多源遥感图像融合技术研究的综述报告.docx

多源遥感图像融合技术研究的综述报告
遥感图像融合是指将来自不同传感器或不同分辨率的多幅遥感图像融合成一幅具有高分辨率和多方位信息的新图像。多源遥感图像融合技术在农业、城市规划、环境监测等领域具有广泛的应用。本文将综述多源遥感图像融合技术的研究现状、融合算法分类以及融合效果评价等方面。
一、多源遥感图像融合研究现状
多源遥感图像融合技术的发展始于20世纪80年代，当时主要采用多波段遥感图像的融合方法，如直接平均法、权重平均法和简单可加模型等，但这些方法存在一些问题，如融合后的图像失真严重、存在空间分辨率和光谱分辨率的不协调现象。20世纪90年代，随着计算机技术的快速发展，出现了一系列新的多源遥感图像融合方法，如小波变换、融合规则法、模糊理论、人工神经网络、特征提取等方法，这些方法解决了传统方法的缺陷并提高了图像融合的效果。
二、多源遥感图像融合算法分类
目前多源遥感图像的融合方法可分为基于像素的方法和基于特征的方法两大类。
基于像素的方法又可分为直接融合和间接融合两种。
直接融合方法一般采用简单可加模型、逐像素融合、加权融合等方法，其主要原理是对同一位置的像素或相邻像素进行加权计算或平均值计算。直接融合方法的优点是计算简单，缺点是对于分辨率差别较大的图像融合效果较差。
间接融合方法主要是采用多尺度分解方法，将多源遥感图像分解成不同分辨率或频段的子图像，然后在相同空间分辨率的情况下，将其融合成一幅高分辨率和丰富光谱信息的图像。常见的方法有小波变换、拉普拉斯金字塔、多分辨率分析等。
基于特征的方法是在像素级别上对图像进行特征提取和特征匹配，然后进行特征融合的方法。常见的方法有主成分分析法、伸缩性区域生长法、模糊聚类法、人工神经网络和支持向量机等。
三、多源遥感图像融合效果评价
多源遥感图像融合的效果评价是衡量融合算法好坏的标准之一。评价指标主要包括视觉效果、客观指标和应用效果等。其中，视觉效果是最直观的评价方法，主要是评估融合图像的清晰度、冗余度和光谱保真度等方面。客观指标是通过构建评价函数来评估融合算法的优劣，其中最常用的是光谱保真度、空间保真度和信息增益等指标。应用效果是将融合图像应用于特定领域或目标，考察其实际应用效果。在实际应用中，通常综合运用多种评价方法来对融合算法进行评价。
四、结论
多源遥感图像融合技术在遥感领域具有广泛的应用前景。本文综述了多源遥感图像融合技术的研究现状、融合算法分类以及融合效果评价等方面。基于像素的方法和基于特征的方法各有优缺点，综合在应用中选择合适的融合方法也是一个重要的问题。随着计算机图像处理技术的不断发展，多源遥感图像融合技术将会在更广泛的领域得到应用和推广。