1.2图像融合的发展及现状

随着遥感数据的空间、光谱、时间和辐射分辨率的不断提高，遥感科学的迅猛发展，以及影像信息提取算法的不断改良，我们从遥感数据中获取各类参数和信息的能力大大提升，这些信息日益被应用于理解自然与人文生态系统的空间分布式模型。伴随着信息科技的大发展，数据融合这个全新的概念于20世纪七八十年代应运而生，这在当时被称为多元相关以及数据融合等。接下来这一概念不断发展变化，处理的方向也由一般的信息数据发展到图像数字信息数据。雷达和LandsatMSS复合影像首次进行解读地质是在1979年，被认为是最早的图像融合实际应用。八十年代以来，以军事领域的研究为开端，遥感数据融合技术方法的研究逐渐拓展到各个领域，称谓也逐渐被统一为数据融合或信息融合，并被应用到遥感影像的解译和分析处理中。

20世纪90年代以后，对于图像的融合处理技术的相关研究开始了快速的发展，这一领域在世界各地受到了更加广泛的关注，遥感图像处理的应用也涵盖了绝大多数的研究领域。尤其是近年来，多传感器图像的融合技术已发展成为越来越多热门行业的研究焦点问题，在机器人，智能制造、交通，医疗诊断、遥感、保安、军事应用等领域的作用越来越大。就目前而言，遥感图像融合已经发展并开始划分层次。其中，以像素级图像融合的研究和应用最为广泛，并在一定程度上取得了巨大的成就。相信在未来的发展中，像素级、特征级、和决策级等不同层次的图像融合技术会涉及到更广阔更专业的研究领域。

2 图像融合内容及方法

2.1图像融合内容

遥感系统中图像数据的最重要的特性就是用在图像获取过程中的波长，或波长范围。最普通的遥感系统从可见光到近红外及中红外范围记录数据。从数据处理和分析的角度，重要的图像数据特性包括：由特定传感器提供的光谱测量的个数和位置、像素大小所描述的空间分辨率以及辐射分辨率。遥感图像融合技术具体而言，就是对个多传感器的影像数据和其他信息进行处理的一系列过程，图像融合不是简单的叠加，而是通过合理的运算方法产生新的蕴含更多价值信息的图像，即达到1加1大于2，甚至是远大于2的最终结果[1]。对于图像融合而言,源融合图像或许是在相同时间段由多个传感器获得的图像，也可能是同一传感器在不同的时间段传来的图像序列，总的来说就是可以是不同传感器同时提供的多幅图像，还有可能是同一个传感器在某个时间段内传送的影像序列。最大化的利用多幅图像的资源信息数据，合理配置和应用观测的图像信息，通过合理的算法将图像间的信息数据进行融合处理，增强图像的纹理信息以及细节反差，使融合处理后的图像性质比参加融合的任意一幅图像更加优越易于解读[2]。一般情况下，有效的多遥感器图像融合需要对两个待融合的图像进行辐射校正。TM与SPOT图像的融合处理在图像融合中最为普遍，仅针对其特点而言，TM和SPOT图像都具有其自身的特点。TM图像是多光谱的特性，SPOT图像是高分辨率的特性。

TM图像即美国的陆地卫星4～5号专题制图仪（thematic mapper）所获得的多个波段的扫描图像，共有7个波段，每个波段的范围相对较窄，其主要特点是具备较高的空间分辨率、波谱分辨率、极为丰富的信息量，能够获得相对精确的定位。空间分辨率一般为30米。

SP0T 卫星是由法国国家空间研究中心与比利时、瑞典共同研制发射的一颗携带多光谱扫描仪的资源卫星，具有10m*10m(全色模式)和20m*20m(多光谱模式)，并且在遥感系统的设计上有一些独特的创新之处。SPOT 图像可分为Panchromatic和Multi-spectral image，Panchromatic是指遥感器获取整个可见光波区(一般定义在0.4μ—0.7μ间)的黑白影像。其最大的特点是最高空间分辨率可达到10米，同时SPOT的传感器配备有可供定向的发射镜，因此仪器具备倾斜观察的能力，能够获得正方形或矩形的图像，而Landsat得到的图像是倾斜的。SPOT可靠卫星群的能力无与伦比，能够每天获取地球上几乎任意区域的影响。文献综述 遥感图像数据融合与分析(2):http://www.youerw.com/shuxue/lunwen_80715.html