY COLLEGE 　　　　　Vol . 27　No . 5

Oct . 2007　

多源遥感数据融合原理与模型结构及应用

袁传武, 柯尊胜, 陈双田, 吴　翠, 王珠娜, 崔鸿侠

(1. 湖北省林业科学研究院, 湖北武汉430079; 2. 湖北省太子山林场管理局, 湖北京山431822)

摘要:在对多源遥感数据融合原理进行系统分析的基础上, 从3方面阐述多源遥感数据融合的

模型结构, 对国内外多源遥感数据融合的应用进行评述, 对多源遥感数据融合的发展方向进行了预测.

关键词:多源遥感; 数据融合; 原理与模型; 研究方向

中图分类号:TP701　　　文献标识码:A 　　　文章编号:1003-7179(2007) -0014-04

　　多源遥感数据融合是指将不同类型传感器获后, 优势进行互补, 化的新影像数据

[, .

, 根据地物空

1. 2　数据融合的结构

1　多源遥感数据融合的一般模型结构

1986年成立的Joint D irect ors of Laborat ories (JDL ) 数据融合工作组提出的多源遥感数据融合

[2]

据1992年T 1A 1Foster 所著的“信息融合结构

[3]

处理模型见图1.

3　收稿日期:2007-07-06

基金项目:国家林业局科技支撑项目(2006-2008年) 资助.

作者简介:袁传武(1969-) , 男, 广东湛江人, 副研究员, 博士, 主要从事林业信息化、GI S 、RS 、森林资源评价方面的研究.

第5期　　　　　　　　　　　　　　　　袁传武等:多源遥感数据融合原理与模型结构及应用15

1. 2. 3　混合式结构　混合式融合结构系统, 包括

在具体应用中, 具体采用哪种结构, 主要是考虑一个系统工程的问题. 对于给定的数据融合应用, 没有一种所谓的最佳结构, 实际上在选择所用

结构时必须要平衡考虑计算机资源、可用通信带宽、期望精度等因素. 1. 3　数据融合的级别

[4]

16西　南　林　学　院　学　报　　　　　　　　　　　　　　　　　　　第27卷

融合, 直接面向所得图像的像素来处理, 为了实现

1. 3. 2　特征级数据融合(feature level ) 　特征级

因而位

　　以上3种级别融合的性能比较见表1.

第5期　　　　　　　　　　　　　　　　袁传武等:多源遥感数据融合原理与模型结构及应用17

表1　像素级、特征级、决策级融合性能比较

融合信息

实时性精度容错性抗干扰工作量

级别损失像素级小差高差差小特征级中中中中中中决策级大好低优优大

[1]

　　注:引自游先祥《遥感原理及在资源环境中的应用》

融合

水平低中高

-HRV 为源数据进行基于像元级融合, 在实验中

3种融合级别常用算法见表2.

表2　常用融合算法

像素级代数法

H I S 变换法高通滤波法回归模型法最佳变量替换法Kal m an 滤波法小波变换

特征级

Bayesian 法De mp ster -shafer

决策级基于知识的融合法

De mp ster -shafer

熵法带权平均法神经网络法聚类分析小波变换模糊集理论可靠性理论Bayesian 法神经网络逻辑模板

[1]

[8]

不能提供的细微信息. F . Sunar 等用H I S 变换方法对SP OT 和T M 进行融合, 并将融合结果和原T M 影像进行分类比较, 发现融合结果的分类精度

[9]

较原T M 影像提高了615%. Frankln 和B l odgett 采用H I S 变换方法对SP 和P AN 数据进行

[10]

融合, .

3. 　　注:引自游先祥《遥感原理及在资源环境中的应用》.

2　近年来, [5]

[6]

[7]

影像融合方法的选择提供了参考. 张玉虎以新疆策勒绿洲一荒漠交错带的Landsat T M 与SP OT

对该方面的研究应重点放在目标特征提取算

法和自动匹配算法上, 通过提取图像上的典型目标特征点作为自动匹配的控制点, 研究适当的匹配算法完成两幅/多幅图像的自动匹配. 3. 2　数据融合算法

[11]

时动态融合用于数据更新和动态监测. 3. 3　融合结果评估算法

[参　考　文　献]

[1]　游先祥. 遥感原理及在资源环境中的应用[M].北

京:中国林业出版社, 2003.

[2]　E DWARD,WALTG, JAMES . 多传感器数据融合[R ].

赵宗贵, 耿立贤, 周中元, 等译. 南京:电子工业部28研究所, 1993.

[3]　HALL D L. 数据融合方法概论[R ].赵宗贵译. 南

京:电子工业部28研究所, 1998.

[4]　康耀红. 数据融合理论与应用[M].西安:西安电子

科技大学出版社, 1997.

(下转第24页)

[参　考　文　献]

西　南　林　学　院　学　报　　　　　　　　　　　　　　　　　　　第27卷

限问题[J ].植物分类学报, 1985, 22(6) :405-417.

[4]　李景奇, 秦小平, 王聚瀛. 几种百合的花粉形态研究

[J ].武汉植物学研究, 1993, 11(2) :120-124. [5]　陈　亮, 童启庆, 庄晓芳. 茶树花粉形态及其模糊聚类

[1]　ERDT MAN G . Pollen mor phol ogy and p lant Taxonomy:

Angias[J ].Sper m s, 1952(2) :127-128.

[2]　梁松筠, 张无休. 百合属中的四合花粉兼论玫红百

的研究[J ].浙江农业大学学报, 1992, 18(2) :29-36.

[6]　徐柏森. 扫描电镜技术在回用纤维研究中的应用

[J ].林产化学与工业, 1996, 23(1) :28.

[7]　徐柏森. 生物电镜技术[M]. 北京:中国林业出版社, 2000.

合的分类问题[J ].植物分类学报, 1984, 22(4) :

297-300.

[3]　梁松筠. 豹子花属的花粉形态研究兼论与百合属的界

Study on App lied Technol ogy of SE M t o Plant Pollen Observati on

XU Bai 2sen, Y ANG J ing

(College of Forest Res ources and Envir onment, Nanjing Forestry University, Nanjing J China )

Abstract:D ifferent methods were app lied t o s peci m en SE M observati on .

Key words:SE M; p lant pollen; appearance; ultrastructure

(上接第17页)

[5]　哈司巴干, 马建文, 李启清, 等. 小波局部高频替代融合

方法[J].中国图像图形学报, 2002, 7(10) :1012-1016. [6]　李　军, 林宗坚. 基于特征的遥感影像数据融合方

法[J ].中国图像图形学报, 1997, 2(2) :103-107. [7]　张炳智, 张继贤. 土地利用动态遥感监测中多源遥

[9]　S UNAR F,MUS AOG LU N. Merging multires oluti on SP OT

P and Landsat T M data:the Effects and advantages [J ].

I N T . J . Re mote Sensing, 1998, 19(2) :219-224. [10]　FRANK L I N S E, BLOGGETT C F . An examp le of satel 2

lite multisens or data fusi on [J ].Computers &Geosci 2ences, 1993, 19(4) :577-583.

[11]　翁永玲, 田庆久. 遥感数据融合方法分析与评价综述[J ].遥感信息, 2003(3) :49-54. [12]　李洪志. 信息融合技术[M]. 北京:国防工业出版社,1996.

感影像融合方法比较研究[J ].测绘科学, 2000, 25

(3) :46-50. [8]　张玉虎. 多源遥感信息融合方法探讨[J ].新疆地

质, 2004, 22(3) :326-329.

Mechanis m of Multi 2s ource Re mote Sensing Data Fusi on

and Its App licati on t o Model Devel opment

Y UAN Chuan 2wu , KE Zun 2sheng , CHEN Shuang 2tian , WU Cui , WANG Zhu 2na , CU I Hong 2xia

(1. Forestry Academy of Hubei Pr ovince, W uhan Hubei 430079, China;

2. Taizishan Forestry Adm inistrati on Bureau of Hubei Pr ovince, J ingshan Hubei 431822, China )

Key words:multi 2s ource re mote sensing data; data fusi on; p rinci p le and model; research orientati on

多源遥感数据融合原理与模型结构及应用

相关文章