存档日期： 存档编号：
本科生毕业设计（论文）
论 文 题 目：基于ENVI的多源遥感影像数据融合
姓 名： 董 建
系 别： 环境与测绘系
专 业： 测绘工程
年 级 、 学 号： 11 测绘 118324107
指 导 教 师： 林 卉
江苏师范大学科文学院印制
I 摘 要
在世界遥感技术领域极速发展的情况下，对于用卫星传感器来观测和获取某一地域遥感影像数据的方法越来越多，此时多时相、多平台、高光谱和高分辨率卫星等影像数据大量涌现，并且在有关地学的多个领域都用到了这些影像数据。多源遥感影像融合技术在处理怎么使各种有差别的的遥感影像既保存着各自重要的使用特点和对象，同时也会将其局限性缩至最小这方面是最有效的途径之一。并且在不同的学科范畴都涉及到多源遥感影像数据融合技术，因此该技术被不断地完善与推行。而当前在世界上对该技术还尚未形成一套完善的理论与方法，于是目前在遥感领域研究的一个重要的研究技术就是周密处理与剖析遥感信息。
本文基于ENVI对多源遥感影像数据融合的研究。第一章介绍了遥感影像数据融合的基本理论知识和本论文内容研究的背景和意义，以及国内外目前对遥感图像融合技术的发展现状。第二章是对数据融合三个层次（像素级融合、决策级融合和特征级融合）的对比介绍，像素级融合、决策级融合和特征级融合，另外还展示了每个层次数据处理流程图。第三章对像素级融合中加权融合法变换、Brovery 变换、IHS变换和PCA变换等融合方法进行了分析比较。第四章介绍了融合的评价指标（主观评价、客观评价）。第五章通过对Quickbird多光谱影像的4、3、2波段和Quickbird全色影像的1波段数据的进行融合实验，对实验结果进行分析，总结出这四种融合方法的特点和适用范围，得到更准确，更可靠、更安全的估计和判断，为相关工作提供帮助。
如何进行测绘中的多源数据融合
近年来，随着科技的飞速发展和国家战略的需要，测绘工作日益重要。而在测绘工作中，使用多源数据进行融合已成为一种趋势。多源数据融合可以有效地提高测绘的精度和可靠性，从而帮助决策者做出更准确的判断。本文将围绕如何进行测绘中的多源数据融合展开讨论，并介绍一些应用案例和技术手段。
一、多源数据融合的意义
多源数据融合是指将来自不同传感器、不同数据源的数据进行整合和处理，以获取更全面、准确的信息。在测绘工作中，常用的数据源包括高分辨率遥感影像、全球卫星导航系统（如GPS和北斗系统）数据和测量数据等。而这些数据具有不同的分辨率、准确性和时效性，通过融合可以互补数据源的优势，提高数据的质量和精度。
首先，多源数据融合可以提高测绘的准确性。由于不同的数据源对地物的观测方式和特点有所差异，融合这些数据可以使得最终的测绘结果更加准确。例如，在地图制作中，通过融合高分辨率遥感影像和GPS数据，可以同时获得地物的空间位置和形状信息，从而提高地图的精度。
其次，多源数据融合可以增加测绘的时效性。不同数据源有不同的数据采集周期，通过融合这些数据可以及时获取最新的地理信息。例如，在城市规划中，通过融合卫星影像和无人机数据，可以快速获取城市更新的情况，从而提供及时的决策依据。
最后，多源数据融合可以提高测绘的全面性。不同数据源具有不同的信息内容，通过融合这些数据可以获取更全面的地理信息。例如，在灾害监测和防治中，通过融合遥感数据、测量数据和监测站数据，可以全面了解灾害的范围、程度和影响，从而更好地制定防治措施。
二、多源数据融合的应用案例 1. 遥感影像与GPS数据融合
遥感影像与GPS数据融合常用于制作高精度地图。通过融合高分辨率的遥感影像和GPS数据，可以同时获得地物的位置、形状和高程信息。例如，在山区道路建设中，常常需要获取准确的地形信息和道路位置。通过遥感影像和GPS数据的融合，可以获得较为精确的地面高程信息，从而提高道路规划的准确性。
第２期 ２００８年６月 山西水土保持科技 Ｓｏｉｌ ａｎｄ Ｗａｔｅｒ Ｃｏｎｓｅｒｖａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｉｎ Ｓｈａｎｘｉ ＮＯ．２ Ｊｕｎ．２００８
口综合论述
国内多源遥感数据融合研究综述
李菲菲
（北京林业大学林学院）
摘要：本文主要针对广泛应用的多源遥感数据融合方法，如ＩＨＳ变换、主成分变换、小波变换法、神经
网络法等进行简要介绍。概括了国内学者的主要研究成果，指出了遥感图像融合技术的关键是图像之间的
空间配准，发展方向是多源遥感数据融合模型的普遍适用性。
关键词：遥感数据源 数据融合技术ＩＨＳ变换主成分变换 小波变换法
中图分类号：Ｖ５５７ ．２文献标识码：Ａ 文章编号：１００８－０１２０（２００８）０２－０００１－０３
遥感技术的发展不仅为资源与环境监测提供了
宏观、实时、动态的数据，也大大减少了工作量，提高
了监测的实效性。单一的遥感数据有时不能够满足
信息提取的需要，这样就需要进行多种遥感数据的
综合运用。多源遥感数据的主要特点就是信息的冗
余性、互补性、时限性和低成本性。它的应用主要表
现在利用同一地区内的多平台、多时相、多光谱、多
分辨率的遥感数据，可以对该地区进行动态监测，融
合后的图像能更好地反应该地区的动态变化信息。
ｌ遥感数据源简介
随着美国、加拿大等国２Ｏ世纪８Ｏ年代中期提
出的ＥＯＳ计划的不断深入，遥感技术也得到了快速
发展。遥感影像的空间分辨率、时间分辨率以及光
谱分辨率都在不断提高。目前，空间分辨率从千米
级提高到了米级，高光谱数据达到纳米级；时间分辨
率已提高到对感兴趣地区进行１～３天周期的重复
观测；辐射分辨率也从早期的６４个量化等级提高到
了１ ０２４个灰度等级。
现阶段国内应用最广泛的遥感数据主要有
ＮＯＡＡ、ＭＯＤＩＳ、ＴＭ、ＳＰＯＴ、ＩＫＯＮＯＳ、ＱＵＩＣＫＢＩＲＤ等。
遥感数据源的选用通常是根据不同的应用目的来选
如何进行遥感影像的数据融合
遥感影像数据融合是一种将不同分辨率、不同传感器所得到的遥感影像数据进行整合的技术方法。这种方法可以充分发挥各种遥感传感器的优势, 提高遥感影像的质量和信息量，广泛应用于资源与环境监测、农业与林业管理、城市规划与地理信息系统等领域。本文将探讨如何进行遥感影像的数据融合，以及融合技术的发展趋势。
一、遥感影像数据融合的原理
遥感影像数据融合的原理主要基于多源遥感数据的互补性和融合效果的增益性。不同传感器获取的遥感影像数据在分辨率、光谱特征和时间特性上存在差异。通过融合这些数据，可以整合各种传感器的优势，提高遥感影像的质量和信息内容。
二、融合技术的方法
1. 基于像素级的融合方法
像素级融合方法是将不同传感器获取的遥感影像数据在像素级别上进行直接融合。常见的方法有加权平均法、主成分分析法和像元转换法。加权平均法通过给予不同传感器像素不同的权重，将不同传感器获取的影像数据加权平均得到融合后的影像。主成分分析法是将不同传感器的影像数据进行主成分分析，提取出影像的主要特征，然后将这些特征进行融合。像元转换法是通过建立传感器之间的数学模型，将一个传感器的影像数据转换成另一个传感器的影像数据，然后进行融合。
2. 基于特征级的融合方法
特征级融合方法是将不同传感器获取的遥感影像数据在特征级别上进行融合。常见的方法有小波变换法、频谱角法和时频分析法。小波变换法是通过应用小波变换将影像数据分解成不同尺度的子带，然后将不同传感器的子带进行融合。频谱角法是通过计算不同传感器影像数据的频谱角来评估它们在频域上的相似性，从而决定如何进行融合。时频分析法是通过将不同传感器的影像数据进行时频分析，提取出影像的时频特征，然后将这些特征进行融合。
三、融合技术的发展趋势
随着遥感技术的不断发展，数据融合技术也在不断更新和创新。未来融合技术的发展趋势主要包括以下几个方面：
1. 多源数据融合
多源数据融合是未来融合技术的重要趋势。随着卫星、无人机等遥感平台的发展，遥感影像数据的来源越来越多样化。如何将这些来自不同平台的数据进行融合，将成为研究的热点之一。
