遥感图像融合的关键技术研究

（广东开放大学人工智能学院，广州 510091）

1 引言

目前在图像处理领域出现的图像融合技术，能够结合各单幅图像中与识别目标相关的显著信息，使得来自于不同图像的显著信息特征得以互补，获取与识别目标相关的更全面的信息，从而提高目标识别的准确性、确定性，以及快捷性[1]。在过去的几年，MSI和SAR遥感数据的融合被有效用于改进的土地覆盖制图[2]，土地分类[3]，以及森林分类[4]等。这些研究结果表明多源图像的融合在具体应用中具有一系列的优势，己被广泛地应用于资源、环境、灾害调查与监测等领域。

2 图像融合概念

Pohl和Genderen对图像融合做了如下定义：

图像融合就是通过一种特定算法将两幅或多幅图像合成为一幅新图像[5]（如图1所示），从而使融合的图像可信度更高，模糊较少，可理解性更好，更适合人的视觉及计算机检测、分类、识别、理解等处理[6]。融合的多源图像之间具有互补性，能够从多个视点获取信息，扩大时空的传感范围，提高观测的准确性和鲁棒性[7]。

图1 图像融合原理

3 图像融合的关键技术

图像融合研究的内容主要围绕融合的对象、层次、方法、效果（评价）以及应用五个方面展开，如图2所示。

图2 图像融合研究的内容

目前这些基于图像融合的应用研究大多停留在实验验证阶段，主要运用一些现成的融合算法将不同源的数据集成起来。针对具体应用时，应该考虑这些融合方案的适宜性和有效性。如何针对具体应用设计高效的融合方案以提高多源图像在具体应用上的互补性非常必要。在进行融合之前以及融合过程中，有如下一些问题需要考虑。

（1）面向具体的应用任务，如何选择数据源。

（2）从融合方法来看，针对具体应用，目前理论上比较成熟的一些融合算法是否可以成功地将不同数据源的优势信息结合起来。如果不能，需要开发什么样的融合方法才能够最大化地集成不同数据源在针对具体问题上的优势信息和互补信息。

（3） 当前的融合评价是否适用于遥感图像融合。

3.1 图像融合对象的选择

表1中给出了常见图像融合的数据源，数据源的选取对最终融合结果以及具体应用任务的完成有很大的影响。对于某一具体任务，如水体提取，选用何种数据源进行融合可以优化目标任务的完成。数据源有很多，盲目选取数据源进行融合不一定能获取最佳的效果。具体使用什么样的数据源来优化融合目标，一方面取决于大量的数据测试分析和经验积累，一方面取决于对传感器成像原理的分析。例如在进行水体提取的时候，多光谱图像可以提供很多细节和色彩信息，但是分辨率比较低，受云层和雨雪影响，对植被覆盖区域的水体也无法识别，而SAR图像分辨率较高，不受天气影响，可以检测到植被覆盖的水体部分，但是SAR图像的斑点很多。在对这两类图像进行分析以后，可以初步断定这两类图像在水体提取上应该具备互补的特性。后期经过实验验证，比较分析，进一步证实他们在水体提取上的互补性。

表1 图像融合对象

3.2 面向应用的图像融合层次的选择

图像融合通常在三个层次进行，也即像素级融合、特征级融合和决策级融合[7]。目前很多理论研究的融合以像素级融合和特征级融合为主，而一些面对应用的融合多以特征级和决策级的融合为主。融合层次的选择取决于应用目标，同时也影响融合的最终结果。

3.3 面向应用的图像融合方法的选择

目前的图像融合方法主要有三大类：第一类基于空间域的融合方法，直接对原始图像的像素进行操作，如平均与加权平均方法、像素灰度值选大（或小）方法等。第二类基于变换域的融合方法，其基本思想是：对图像进行变换，获取分量图像，对分量图像实施融合规则，再实施逆变换。典型的基于变换域的融合方法有基于PCA、基于HIS、基于小波、基于金字塔、基于EMD变换的图像融合方法等。第三类是一些新型方法，如遗传算法、神经网络、机器学习、支持向量机等方法。

从融合的方法来看，针对具体应用如水体提取，上述融合方法是否可以直接应用于该任务，采取何种融合方法能够提高水体提取精度，如果现存的融合方法不能更好地服务于具体的应用任务，应该开发什么样的融合方法才能够最大化地集成不同数据源在针对具体问题上的优势信息和互补信息。

3.4 面向应用的图像融合效果评价

目前文献中对图像融合的评价多以客观评价为主，主要指标见表2。

表2 图像融合客观评价指标

表2中的评价方式在文献中常用来评价图像融合的效果，但是针对遥感领域中的具体应用，如水体提取，需要重新思考这些评价系数的适宜性。是否融合图像的信息熵越大对应的水体提取的精度就越高，对于其它指标来讲也存在类似的问题。由于应用目标的不同，选区数据源的不同，针对遥感应用的图像融合评价的关注点也不同，如何合理有效地评价融合效果，是否可以建立通用的融合框架，需要展开深入的研究。

4 结束语

由于单一遥感数据受限于成像设备的物理条件以及时间的限制，难以全面考察观察物，有必要在具体任务中将不同来源的数据结合起来，发挥优势。但盲目融合并不一定能够有利于应用目标的有效完成，甚至会带来负面的结果。针对具体的应用任务，应该从融合对象（数据源）、融合层次、融合方法的选择以及评价体系的建立几个方面综合考虑，设计合理有效的融合方案，以提高图像解译或目标识别的准确性。