遥感图像融合技术的发展现状
遥感图像融合与融合技术指南
遥感图像融合与融合技术指南遥感技术的快速发展使得我们能够获取到丰富的遥感图像数据。
但是，单一图像的信息有时并不能完全满足我们对地物的准确识别和分析的需求。
因此，遥感图像融合技术应运而生。
一、遥感图像融合的定义和意义遥感图像融合是指将多幅来自不同传感器、不同波段或不同时间的遥感图像进行相互结合，形成一幅或多幅具有更全面和高质量信息的综合图像的技术。
这种综合图像可以为我们提供更准确、更全面的地物分布和特征信息。
遥感图像融合的意义在于能够弥补不同类型遥感图像的不足，提高图像质量和信息量。
例如，在高分辨率图像融合中，我们可以将高空间分辨率的光学图像与高光谱信息丰富的遥感图像融合，以获得既有高分辨率又有丰富光谱特征的图像，从而提高地物分类和识别的准确性。
二、常用的遥感图像融合方法1. 基于变换的方法基于变换的方法是指通过对原始图像进行一定的变换，将其转换为其他域中的图像，再将转换后的图像进行融合。
常见的变换包括小波变换、主成分分析、非负矩阵分解等。
这些方法通过提取图像特征或压缩信息来辅助图像融合。
2. 基于像素级的方法基于像素级的方法是指直接对原始图像进行像素级别的操作，将多幅图像的对应像素进行一定的组合，得到融合后的图像。
常见的方法有加权平均、最大像元值、高斯金字塔等。
这些方法直接对图像进行操作，简单有效。
3. 基于特征级的方法基于特征级的方法是指通过提取原始图像的特征信息，再将特征进行组合，得到融合后的图像。
常见的方法有像元级特征、纹理特征、几何特征等。
这些方法通过挖掘图像的特征信息来提高融合效果。
三、遥感图像融合的应用领域1. 地貌勘测和地质灾害监测遥感图像融合可以提供高分辨率的地表地貌信息，帮助我们更准确地了解地形变化和地质灾害的发生。
通过融合多源遥感图像，可以获得更准确的地形模型和地质信息，为地质灾害的监测和预测提供支持。
2. 农业生产和环境监测融合多源遥感图像可以提供农作物的生长情况、土地利用状况和环境污染等信息。
遥感影像处理技术的最新进展
遥感影像处理技术的最新进展遥感技术作为一种非接触式的对地观测手段，已经在众多领域得到了广泛应用，如国土资源调查、环境监测、城市规划等。
而遥感影像处理技术则是从海量的遥感数据中提取有用信息的关键环节。
近年来，随着计算机技术、传感器技术等的不断发展，遥感影像处理技术也取得了显著的进展。
一、高分辨率遥感影像的获取与处理随着卫星技术的不断进步，高分辨率遥感影像的获取变得越来越容易。
高分辨率意味着能够捕捉到更细微的地物特征，为更精确的分析和应用提供了可能。
然而，高分辨率影像也带来了数据量巨大、处理难度增加等问题。
在处理高分辨率遥感影像时，图像配准和融合技术显得尤为重要。
图像配准是将不同时间、不同传感器获取的影像进行精确对齐，以实现信息的综合利用。
而图像融合则是将多源影像的优势结合起来，生成一幅更具信息量和准确性的影像。
为了提高配准和融合的精度，研究人员提出了许多新的算法和模型，如基于特征点的配准方法、多尺度融合算法等。
二、多光谱和高光谱遥感影像分析多光谱遥感影像包含了多个波段的信息，能够反映地物在不同波长下的反射特性。
高光谱遥感影像则具有更高的光谱分辨率，可以提供更详细的地物光谱特征。
在多光谱和高光谱遥感影像分析中，光谱特征提取和分类是重要的研究方向。
传统的基于像素的分类方法往往忽略了地物的空间相关性，导致分类精度不高。
近年来，基于对象的分类方法逐渐兴起，它将影像分割成具有相似特征的对象，然后对对象进行分类，有效地提高了分类精度。
此外，深度学习技术也被应用于光谱特征提取和分类中，取得了较好的效果。
三、雷达遥感影像处理技术雷达遥感具有全天时、全天候的观测能力，在灾害监测、地形测绘等领域发挥着重要作用。
雷达遥感影像的处理面临着斑点噪声去除、几何校正、目标检测等挑战。
针对斑点噪声问题，研究人员提出了多种滤波算法，如均值滤波、中值滤波、小波滤波等。
在几何校正方面，精确的轨道模型和地面控制点的选取是提高校正精度的关键。
多传感器图像融合技术的应用及发展趋势
多传感器图像融合技术的应用及发展趋势多传感器图像融合技术是近年来在计算机视觉和图像处理领域中备受关注的一个研究方向。
随着摄像头、红外相机、雷达等传感器在各个领域的广泛应用，传感器融合技术成为了解决多传感器信息整合和利用的重要手段。
本文将探讨多传感器图像融合技术的应用及发展趋势，以期为相关领域的研究者和从业者提供一定的参考价值。
一、多传感器图像融合技术的应用多传感器图像融合技术主要应用于军事、航天、医学、环境监测等领域。
军事领域是多传感器图像融合技术应用最为广泛的领域之一。
在军事装备中，不同传感器获取的信息往往具有互补性，可以通过图像融合技术将不同传感器的信息整合起来，提高目标检测与识别的准确性和鲁棒性。
航天领域是另一个重要的应用领域，多传感器融合技术可用于遥感卫星图像的处理与分析，提高图像的分辨率和信息获取能力。
在医学领域，多传感器图像融合技术可以将医学影像数据（如X光片、CT图像、核磁共振图像）进行融合处理，辅助医生进行诊断与治疗。
在环境监测领域，多传感器融合技术也可实现对大气污染、水质监测等方面的数据融合分析，提高监测系统的精度和可靠性。
随着智能交通、智能制造、智能家居等领域的不断发展，多传感器图像融合技术也逐渐应用于这些领域，例如交通监控系统中可以通过融合视频、红外图像等多传感器数据来提高交通监控的效果和准确性；智能家居系统中，通过融合声音、图像和传感器数据可以实现对环境的智能感知与控制；智能制造中的质量检测、工艺监控等方面也可以借助多传感器图像融合技术来提高精度和鲁棒性。
二、多传感器图像融合技术的发展趋势1. 动态自适应融合传感器获取的信息可能受到环境、光照等因素的干扰，因此传感器数据的质量可能会有一定的波动和变化。
未来的多传感器图像融合技术将更加注重动态自适应的融合策略，通过实时监测和分析不同传感器数据的质量和可靠性，对数据进行动态调整和融合，以保证融合结果的准确性与稳定性。
2. 多模态融合传感器不仅包括视觉传感器，还包括声音、温度、压力等多种类型的传感器。
中国农业遥感技术应用现状及发展趋势
中国农业遥感技术应用现状及发展趋势一、本文概述随着科技的飞速发展，遥感技术以其高效、精准的特性，逐渐在农业领域展现出巨大的应用潜力。
本文旨在全面分析中国农业遥感技术应用的当前状况，并探讨其未来发展趋势。
我们将回顾遥感技术在农业领域的应用历程，明确其在农业监测、资源管理、灾害预警等方面的重要作用。
我们将深入探讨当前中国农业遥感技术的主要应用领域和取得的成效，包括作物生长监测、土地利用/覆盖变化、农业气象服务等。
我们将结合国内外遥感技术的发展动态，展望中国农业遥感技术的未来发展趋势，以期为我国农业遥感技术的持续发展和创新提供有益参考。
二、中国农业遥感技术应用现状近年来，随着遥感技术的快速发展，中国农业遥感技术应用取得了显著进展。
目前，遥感技术已广泛应用于农作物监测、农业资源调查、农业灾害评估等多个领域，为农业生产和管理提供了有力支持。
在农作物监测方面，遥感技术通过获取高时空分辨率的遥感影像，实现对作物生长状况的实时监测。
利用遥感数据，可以准确提取作物生长信息，如植被指数、叶面积指数等，为农业生产决策提供科学依据。
同时，遥感技术还可以监测作物病虫害的发生和发展，为病虫害防治提供及时有效的信息支持。
在农业资源调查方面，遥感技术通过对土地利用/覆盖、土壤质量、水资源等方面的监测和评估，为农业资源管理和规划提供重要依据。
通过遥感技术，可以快速获取大范围的土地资源信息，实现土地资源的高效利用。
遥感技术还可以评估土壤质量和水资源状况，为农业可持续发展提供有力支撑。
在农业灾害评估方面，遥感技术通过获取灾害发生前后的遥感影像，可以实现对农业灾害的快速评估和预测。
利用遥感数据，可以准确监测灾害发生的范围、程度和影响，为灾害预警和应急响应提供重要参考。
遥感技术还可以评估灾害对农业生产的影响，为灾后恢复和重建提供科学依据。
总体来看，中国农业遥感技术应用已经取得了显著成效，为农业生产和管理提供了有力支持。
然而，仍存在一些问题和挑战，如遥感数据的获取和处理技术尚需进一步完善、遥感技术在农业生产中的普及程度有待提高等。
遥感图像分类方法的国内外研究现状与发展趋势
遥感图像分类方法的研究现状与发展趋势摘要：遥感在中国已经取得了世界级的成果和发展，被广泛应用于国民经济发展的各个方面，如土地资源调查和管理、农作物估产、地质勘查、海洋环境监测、灾害监测、全球变化研究等，形成了适合中国国情的技术发展和应用推广模式。
随着遥感数据获取手段的加强，需要处理的遥感信息量急剧增加。
在这种情况下，如何满足应用人员对于大区域遥感资料进行快速处理与分析的要求，正成为遥感信息处理面临的一大难题。
这里涉及二个方面，一是遥感图像处理本身技术的开发，二是遥感与地理信息系统的结合，归结起来，最迫切需要解决的问题是如何提高遥感图像分类精度，这是解决大区域资源环境遥感快速调查与制图的关键。
关键词：遥感图像、发展、分类、计算机一、遥感技术的发展现状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. 多分辨率多遥感平台并存。
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。
遥感平台和传感器已从过去的单一型向多样化发展，并能在不同平台上获得不同空间分辨率、时间分辨率和光谱分辨率的遥感影像。
民用遥感影像的空间分辨率达到米级，光谱分辨率达到纳米级，波段数已增加到数十甚至数百个，重复周期达到几天甚至十几个小时。
例如，美国的商业卫星ORBVIEW可获取lm空间分辨率的图像，通过任意方向旋转可获得同轨和异轨的高分辨率立体图像；美国EOS卫星上的MOiDIS-N传感器具有35个波段；美国NOAA的一颗卫星每天可对地面同一地区进行两次观测。
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。
2. 微波遥感、高光谱遥感迅速发展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。
遥感技术发展趋势及现状
byte=8 bits)，所以， 通常用一个字节或二个字
节的数据进行处理。图像数据的全部数据量为：
行数×像元数×通道数×比特数/8，单位为byte。
遥感图像的数据量非常巨大。在地面
站接收的卫星数据通常被实时记录到高密
度数字磁带(HDDT)上，然后根据需要拷贝
到计算机兼容磁带(CCT)等其它载体上。
③遥感图象处理。为满足各种不同的应用 要求，需要对遥感器获取的原始图象进行 处理。常用方法有光学的和电子学的两种， 而目前以电子技术中的计算机数字处理最 为重要。处理内容有图象整饰、几何纠正 和镶嵌、特征提取和分类及各种专题处理。
航天遥感应用中使用的数据基本有两种主要形
式：遥感影像和数字图像无论是用何种遥感成像方
陆地或海洋环境信息的技术。
它是通过传感器对远距离目标进行探测，以取
得电磁波谱资料、数据，从而对地物进行识别和分类。
地球上各种物体都具有发射电磁波的特性，不
同物体又具有互不相同的光谱特征，人们在事先掌握
了各种物体的光谱特征后，只要借助某些手段收集、
记录物体的不同性质的光谱特征，把这些特征信息与
事先掌握(已知的)的光谱特征进行比较，就可以区别
一个由“陆地卫星”系列卫星、海洋观
测卫星和气象卫星为主体组成的“地球
环境遥感卫星系统”，其遥感仪器已由
第一代、第二代发展到第三代。
其他许多工业先进国家和一些发展
中国家，也都积极发展遥感技术。我国
对开发空间遥感技术，从遥感仪器到卫
星航天器都取得了很大进展，为国民经
济发展起了重大作用。
长江源头
IRS与TM融合图
上，植被显示为红色，城镇为蓝灰色，水
体为蓝色，雪和云为白色等等。假彩色合
遥感技术的应用现状及发展趋势
遥感技术的应用现状及发展趋势摘要：本文主要论述了遥感技术在林业、农业、地质、矿产、水文、水资源、海洋、环境监测、军事等方面的应用，以及遥感技术的发展趋势。
随着人类社会的不断发展，科学技术的不断进步，资源问题已成为当今世界面临的严重问题。
在面对全球资源如何继续支撑人类社会的生存与发展，以及人类如何尽快地掌握和利用它们等问题上，遥感技术是当今解决它们最有效的技术手段之一。
l 遥感技术的应用现状遥感技术作为一种信息获取手段，已经广泛地应用到林业、农业、地质、矿产、水文和水资源、海洋、环境监测等方面，为全球经济、社会的发展，以及资源的可持续发展做出了巨大贡献。
1．1 农业、林业方面的应用遥感技术在农、林业的应用范围较广。
在农业方面，利用遥感技术可以进行农业资源调查与监测、农业生态环境调查与评价以及农业灾害的监测和农作物种植面积调查与产量估算等。
如我国进行了北方7省冬小麦遥感估产、黑龙江省大豆及春小麦估产、南方稻区水稻估产、棉花面积监测等项研究。
在林业方面，利用遥感技术可以清查森林资源，编制大面积的森林分布图，测量林地面积，调查森林蓄积和其它野生资源的数量，监测森林火灾和病虫害。
通过对森林变化的动态监测，可以及时对林业生产的各个环节——采种、育苗、造林、采伐、更新、林产品运输等工作起指导作用。
在“七五”“八五”期间，我国已成功地利用陆地卫星数据对我国“三北”防护林地区进行了全面的遥感综合调查，并对其植被的动态变化及其产生的生态效益做了综合评价，为国家制定长远的发展计划奠定了科学的基础。
1．2 地质、矿产方面的应用遥感技术为地质研究和堪察提供了先进的手段，为矿产资源调查提供了重要依据与线索。
在地质调查中，利用遥感图像的色调、形状、阴影等标志可解译出地质体的类型、地层、岩性、地质构造等信息，为区域地质填图提供必要的数据。
在矿产资源调查中，根据矿床成因类型，结合地球物理特征，寻找成矿线索或缩小找矿范围。
通过成矿条件的分析，提出矿产普查勘探的方向，指出矿区的发展前景。
摄影测量与遥感的现状及发展趋势
摄影测量与遥感的现状及发展趋势一、本文概述随着科技的飞速发展和人类对地球环境认识的不断深化，摄影测量与遥感技术已成为获取地表信息、监测环境变化、支持决策制定的重要手段。
本文旨在全面概述摄影测量与遥感技术的现状，并探讨其未来发展趋势。
我们将回顾摄影测量与遥感技术的发展历程，阐述其基本原理和应用领域。
我们将重点分析当前摄影测量与遥感技术的最新进展，包括高精度成像技术、大数据处理技术以及在摄影测量与遥感中的应用。
我们将展望摄影测量与遥感技术的未来发展趋势，探讨其在全球变化监测、智慧城市建设、资源调查与管理等领域的潜在应用。
通过本文的阐述，我们期望能为读者提供一个全面、深入的摄影测量与遥感技术发展现状与未来趋势的认识。
二、摄影测量技术的现状与发展趋势摄影测量技术作为测量领域的一项重要分支，其发展历程经历了从模拟摄影测量、解析摄影测量到数字摄影测量的转变。
随着科技的不断进步，特别是计算机视觉、深度学习等技术的引入，摄影测量技术正迈向新的发展阶段。
现状方面，数字摄影测量技术已成为主流。
它利用数字影像处理技术和计算机视觉技术，实现了从影像获取到成果输出的全数字化流程。
这不仅大大提高了摄影测量的工作效率，还显著提升了测量精度。
随着无人机技术的普及，摄影测量在不动产测量、城市规划、环境监测等领域的应用日益广泛。
发展趋势方面，未来的摄影测量技术将更加注重自动化和智能化。
一方面，通过深度学习等人工智能技术，摄影测量系统将能够自动识别、提取和解译影像信息，进一步减少人工干预，提高处理效率。
另一方面，随着大数据技术的发展，摄影测量将能够处理更大规模、更高分辨率的影像数据，为城市规划、环境保护等领域提供更精细的服务。
摄影测量技术还将与其他技术如激光雷达（LiDAR）、合成孔径雷达（SAR）等进行深度融合，形成多源遥感数据的综合处理与应用体系。
这将为摄影测量带来新的发展机遇，同时也对数据处理算法、数据存储与传输技术提出了更高的要求。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
遥感图像融合技术的发展现状及趋势1 引言多源图像融合属于多传感器信息融合的范畴, 是指将不同传感器获得的同一景物的图像或同一传感器在不同时刻获得的同一景物的图像, 经过相应处理后, 再运用某种融合技术得到一幅合成图像的过程。
多幅图像融合可克服单一传感器图像在几何、光谱和空间分辨率等方面存在的局限性和差异性, 提高图像的质量, 从而有利于对物理现象和事件进行定位、识别和解释。
与单源遥感图像相比, 多源遥感图像所提供的信息具有冗余性、互补性和合作性。
因此,将多源遥感图像各自的优势结合应用, 获得对环境正确的解译是极为重要的。
多源遥感图像融合则是富集这些多种传感器遥感信息的最有效途径之一,是现代多源数据处理和分析中非常重要的一步。
本文基于遥感图像融合的研究现状、分析了图像融合研究的困境和不足, 最后提出了未来的发展趋势和热点, 以期达到抛砖引玉的作用。
2 遥感图像融合研究现状随着信息科学技术的发展, 在20 世纪七八十年代诞生了一个称为数据融合的全新概念。
这一概念不断扩展, 处理的对象由一般的数据发展到数字图像。
1979 年, Daliy 等人首先将雷达图像和LandsatMSS 图像的复合图像应用于地质解译, 被认为是最早的图像融合。
20 世纪80 年代, 图像融合技术逐渐应用到遥感图像的分析和处理中。
90年代以后, 图像融合技术成为研究的热点, 并成为很多遥感图像应用的一个重要预处理环节。
目前, 遥感图像融合已经发展为像素级、特征级和决策级3个层次, 如表1。
需要指出的是, 融合层次并没有划分融合算法严格的界限, 因为本质上各个融合层次都是信息融合的范畴。
像素级图像融合技术已被广泛研究和应用, 并取得了一定的成果。
特征级融合是一种中等层次的信息融合, 利用从各个传感器图像的原始信息中提取的特征信息,进行综合分析及融合处理, 不仅增加从图像中提取特征信息的可能性, 还可能获取一些有用的复合特征, 尤其是边缘、角、纹理、相似亮度区域、相似景深区等。
在特征级融合中, 对图像配准的要求不如像素级图像融合对配准要求那么严格。
决策级图像融合是一种更高层次的信息融合, 其结果将为各种控制或决策提供依据。
在进行融合处理前, 先对图像进行预处理、特征提取、识别或判决, 建立对同一目标的初步判决和结论, 然后对各个图像的决策进行相关处理, 最后进行决策级的融合。
从特点来看,不同层次的融合各有优缺点, 难以在信息量和算法效率方面都同时满足需求。
表一:遥感图像融合三个层次的对比融合层次融合算法特点从已有的图像融合研究成果来看, 由于理论的成熟度和操作的可行性, 融合研究主要集中在像素级,而对特征级, 尤其是决策级的研究还不够成熟, 仍在不断探索阶段。
近来, 从理论基础和研究工具来看, 非常新的数学理论和计算智能理论等的应用, 在数学理论深度上不断提高, 如小波和小波包、脊波、模糊数学、数学形态学、支持向量机等的使用, 更加重视图像融合的数学意义, 向更专业的信号处理方向发展。
从研究手段来看, 多源遥感图像融合的研究思路在逐步拓宽, 对已有方法进行组合、集成, 如IHS 方法和小波方法的结合 , PCA 和小波方法的结合, 小波方法和金字塔方法结合 , 等等。
3 遥感图像融合研究困境和不足以上按照融合的层次对遥感图像融合研究现状所作的分析要概述其所有的研究内容未必全面, 但是可以基本上概括图像融合的研究成果。
并且, 从另一个角度也反映出图像融合的主要研究内容和格局基本停留在融合方法的改进和创新上。
近来, 遥感图像融合被普遍认为是一个瓶颈发展时期。
首先, 理论上存在难以逾越物理意义的鸿沟, 图像融合在视觉增强的同时损失了图像本身的物理意义, 比如地物反射率等定量信息。
其次, 技术上也难有大的跨越性发展, 某种程度上说是计算机视觉等领域的硕果引领了早期的图像融合的发展。
因此, 近几年来的图像融合技术主要集中并停滞在新数学工具的使用和原有算法的组合上。
但本质上, 这些方法基本上属于在某种数学工具基础上面向问题的信号处理技术, 或者针对特定应用问题的解决方案, 缺乏对融合基本理论的研究, 没有从根本上解决融合问题的病态性, 这导致在研制和应用的过程中, 主观性和随意性很强, 造成了图像融合研究领域的混乱局面。
本节主要分析了遥感图像融合研究的困境和不足。
3. 1 遥感图像融合研究的困境图像融合作为一个系统工程, 仅仅从融合算法的改进上开展研究并不能从根本上很好的解决融合问题。
作者认为目前遥感图像融合技术存在3 个方面的困境:①没有统一的理论框架作指导, 这一问题逐渐__受到某些学者的关注;②缺乏面向应用的融合算法。
③数据源的选择没有针对性, 目前还鲜有涉及。
3. 1. 1 缺乏统一的理论框架作指导遥感图像融合统一理论框架是解决目前遥感图像融合方法格局混乱的最有效, 也最急迫的手段, 已经受到许多学者的关注, 并且已经开始有零星的文献报道。
但这些理论方法没有一种能够得到公认, 仍未能上升到物理解释和数学推导的理论高度,尽管如此, 这些学者的工作已经为图像融合统一理论框架研究提供了思路。
Wang 从遥感图像成像过程出发, 对建立通用图像融合模型作了一定的探索, 这是第一次公开提出通用模型研究的文献, 然而其模型建立过程中仍未能很好的重视主观性与随意性的问题。
窦闻从遥感机理、物理模型和数学推理出发,得到像素级图像融合的通用数学模型, 但是缺乏对特征级和决策级的支持。
因此, 目前亟需以实际应用结合物理解释和数学推导进行模型实现的基本思想, 建立统一的对地观测信息融合的基本理论和广义融合模型, 为融合方法的研制和应用提供理论指导。
3. 1. 2 缺乏面向应用的融合算法尽管目前的融合算法很多, 但是缺乏从特定应用角度的融合算法设计。
大多数算法没有从物理机理和应用目的进行分析, 而是依据图像质量的评价体系进行设计和比较, 这样得到的结果不具有针对性, 虽然图像整体效果增强, 但是不能满足增强感兴趣的信息的目的。
遥感图像融合的研究存在理论方法和应用研究脱节的现象, 理论方法研究没有考虑应用的回馈效应, 应用研究也没有考虑理论方法的物理解释, 即使是结合应用的图像融合研究也存在很大的局限性, 面向应用的融合算法的设计缺乏依据, 大多情况仅仅把融合作为提高图像解译能力的手段, 缺乏信息量的保真度。
依然固守高分辨率全色图像和低分辨率的多光谱图像的原则, 而不是从应用目的出发考虑原始图像特有信息的保持。
这些问题是融合过程丢失了原始遥感图像本身的物理属性的病态问题所致, 使得融合只能停留在改善视觉效果这一基本问题上。
另外, 遥感过程的复杂性和不确定性也是导致融合问题难以针对具体应用来比较和设计的主要原因之一。
3. 1. 3 数据源的选择没有针对性遥感图像融合的数据选择问题可以分为两个方面: 首先是针对具体的传感器类型的融合研究不足;其次是对融合数据源的尺度选择问题还没有任何经验或理论模型。
①针对不同的传感器数据的融合研究不足虽然现有融合问题的研究中很多是针对某具体的数据类型进行开展的, 但是, 对这些数据本身的特性考虑不足, 很多依然是围绕融合方法的改进进行的探讨, 并不是真正意义上基于数据特性的融合研究。
随着各种类型传感器的投入使用, 尤其是SAR、近红外、高光谱等传感器的应用, 图像融合已经不局限于视觉效果的融合, 而是更注重融合图像对地物光谱信息的保留, 以满足更高空间分辨率的分类或定量遥感需求。
②缺乏融合数据源的尺度选择理论图像融合数据源的尺度选择问题是研究者想面对但无法面对的问题, 因为传感器物理分辨率的固定将数据尺度选择变成了不可选择。
这也从一定程度上限制了遥感图像融合从机理上进行研究的动力。
图像融合数据源的尺度选择是从另一个角度研究如何更好地保持原始图像细节信息和光谱信息,达到更高效的集成原始图像特性的问题。
这对面向具体应用的数据融合问题的研究, 乃至传感器设计都有十分重要的推动作用。
但是, 尺度选择研究的困难依然在于数据的限制。
研究者也无法在计算机上模拟出各种尺度的传感器真实复杂的成像条件, 这是对融合尺度选择研究的一大挑战。
3. 2 遥感图像融合研究的不足遥感图像融合研究除了以上的三点困境之外,还存在如下几方面的不足:①特征级和决策级融合研究不足现有的遥感图像融合研究主要集中在像素级, 对特征级和决策级融合研究还远远不够。
目前对于特征级和决策级融合, 还没有一个清晰的理论界定, 而仅仅是概念性的描述解释; 没有和图像处理的其他领域结合起来, 而停留在单纯的图像融合层面上。
面向对象的图像处理技术正在逐渐被引入到这方面的研究中。
②多角度融合研究不足多角度的融合能够获得更丰富的信息, 更好地消除图像中的阴影等噪声。
目前的遥感图像融合主要涉及到多源和多尺度融合, 对于多传感器数据的融合也基本是保证同一视角, 而真正意义上的多角度融合研究还处于空白阶段。
③数据预处理过程的精度有待提高当数据从测量空间转入融合空间时, 必须进行严格的数据预处理。
然而目前对融合前的数据进行的空间配准、去噪、几何辐射校正、大气校正、压缩和滤波等处理, 其工作精度仍有待提高, 这要通过引入新的理论、算法来实现。
④对多源遥感图像不确定性的重视不够不确定性是遥感数据固有的特性, 多源遥感信息融合在优势互补的同时也意味着多数据源中不确定性的积累和叠加。
研究融合中的不确定性需要以融合的物理机理、理论基础和数学模型为基础。
4 遥感图像融合研究发展趋势研究者已经意识到遥感图像融合问题是一个病态问题, 也是一个系统工程的问题, 不能依赖单一角度或单一理论算法解决不同数据或不同应用环境的融合。
目前的理论基础、应用成果和存在问题为遥感图像融合理论的发展, 及其面向各个领域的应用研究提供了分析依据。
从遥感图像融合的三个层次来说, 像素级融合能够挖掘多源遥感信息的关联和隐含信息, 充分应用原始信息的互补优势,提供其他两个融合层次不具有的细节信息, 这些是特征级和决策级融合所不具备的特点, 因此在未来一定时间内, 像素级融合始终是研究热点之一。
但是, 随着遥感数据源和应用的发展, 特征级融合、决策级融合的研究将越来越受到研究人员的重视。
虽然说遥感图像融合研究目前处于瓶颈发展期, 但是随着硬件条件的提高和数学工具的发展, 从研究目标来看, 图像融合研究已经脱离了主要以空间增强为目标的阶段, 融合结果将逐渐以光谱信息提取和空间细节信息保持为目标 , 因此具有明确物理意义的融合理论正成为研究的热点。
同时, 融合方法的研究不再停留在算法的组合和复加上, 而是将侧重理论体系和统一框架的研究上。
相应的,图像融合数据源尺度选择也会得到一定的关注。
面向应用的遥感图像融合研究会随着遥感应用领域的拓展而深入进行, 同时将加深遥感图像融合方法选择依据的研究。