论文部分内容阅读
随着现代遥感技术的发展，由各种卫星传感器对地观测获取的同一地区的遥感影像越来越丰富。未来的遥感技术应用的主要障碍，不再是影像源的不足，而是从这些影像源中提取更丰富、更有用和更可靠信息的能力大小。多源遥感影像融合是富集遥感海量数据的最有价值的技术手段。它不仅是一种遥感影像数据处理技术，而且是一种遥感信息综合处理和分析技术，是目前遥感应用研究的重点之一。
多源遥感影像融合正从研究阶段向实际应用方向发展，融合层次从低层次的像素级、中间层次的特征级，逐渐向高层次的决策级融合集中研究，渴望在资源、环境、灾害调查与监测等方面能够实现业务化的遥感应用系统。
本文以决策级融合方法研究为主线，以分类融合应用为目标，在全面分析与总结前人研究成果的基础上，针对现有多源遥感影像融合存在的问题及局限性，围绕决策级融合进行了系统的探索研究。主要研究内容与研究成果包括：提出了新的遥感影像融合概念，界定了其研究范畴；探讨了遥感影像融合的数据选择及精配准技术问题；提出了遥感影像决策级融合新的研究方法，即：基于改进的自组织映射网络(Kohonen网络)的遥感影像决策级融合方法、基于支持向量机(SVM)的遥感影像决策级融合方法，特别是首次把SVM引入到多源遥感影像融合研究中，进行了有益的尝试；提出了适合于遥感影像决策级融合质量评价的标准；在这些基础上，通过大量实验，探讨了遥感决策级融合在土地覆盖分类中的应用效果，提出了一种合适的多源遥感影像分类融合应用系统框架。
从融合基础、融合方法、融合评价到融合应用的研究与实践，得到的主要结论如下：
(1)提出了新的遥感影像融合的概念。概念中重新界定了其内涵与外延，把数据源界定为高空间分辨率影像与多光谱影像，并强调了融合模型基础、融合质量及融合应用，为建立合适的遥感影像融合系统提供依据。同时分析了遥感影像融合的层次，给出了各自的特点及应用范围，阐述了三个层次的遥感影像融合方法，进行了对比分析，对两组融合数据采用三种常用的融合方法进行了融合实验和评价比较。
(2)数据选择是进行遥感影像融合的关键一步，在总结多源遥感影像融合典型实例的基础上，根据新的遥感影像融合定义，选择同一地区、同一时期的不同遥感平台的不同空间分辨率的影像数据作为本文的研究数据，即LandsatTM(30m)、SPOT-4Pan(10m)、IRS-CPan(5.8m)，探讨了空间分辨率之比为3倍(LandsatTM与SPOT-4Pan)和5倍(LandsatTM与IRS-CPan)的两种融合情况。
(3)实现了影像数据的配准实验，给出了实验数据的规则化。影像间精配准是融合前最重要的步骤之一，首先分析了影像间精配准的原理，以及常用的配准方法，指出多项式纠正是最成熟的配准方法之一。结合本文试验区地形情况和实验数据的特点，对所选影像数据按二次多项式变换、双线性内插方法进行重采样，实现影像间精配准。并对所选影像数据进行了数据规则化，针对本文提出的融合模型，给出了其对应的数据格式，并通过VisualBasic6.0程序设计实现了数据的格式转换。
(4)提出了基于改进的Kohonen神经网络遥感影像决策级融合新方法，建立了基于改进的Kohonen神经网络遥感影像融合模型和基于改进的投票表决规则的融合规则，该方法分类融合效果得到了改善。首先探讨了基于Kohonen网络的遥感影像决策级融合模型，以上述两组融合数据为例，根据本文给出的融合规则，进行了融合实验，融合结果较原TM影像在空间可分辨性和清晰度方面有所提高，分类总精度达60％左右。针对上述模型存在的缺陷，把专题信息引进到模型中，建立了基于改进的Kohonen网络的遥感影像融合模型，对上述两组融合数据进行了融合实验与分析，发现林地与水体混分现象有所减少，总分类精度也提高约8％，达到68％左右。但对于林地、水田和茶园这样光谱值十分接近的地物，混分的现象仍然存在，对于这一问题的解决还需要进一步的研究。
(5)首次将支持向量机方法引入到多源遥感影像融合研究中，提出了基于SVM的遥感影像决策级融合新方法，建立了基于SVM的遥感影像融合模型和基于意见一致性理论的融合规则。采用上述两组数据进行了融合实验，发现该方法有效地提高了融合影像的空间分辨率，改善了融合影像质量。研究结果表明，基于SVM的遥感影像决策级融合分类精度达到80％左右，较基于改进的Kohonen网络的融合方法提高约10％，能有效地解决光谱相近地物的混分现象。
(6)提出了适合遥感影像决策级融合的影像质量评价标准，为建立合适的遥感影像分类融合应用系统提供依据。在分析和总结遥感影像融合质量评价方法的基-Ⅱ-础上，建立了适合决策级融合影像质量评价的标准，即主观定性与客观定量相结合的方法，主观定性评价主要从空间可分辨性、清晰度的角度分析，客观定量主要从分类总体精度进行衡量，将为遥感决策级融合方法更好地应用到土地覆盖分类中提供强有力的依据。并与常用的融合方法融合分类结果进行比较，发现决策级融合效果优于常用的融合方法融合分类结果，因此决策级融合方法具有较好的实用性。
(7)决策级影像融合能有效提高分类正确率，可满足江南丘陵地区的土地覆盖自动分类的要求。以LandsatTM作为研究数据，首先给出基于神经网络的单源遥感数据的土地覆盖分类实验，并进行了分类精度评价。然后与上述基于改进的Kohonen网络和基于SVM的决策级融合的土地覆盖分类实验结果进行了对比分析。分析结果表明，决策级融合方法的融合结果分类精度高于单源遥感分类的分类精度，其中基于SVM的融合方法比单源遥感分类方法提高达10％以上。其中，在各种方法中，茶园与裸露地的分类精度都相对较低，而林地与水体的分类精度都相对较高，这是由茶园与水田有部分混分，裸露地与乡村居民点、水田有部分混分引起的。总之，决策级影像融合分类总精度能够满足江南丘陵地区遥感影像土地覆盖自动分类的要求。
(8)根据本文决策级融合研究的大量实验结果，提出了一种合适的多源遥感影像分类融合应用系统框架，用以实现遥感影像土地覆盖自动分类，给国土资源部门进行土地利用/土地覆盖遥感调查或数据库更新以借鉴。