多源遥感影像融合及其关键技术探讨

简述了多源遥感影像融合过程、三种融合层次及其优缺点；具体描述了常用的八种融合方法；根据近来多源遥感影像融合研究状况，提出了融合中需进一步研究的关键技术。     

多源遥感影像数据融合理论与技术

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,并对数据融合的关键技术及研究热点进行了总结。     

多源遥感数据融合的发展趋势

随着遥感技术的快速发展,影像和数据融合领域的新方法、新算法层出不穷。遥感影像融合技术可以分为3个不同的层次：像素级、特征级和决策级。在回顾现有的多源遥感数据融合技术的基础上,讨论了融合技术的发展趋势。主要讨论内容包括多源高分辨率影像融合新方法、面向应用的影像融合评价和趋势、用于生态建模的LiDAR数据／多源光学／雷达影像融合和分布式传感器网络数据融合等。     

基于小波变换的遥感影像融合技术发展现状

多源遥感影像数据融合技术是解决海量遥感影像数据处理问题的一条有效途径。通过介绍目前基于小波变换的遥感影像融合技术发展状况,以及各种融合方法的优缺点和适用范围,为遥感影像融合系统的研究与开发提供参考。     

多源高分辨率遥感影像智能融合

本文面向多源高分辨率遥感影像自动化融合的应用需求,探索按需应用的智能化融合方法,充分利用不同分辨率和不同时相的高分辨率多源遥感影像数据资源与特性,研究了影像融合数据源选取的决策树算法,建立了遥感影像融合规则知识库,并自动化选取适合的融合算法,提出了Curvelet_HCS算法,对低频和高频系数选用不同的融合规则,改善了HCS算法的光谱失真问题,可同时融合多光谱影像的多个谱段,并保持更丰富的空间细节信息。根据融合评价结果对遥感影像融合规则知识库进行更新,实验验证表明了该套方法的有效性,为开展大规模智能化的多源遥感影像融合应用提供了重要的方法和技术支撑。     

ALOS全色与多光谱影像融合方法比较

多源遥感影像融合能够综合利用多源遥感数据的优势,获得比单一数据更客观、更丰富的信息。以ALOS高分辨率卫星影像为例,选取包含不同地物的子区,分别应用不同的影像融合方法进行了融合实验,结果表明对于同一数据源,影像融合方法不同,其影像融合质量存在差异;同时研究区域包含的地物类型不同,最适宜的影像融合方法也不同。     

遥感影像融合关键技术探讨

随着遥感技术的发展,越来越多的不同传感器的遥感影像相继出现,为用户提供不同空间分辨、不同时相与多光谱信息的海量遥感影像数据成为现实。不同数据源的数据各自显示了自身的优势和局限,同时也造成了信息冗余。如何有效的利用这些多源影像数据是目前人们所关注的问题,进而影像融合问题被提出来。多源遥感影像融合是遥感图像处理和信息获取领域的一门新技术,所以在影像融合过程中需要进一步研究其中的关键技术。本文对遥感影像融合过程中的关键技术进行了详尽的分析和探讨。     

多源遥感影像数据的融合方法探讨

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.     

《多源遥感影像数据融合技术》出版

《多源遥感影像数据融合技术》（贾永红著）一书近日由测绘出版社出版。     

遥感影像融合质量评价方法研究

在多源遥感影像融合中,融合技术的千差万别使得融合方法对影像质量起着关键作用。如何准确地评价融合质量是影像融合的一个重要组成部分。本文通过主观评价和客观评价法对遥感影像融合的质量进行了探讨,利用Matlab系统分析了遥感影像融合中的评价指标,对PCA、IHS和Brovey融合法进行了对比分析。     

遥感数据融合研究进展与文献定量分析(1992—2018)

近年来,遥感应用的快速发展推动了遥感载荷指标性能的不断提升。但由于遥感传感器的硬件技术瓶颈,遥感数据无法同时具有高空间分辨率、高光谱分辨率、高时间分辨率的指标特性。遥感数据融合是解决该问题的有效方法。为了深入了解目前遥感数据融合技术的研究进展情况,本文对国内外1992年—2018年间在该领域有一定影响力的相关成果进行了调研、分析与归纳总结。首先对遥感数据融合相关论文的年发文量、发文国家与机构、发表刊物以及关键词等进行了统计,梳理其发展历史及趋势;系统性的总结了各类数据融合算法,将其分为面向空间维提升的融合算法、面向光谱维提升的融合算法以及面向时间维提升的融合算法3类,并对各类算法的优势与适用性进行了分析;归纳总结了遥感数据融合的质量评价指标,包括有参考影像的融合评价指标以及无参考影像的融合评价指标;最后对遥感数据融合进展进行了总结与展望。     

遥感数据融合的进展与前瞻

数据融合是提升遥感影像应用能力的重要手段,一直是遥感信息处理与应用领域的研究热点。本文系统综述了遥感数据融合的进展与前瞻:首先对数据融合的层次与分类进行了总结和归纳,将遥感数据融合划分为同质遥感数据融合、异质遥感数据融合、遥感—站点数据融合、遥感—非观测数据融合4大类;在此基础上,重点针对时—空—谱光学遥感数据的融合,从多视超分辨率融合、多尺度融合、空—谱融合、时—空融合、时—空—谱一体化融合等方面进行了详细阐述;最后总结了遥感数据融合的前瞻研究方向,包括时—空—谱一体化融合的拓展、空天地观测数据的跨尺度融合、传感网环境下的在线融合、面向应用的融合方法等。     

多源遥感影像数据融合技术探讨

针对当前海量遥感数据与相对较低的数据利用率并存的现状,探讨了数据融合的概念,融合的3个层次:像素级、特征级和决策级融合,以及各层次的优缺点、流程和常用的融合方法;并详细阐述了融合影像的评价指标。进行了某地区的融合试验,从而得出对同一地区的遥感影像数据进行融合,可以产生更准确、更完全,更可靠的估计和判断的结论,为类似的工作提供了借鉴。     

多源遥感图像融合发展现状与未来展望

近年来,随着遥感技术的发展,高光谱、红外、雷达等多源遥感成像手段在精准农业、资源调查、环境监测、军事国防等重要领域发挥着越来越重要的作用.同一场景多源遥感图像观测的地物对象相同,但观测的维度不同,图像的空间、光谱与时间分辨率存在差异,提供的信息既具有冗余性,又具有互补性和合作性.多源遥感图像融合能够综合利用不同来源获取...     

证据推理应用于多源信息融合分析

运用证据理论合并来自不同数据源的证据,以实现各种数据所含信息融合的原理和方法。该方法的最大特点是将数据源中存在的不确定性引入数据分析过程。另外,利用证据推理,可以在数据分析过程中方便地引入专家解译图解的经验和知识。最后通过利用ＥＲＳ ＳＡＲ数据和ＴＭ影像进行融合分析,证明该方法在遥感图解自动分类中有很好的应用前景。     

多源遥感影像数据融合技术探讨

针对当前海量遥感数据与相对较低的数据利用率并存的现状,探讨了数据融合的概念,融合的3个层次：像素级、特征级和决策级融合,以及各层次的优缺点、流程和常用的融合方法;并详细阐述了融合影像的评价指标。进行了某地区的融合试验,从而得出对同一地区的遥感影像数据进行融合,可以产生更准确、更完全,更可靠的估计和判断的结论,为类似的工作提供了借鉴。