高分辨率遙感影像融合及其在城市規(guī)劃中的應(yīng)用課件

1、高分辨率遙感影像融合及其在城市規(guī)劃中的應(yīng)用課件高分辨率遙感影像融合及其在城市規(guī)劃中的應(yīng)用課件數(shù)據(jù)融合基本涵義 定義 圖像融合就是將同一區(qū)域的多源遙感圖像按統(tǒng)一的坐標(biāo)系統(tǒng)，通過空間配準(zhǔn)和內(nèi)容復(fù)合，生成一幅比單一信息源更準(zhǔn)確、更完全、更可靠的新圖像的技術(shù)方法。其優(yōu)點(diǎn)在于：提高了影像的空間分解力和清晰度；提高了影像的平面測(cè)圖精度、分類精度及可靠性；增強(qiáng)了影像的解譯和動(dòng)態(tài)監(jiān)測(cè)能力，有效提高遙感影像數(shù)據(jù)的利用率等；應(yīng)用領(lǐng)域數(shù)據(jù)融合（data fusion）最早被應(yīng)用于軍事領(lǐng)域。現(xiàn)在數(shù)據(jù)融合的主要應(yīng)用領(lǐng)域有：多源影像復(fù)合、機(jī)器人和智能儀器系統(tǒng)、戰(zhàn)場(chǎng)和無人駕駛飛機(jī)、圖像分析與理解、目標(biāo)檢測(cè)與跟蹤、自動(dòng)目標(biāo)識(shí)

2、別等等。數(shù)據(jù)融合基本涵義 定義 相對(duì)于單源遙感影象數(shù)據(jù)，多源遙感影象數(shù)據(jù)所提供的信息具有以下特點(diǎn)：冗余性：表示多源遙感影像數(shù)據(jù)對(duì)環(huán)境或目標(biāo)的表示、描述或解譯結(jié)果相同； 互補(bǔ)性：指信息來自不同的自由度且相互獨(dú)立合作性：不同傳感器在觀測(cè)和處理信息時(shí)對(duì)其它信息有依賴關(guān)系； 信息分層的結(jié)構(gòu)特性：數(shù)據(jù)融合所處理的多源遙感信息可以在不同的信息層次上出現(xiàn)，這些信息抽象層次包括像素層、特征層和決策層，分層結(jié)構(gòu)和并行處理機(jī)制還可保證系統(tǒng)的實(shí)時(shí)性。 相對(duì)于單源遙感影象數(shù)據(jù)，多源遙感影象數(shù)據(jù)所提供的信息實(shí)質(zhì)：在統(tǒng)一地理坐標(biāo)系中將對(duì)同一目標(biāo)檢測(cè)的多幅遙感圖像數(shù)據(jù)采用一定的算法，生成一幅新的、更能有效表示該目標(biāo)的圖像信

3、息。目的：將單一傳感器的多波段信息或不同類別傳感器所提供的信息加以綜合，消除多傳感器信息之間可能存在的冗余和矛盾，加以互補(bǔ)，改善遙感信息提取的及時(shí)性和可靠性，提高數(shù)據(jù)的使用效率。 實(shí)質(zhì)：在統(tǒng)一地理坐標(biāo)系中將對(duì)同一目標(biāo)檢測(cè)的多幅遙感圖像數(shù)據(jù)采數(shù)據(jù)融合原理及過程 一般來說，遙感影像的數(shù)據(jù)融合分為預(yù)處理和數(shù)據(jù)融合兩步 預(yù)處理：主要包括遙感影像的幾何糾正、大氣訂正、輻射校正及空間配準(zhǔn) 幾何糾正、大氣訂正及輻射校正的目的主要在于去處透視收縮、疊掩、陰影等地形因素以及衛(wèi)星擾動(dòng)、天氣變化、大氣散射等隨機(jī)因素對(duì)成像結(jié)果一致性的影響；影像空間配準(zhǔn)的目的在于消除由不同傳感器得到的影像在拍攝角度、時(shí)相及分辨率等方面

4、的差異。 數(shù)據(jù)融合原理及過程 一般來說，遙感影像的數(shù)據(jù)融合分為影像的空間配準(zhǔn)是遙感影像數(shù)據(jù)融合的前提?？臻g配準(zhǔn)一般可分為以下步驟 :特征選擇：在欲配準(zhǔn)的兩幅影像上，選擇如邊界、線狀物交叉點(diǎn)、區(qū)域輪廓線等明顯的特征。 特征匹配：采用一定配準(zhǔn)算法，找處兩幅影像上對(duì)應(yīng)的明顯地物點(diǎn)，作為控制點(diǎn)?？臻g變換：根據(jù)控制點(diǎn)，建立影像間的映射關(guān)系。插值：根據(jù)映射關(guān)系，對(duì)非參考影像進(jìn)行重采樣，獲得同參考影像配準(zhǔn)的影像。 空間配準(zhǔn)的精度一般要求在12個(gè)像元內(nèi)?？臻g配準(zhǔn)中最關(guān)鍵、最困難的一步就是通過特征匹配尋找對(duì)應(yīng)的明顯地物點(diǎn)作為控制點(diǎn)。 影像的空間配準(zhǔn)是遙感影像數(shù)據(jù)融合的前提。2.數(shù)據(jù)融合 根據(jù)融合目的和融合層次智

5、能地選擇合適的融合算法，將空間配準(zhǔn)的遙感影像數(shù)據(jù)（或提取的圖像特征或模式識(shí)別的屬性說明）進(jìn)行有機(jī)合成，得到目標(biāo)的更準(zhǔn)確表示或估計(jì)。 對(duì)于各種算法所獲得的融合遙感信息，有時(shí)還需要做進(jìn)一步的處理，如“匹配處理”和“類型變換”等，以便得到目標(biāo)的更準(zhǔn)確表示或估計(jì)。 2.數(shù)據(jù)融合 數(shù)據(jù)融合分類及方法 1 數(shù)據(jù)融合方法分類 遙感影像的數(shù)據(jù)融合方法分為三類：基于像元(pixel)級(jí)的融合、基于特征(feature)級(jí)的融合、基于決策(decision)級(jí)的融合。融合的水平依次從低到高。1.1 像元級(jí)融合 像元級(jí)融合是一種低水平的融合。像元級(jí)融合的流程為：經(jīng)過預(yù)處理的遙感影像數(shù)據(jù)數(shù)據(jù)融合特征提取融合屬性說明。

6、 數(shù)據(jù)融合分類及方法 1 數(shù)據(jù)融合方法分類 優(yōu)點(diǎn)：保留了盡可能多的信息，具有最高精度。 局限性：效率低下：由于處理的傳感器數(shù)據(jù)量大，所以處理時(shí)間較長(zhǎng)，實(shí)時(shí)性差。 分析數(shù)據(jù)限制：為了便于像元比較，對(duì)傳感器信息的配準(zhǔn)精度要求很高，而且要求影像來源于一組同質(zhì)傳感器或同單位的。分析能力差：不能實(shí)現(xiàn)對(duì)影像的有效理解和分析 糾錯(cuò)要求較高：由于底層傳感器信息存在的不確定性、不完全性或不穩(wěn)定性，所以對(duì)融合過程中的糾錯(cuò)能力有較高要求。 抗干擾性差：像元級(jí)融合所包含的具體融合方法有：代數(shù)法、IHS變換、小波變換、主成分變換（PCT）、K-T變換等。優(yōu)點(diǎn)：保留了盡可能多的信息，具有最高精度。 1.2 特征級(jí)融合 特

7、征級(jí)融合是一種中等水平的融合。在這一級(jí)別中，先是將各遙感影像數(shù)據(jù)進(jìn)行特征提取，提取的特征信息應(yīng)是原始信息的充分表示量或充分統(tǒng)計(jì)量，然后按特征信息對(duì)多源數(shù)據(jù)進(jìn)行分類、聚集和綜合，產(chǎn)生特征矢量，而后采用一些基于特征級(jí)融合方法融合這些特征矢量，作出基于融合特征矢量的屬性說明。 特征級(jí)融合的流程：經(jīng)過預(yù)處理的遙感影像數(shù)據(jù)特征提取特征級(jí)融合（融合）屬性說明。 1.2 特征級(jí)融合 1.3 決策級(jí)融合 決策級(jí)融合是最高水平的融合。融合的結(jié)果為指揮、控制、決策提供了依據(jù)。在這一級(jí)別中，首先對(duì)每一數(shù)據(jù)進(jìn)行屬性說明，然后對(duì)其結(jié)果加以融合，得到目標(biāo)或環(huán)境的融合屬性說明。 決策級(jí)融合的優(yōu)點(diǎn)時(shí)具有很強(qiáng)的容錯(cuò)性，很好的開

8、放性，處理時(shí)間短、數(shù)據(jù)要求低、分析能力強(qiáng)。而由于對(duì)預(yù)處理及特征提取有較高要求，所以決策級(jí)融合的代價(jià)較高。決策級(jí)融合的流程：經(jīng)過預(yù)處理的遙感影像數(shù)據(jù)特征提取屬性說明屬性融合融合屬性說明。 1.3 決策級(jí)融合表1 三級(jí)融合層次的特點(diǎn) 融合框架 信息損失 實(shí)時(shí)性 精度 容錯(cuò)性 抗干擾力 工作量 融合水平 像元級(jí) 小差高差差小低特征級(jí) 中中中中中中中決策級(jí) 大優(yōu)低優(yōu)優(yōu)大高表2 三級(jí)融合層次下的融合方法像元級(jí)特征級(jí)決策級(jí)代數(shù)法熵法專家系統(tǒng)IHS變換表決法神經(jīng)網(wǎng)絡(luò)小波變換聚類分析Bayes估計(jì)K-T變換Bayes估計(jì)模糊聚類法主成分變換神經(jīng)網(wǎng)絡(luò)法可靠性理論回歸模型法加權(quán)平均法基于知識(shí)的融合法Kalman濾

9、波法Dempater-shafer推理法Dempater-shafer推理法表1 三級(jí)融合層次的特點(diǎn) 融合框架 信息損失 實(shí)時(shí)性 精度2 數(shù)據(jù)融合方法介紹 2.1 代數(shù)法 代數(shù)法包括加權(quán)融合、單變量圖像差值法、圖像比值法等。（1）加權(quán)融合法（2）單變量圖像差值法（3）圖象比值法 2 數(shù)據(jù)融合方法介紹 2.2 圖像回歸法（Image Regression） 圖像回歸法是首先假定影像的像元值是另一影像的一個(gè)線性函數(shù)，通過最小二乘法來進(jìn)行回歸，然后再用回歸方程計(jì)算出的預(yù)測(cè)值來減去影像的原始像元值，從而獲得二影像的回歸殘差圖像。經(jīng)過回歸處理后的遙感數(shù)據(jù)在一定程度上類似于進(jìn)行了相對(duì)輻射校正，因而能減弱多

10、時(shí)相影像中由于大氣條件和太陽高度角的不同所帶來的影響。 2.2 圖像回歸法（Image Regression） 2.3 主成分變換（PCT或K-L變換） PCT是應(yīng)用于遙感諸多領(lǐng)域的一種方法，包括高光譜數(shù)據(jù)壓縮、信息提取與融合及變化監(jiān)測(cè)等。PCT的本質(zhì)是通過去除冗余，將其余信息轉(zhuǎn)入少數(shù)幾幅影像（即主成分）的方法，對(duì)大量影像進(jìn)行概括和消除相關(guān)性。PCT使用相關(guān)系數(shù)陣或協(xié)方差陣來消除原始影像數(shù)據(jù)的相關(guān)性，以達(dá)到去除冗余的目的。對(duì)于融合后的新圖像來說各波段的信息所作出的貢獻(xiàn)能最大限度地表現(xiàn)出來。 它將多波段的低分辨率圖像進(jìn)行PCA變換，將單波段的高分辨率圖像經(jīng)過灰度拉伸，使其灰度的均值與方差和PCA

11、變換第一分量圖像一致；然后用拉伸過的高分辨率圖像代替第一分量圖像，經(jīng)過PCA逆變換還原到原始空間，生成具有高空問分辨率的多波段融合圖像。 PCT的優(yōu)點(diǎn)是能夠分離信息，減少相關(guān)，從而突出不同的地物目標(biāo)。另外，它對(duì)輻射差異具有自動(dòng)校正的功能，因此無須再做相對(duì)輻射校正處理。 2.3 主成分變換（PCT或K-L變換） 2.4 Brovey變換融合法 Brovey變換法融合是較為簡(jiǎn)單的融合方法，它是為RGB影像顯示進(jìn)行多光譜波段顏色歸一化，將高分辨率全色影像與多光譜影像紅、綠、藍(lán)波段的比重各自相乘完成融合，其計(jì)算公式為：其中，B_new代表融合以后的波段數(shù)值(i一1，2，3)；Br_m、Bg_m、Bb_

12、m分別代表低分辨率多光譜圖像中的紅、綠、藍(lán)波段數(shù)值；B_m表示紅、綠、藍(lán)3個(gè)波段中的任意一個(gè)；B_h代表高分辨率全色影像。 變換處理完成后，再反變換得到新圖像。2.4 Brovey變換融合法 Brovey變換法融合2.5 乘積變換融合法 乘積變換融合是應(yīng)用最基本的乘積組合算法，直接對(duì)2 種空間分辨率的遙感數(shù)據(jù)進(jìn)行融合，其運(yùn)算法則為：其中， Bi_new代表融合以后的波段數(shù)值（i = 1，2，n）； Bi_m代表多光譜圖像中的任意一個(gè)波段數(shù)值； Bi_h代表高分辨率遙感數(shù)據(jù)波段值。 乘積變換是由Crippen 的4 種分析技術(shù)演變而來的，Crippen研究表明（Crippen，1989）：將一定

13、亮度的圖像進(jìn)行變換處理時(shí)，只有乘法變換可以使其色彩保持不變。2.5 乘積變換融合法 乘積變換融合是應(yīng)用最基本2.6 Pansharp融合法(PCI Geomatica software) Pansharp 算法用于高分辨率全色影像和多光譜影像的融合，生成高分辨率彩色影像。這種技術(shù)通常被稱為Pan-sharpening。Pansharp是用于8bit，16bit或32bit數(shù)據(jù)，可以用于相同傳感器或不同傳感器之間影像的融合。 Pan-sharpening自動(dòng)融合算法是通過合并高分辨率的全波段影像(PAN)增強(qiáng)多波段影像的空間分辨率的一種影像融合技術(shù)。此種算法要求全波段影像和多波段影像同平臺(tái)、同時(shí)

14、間(或時(shí)間間隔很短)獲得的。2.6 Pansharp融合法(PCI Geomatica 2.7 Gram-Schmidt變換 Gram-Schmidt(GS)變換是線性代數(shù)和多元統(tǒng)計(jì)中常用的多維線性正交變換，在任意可內(nèi)積空間，任一組相互獨(dú)立的向量都可通過GS 變換找到該向量的一組正交基。設(shè)u1, u2, , un 是一組相互獨(dú)立的向量，GS 變換構(gòu)造正交向量v1, v2, , vn 的方式如下： 假設(shè)v1=u1 ，依次計(jì)算第i+1個(gè)正交向量：式中：wi為已經(jīng)計(jì)算的前i個(gè)正交向量跨越的空間，projWi ui+1是ui+1在wi的正交投影。第二個(gè)向量v2 的計(jì)算如圖 所示，其中v1=u1。2.7

15、 Gram-Schmidt變換 Gram-2.4 K-T變換 即Kauth-Thomas變換，簡(jiǎn)稱K-T變換，又形象地稱為“纓帽變換”，是線性變換的一種。它能使坐標(biāo)空間發(fā)生旋轉(zhuǎn)，但旋轉(zhuǎn)后的坐標(biāo)軸不是指向主成分的方向，而是指向另外的方向，這些方向與地面景物有密切的關(guān)系，特別是與植物生長(zhǎng)過程和土壤有關(guān)。以此，這種變換著眼于農(nóng)作物生長(zhǎng)過程而區(qū)別于其他植被覆蓋，力爭(zhēng)抓住地面景物在多光譜空間的特征。通過這種變換，既可以實(shí)現(xiàn)信息壓縮，又可以幫助解譯分析農(nóng)業(yè)特征，因此有很大的實(shí)際應(yīng)用意義。 目前對(duì)這個(gè)變換在多源遙感數(shù)據(jù)融合方面的研究應(yīng)用主要集中在MSS與TM兩種遙感數(shù)據(jù)的應(yīng)用分析方面。 2.4 K-T變換

16、2.5 小波變換 小波變換是一種新興的數(shù)學(xué)分析方法，已經(jīng)受到了廣泛的重視。小波變換是一種全局變換，在時(shí)間域和頻率域同時(shí)具有良好的定位能力，對(duì)高頻分量采用逐漸精細(xì)的時(shí)域和空域步長(zhǎng)，可以聚焦到被處理圖像的任何細(xì)節(jié)，從而被譽(yù)為“數(shù)學(xué)顯微鏡”。 小波變換常用于雷達(dá)影像SAR與TM影像的融合。它具有在提高影像空間分辨率的同時(shí)又保持色調(diào)和飽和度不變的優(yōu)越性。 2.5 小波變換 2.6 IHS變換 3個(gè)波段合成的RGB顏色空間是一個(gè)對(duì)物體顏色屬性描述系統(tǒng)，而IHS色度空間提取出物體的亮度I，色度H，飽和度S，它們分別對(duì)應(yīng)3個(gè)波段的平均輻射強(qiáng)度、3個(gè)波段的數(shù)據(jù)向量和的方向及3個(gè)波段等量數(shù)據(jù)的大小。RGB顏色空

17、間和IHS色度空間有著精確的轉(zhuǎn)換關(guān)系。 以TM和SAR為例，變換思路是把TM圖像的3個(gè)波段合成的RGB假彩色圖像變換到IHS色度空間，然后用SAR圖像代替其中的I值，再變換到RGB顏色空間，形成新的影像。2.6 IHS變換 2.7 貝葉斯（Bayes）估計(jì) 2.8 D-S推理法(Dempster-Shafter) 2.9 人工神經(jīng)網(wǎng)絡(luò)（ANN） 2.10 專家系統(tǒng) 2.7 貝葉斯（Bayes）估計(jì) 遙感數(shù)據(jù)融合存在問題及發(fā)展趨勢(shì) 遙感影像數(shù)據(jù)融合還是一門很不成熟的技術(shù)，有待于進(jìn)一步解決的關(guān)鍵問題有：空間配準(zhǔn)模型 建立統(tǒng)一的數(shù)學(xué)融合模型提高數(shù)據(jù)預(yù)處理過程的精度 提高精確度與可信度 隨著計(jì)算機(jī)技術(shù)

18、、通訊技術(shù)的發(fā)展，新的理論和方法的不斷出現(xiàn)，遙感影像數(shù)據(jù)融合技術(shù)將日趨成熟，從理論研究轉(zhuǎn)入到實(shí)際更廣泛的應(yīng)用，最終必將向智能化、實(shí)時(shí)化方向發(fā)展，并同GIS結(jié)合，實(shí)現(xiàn)實(shí)時(shí)動(dòng)態(tài)融合用于更新和監(jiān)測(cè)。 遙感數(shù)據(jù)融合存在問題及發(fā)展趨勢(shì) 遙感影像數(shù)據(jù)融合還是一QuickBird遙感影像融合QuickBird（快鳥）介紹 QuickBird（快鳥）是由“數(shù)字全球”公司運(yùn)營(yíng)，是目前世界上商業(yè)衛(wèi)星中分辨率最高、性能最優(yōu)的一顆衛(wèi)星； 快鳥-2衛(wèi)星可以同時(shí)拍攝全色（空間分辨率為61 cm）和 多光譜圖像（空間分辨率2.5m），也可以提供自然彩色和彩色紅外合成圖像； 每次過頂可以拍攝連續(xù)10景圖像（165km長(zhǎng)）或者

19、22景圖像的面積，年拍攝能力為7000萬平方千米。QuickBird影像融合上述影像融合方法是否適用？如果適用，哪種方法最優(yōu)？QuickBird遙感影像融合QuickBird（快鳥）介紹融合結(jié)果評(píng)價(jià)指標(biāo) 均值與標(biāo)準(zhǔn)方差 在統(tǒng)計(jì)理論中，統(tǒng)計(jì)均值和標(biāo)準(zhǔn)差分別定義為： 均值反映平均亮度，如果均值適中，則視覺效果良好；方差反映了灰度相對(duì)于灰度均值的離散情況，方差越大，影像的對(duì)比度越強(qiáng)。 信息熵 信息熵的大小，反應(yīng)了圖像攜帶的信息量的多少。融合圖像的熵值越大，說明融合圖像攜帶的信息量越大。融合結(jié)果評(píng)價(jià)指標(biāo) 均值與標(biāo)準(zhǔn)方差融合結(jié)果評(píng)價(jià)指標(biāo) 偏差度 Costantin 等人用偏差指數(shù)(difference

20、index)來反映融合后圖像與原始多光譜圖像在光譜信息上的匹配程度。例如，高空間分辨率影像A與低空間分辨率影像B進(jìn)行融合生成影像C，偏差度定義為融合后圖像C 的亮度值I(i,j)與原始圖像B的亮度值I(i,j)的差的絕對(duì)值與原始影像B的亮度值的比值： 如果偏差指數(shù)D 較小，則說明融合后的圖像C，在提高了空間分辨率的同時(shí)，較好地保留了多光譜影像B的光譜信息。 扭曲程度 圖像光譜扭曲程度直接反映了多光譜圖像的光譜失真程度，光譜扭曲定義為： D 越大，說明光譜失真越大。融合結(jié)果評(píng)價(jià)指標(biāo) 偏差度 圖像的相關(guān)系數(shù) 圖像的相關(guān)系數(shù)反映了融合圖像與原多光譜圖像的相關(guān)程度，通過比較融合前后的圖像相關(guān)系數(shù)，可以

21、看出多光譜圖像的光譜信息的改變程度。2幅圖像的相關(guān)系數(shù)定義為：式中, fi,j , 和gi,j分別為2幅圖像上(i,j) 點(diǎn)的灰度值； ef 與 eg為2幅圖像的均值。融合結(jié)果評(píng)價(jià)指標(biāo) 圖像的相關(guān)系數(shù)融合結(jié)果評(píng)價(jià)指標(biāo)QuickBird波段多光譜原始圖像(R:3 G:2 B:1)QuickBird 全色原始圖像QuickBird影像融合實(shí)驗(yàn)QuickBird波段多光譜原始圖像QuickBird 全色QuickBird影像融合結(jié)果主成分變換融合乘積變換融合比值變換融合PANSHARP 融合Gram-schmidt 變換融合 從視覺效果上看，PanSharp 變換和Gram-schmidt 變換融合

22、的圖像不但很好的保留了多光譜圖像的絕大部分光譜信息，而且圖像色彩接近自然色，地物的對(duì)比效果較好，清晰度較高，總體視覺效果良好；主成分變換在目標(biāo)地物的細(xì)節(jié)特征最為清晰；乘積變換的清晰度最差；比值變換的清晰度比乘積變換的高，但是比其它幾種變換的要低。QuickBird影像融合結(jié)果主成分變換融合乘積變換融合比值融合前后的數(shù)理統(tǒng)計(jì)參數(shù)比較融合后單色影像的熵值普遍都大于原始圖像，均達(dá)到了信息融合的目的。應(yīng)用Gram-schmidt 變換融合后，方差和熵值都大于原始圖像的相應(yīng)波段，從而表明融合后圖像的動(dòng)態(tài)范圍增大，信息量也有所增長(zhǎng)，融合效果最佳。其它傳統(tǒng)變換融合后的圖像的在均值、方差、中值和熵值比較原始圖

23、像也有不同的增加，但總體上不如Gram-schmidt 變換融合后的效果好。融合前后的數(shù)理統(tǒng)計(jì)參數(shù)比較融合后單色影像的熵值普遍都大于原始不同影像融合算法參數(shù)主成分變換，PANSHARP 變換和Gram-schmidt 變換的均值都在128附近，視覺效果較好；PANSHARP變換和Gram-schmidt變換的方差和信息熵明顯高于其它融合方法，說明這兩種融合方式所成的圖像攜帶了大量信息，融合效果較好；Gram-schmidt 變換的扭曲程度和偏差指數(shù)是所有融合方法中最小的，相關(guān)系數(shù)是最大的，說明此變換方法得到的圖像與原始圖像的匹配度較高，失真較小。不同影像融合算法參數(shù)主成分變換，PANSHARP

24、 變換和Gr結(jié)論和討論主觀和客觀的評(píng)價(jià)表明:相對(duì)于傳統(tǒng)的主成分變換融合、乘積變換融合、比值變換融合法，PANSHARP變換融合法和Gram-schmidt變換融合法較好的保留了光譜影像的光譜信息，提高了影像辨識(shí)度，增強(qiáng)了紋理特征，尤其以Gram-schmidt變換最佳；傳統(tǒng)的主成分變換在細(xì)節(jié)特征方面有著自身的優(yōu)勢(shì)；根據(jù)不同實(shí)際情況的需要選擇不同的融合方法，這對(duì)今后的特征信息提取和分類是非常有利的且重要的；對(duì)于高空間分辨率影像數(shù)據(jù)，Gram-schmidt 變換融合是最為適宜的融合方法。展望基于特征和決策層的融合研究是遙感影像融合發(fā)展的重要方向；目前對(duì)于遙感影像融合的研究主要是基于象元的融合，對(duì)

25、于特征和決策層的融合研究較少。結(jié)論和討論主觀和客觀的評(píng)價(jià)表明:高分辨率衛(wèi)星數(shù)據(jù)在城市規(guī)劃與監(jiān)測(cè)中的應(yīng)用高分辨率衛(wèi)星數(shù)據(jù)在城市規(guī)劃與監(jiān)測(cè)中的應(yīng)用 城市遙感信息是城市重要的信息資源之一，遙感技術(shù)在城市規(guī)劃與管理方面的應(yīng)用目標(biāo)可以歸納為：快速實(shí)現(xiàn)城市范圍國(guó)土資源與生態(tài)環(huán)境的多層次、全方位綜合調(diào)查；系統(tǒng)地研究城市資源與環(huán)境的空間分布規(guī)律及其相互聯(lián)系、相互制約的關(guān)系，按不同層次、不同內(nèi)容編制系列基礎(chǔ)圖件，客觀、真實(shí)、系統(tǒng)地反映城市的建設(shè)成就和存在問題，為制定城市國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展的中長(zhǎng)期規(guī)劃、國(guó)土資源和生態(tài)環(huán)境的綜合整治規(guī)劃以及城市經(jīng)濟(jì)可持續(xù)發(fā)展規(guī)劃提供科學(xué)依據(jù)。 當(dāng)前，高分辨率衛(wèi)星遙感技術(shù)的發(fā)展已經(jīng)到

26、了一個(gè)前所未有的高度，如法國(guó)SPOT 5和美國(guó)IKNOS、QuickBird衛(wèi)星影像的地面分辨率分別達(dá)到2.5m、1m、0.61m，這使得衛(wèi)星遙感技術(shù)突破了僅能進(jìn)行定性分析的局限，而跨入定性和定量分析的新境界。 高分辨率衛(wèi)星遙感制圖在城市規(guī)劃中的應(yīng)用展示出非常好的前景。國(guó)家863計(jì)劃信息獲取與處理技術(shù)主題重大課題開展了利用分辨率為0.61m的QuickBird衛(wèi)星影像進(jìn)行城市大比例尺地形圖的更新研究；利用高分辨率衛(wèi)星遙感影像立體像對(duì)直接生成DEM數(shù)據(jù)，甚至可以進(jìn)行大比例尺地形圖的測(cè)繪。遙感與城市規(guī)劃 城市遙感信息是城市重要的信息資源之一，遙感技術(shù) 衛(wèi)星遙感技術(shù)在城市規(guī)劃實(shí)踐中，主要針對(duì)具體應(yīng)用

27、需求，通過衛(wèi)星地面站獲取合適的覆蓋范圍的最新的城市衛(wèi)星地圖影像數(shù)據(jù)，利用遙感圖像專業(yè)處理軟件對(duì)數(shù)據(jù)進(jìn)行輻射校正、增強(qiáng)、融合、鑲嵌等處理。同時(shí)，借助城市應(yīng)用區(qū)域現(xiàn)有較大比例尺的地形數(shù)據(jù)，對(duì)影像數(shù)據(jù)進(jìn)行投影變換和幾何精糾正，并從地形圖上獲得境界、城市、居民點(diǎn)、山脈、河流、湖泊以及鐵路、公路等典型地貌地物信息和相應(yīng)地名信息，進(jìn)行相應(yīng)的標(biāo)注和整飾，制作城市數(shù)字正射影像圖。為決策部門提供現(xiàn)實(shí)有效的支持資料。遙感與城市規(guī)劃左圖是為2019年北京奧運(yùn)場(chǎng)地建設(shè)時(shí)城市規(guī)劃所采集的快鳥衛(wèi)星影像 衛(wèi)星遙感技術(shù)在城市規(guī)劃實(shí)踐中，主要針對(duì)具體應(yīng)用需求，在規(guī)劃咨詢中的應(yīng)用淄博市某項(xiàng)目規(guī)劃咨詢示意圖（以2019年Quick

28、Bird影像為底圖） 在規(guī)劃設(shè)計(jì)的前期現(xiàn)狀調(diào)查期間，高分辨率遙感影像圖提供了大量的信息，以直觀、詳實(shí)的影像反映了許多實(shí)地踏勘中的盲點(diǎn)。同時(shí)，利用高分辨率影像圖作為規(guī)劃底圖，使規(guī)劃內(nèi)容與周邊環(huán)境的關(guān)系更加清晰，在舊區(qū)改造、歷史古建筑保護(hù)、城市重點(diǎn)區(qū)域和地區(qū)標(biāo)志性建筑的規(guī)劃設(shè)計(jì)中可以發(fā)揮十分重要的作用。在規(guī)劃咨詢中的應(yīng)用淄博市某項(xiàng)目規(guī)劃咨詢示意圖 在規(guī)劃設(shè)在規(guī)劃設(shè)計(jì)中的應(yīng)用 利用遙感技術(shù)可以經(jīng)常檢測(cè)土地利用類型的變化，這對(duì)于研究土地利用現(xiàn)狀，為資源規(guī)劃、管理、保護(hù)和合理利用提供科學(xué)的依據(jù)將發(fā)揮著越來越重要的作用。同時(shí)，隨著近年來獲取和處理遙感數(shù)字圖像的明顯進(jìn)步，遙感信息將成為城市規(guī)劃基礎(chǔ)地理信息的

29、重要組成部分，采用影像圖作為規(guī)劃成果的背景圖，通過遙感應(yīng)用機(jī)構(gòu)提供的技術(shù)支持與服務(wù)，可以實(shí)現(xiàn)空間信息的查詢、分析和應(yīng)用，從而大大增加規(guī)劃設(shè)計(jì)的深度和廣度。1956年 1976年 2019年在規(guī)劃設(shè)計(jì)中的應(yīng)用 利用遙感技術(shù)可以經(jīng)常檢測(cè)土地利用類2019年12月17日廣州大學(xué)城 2019年7月18日廣州大學(xué)城印度德里市2000年到2019年的變化監(jiān)測(cè)南寧2019年和2019年影像對(duì)比衛(wèi)星地圖影像在城市變化監(jiān)測(cè)中的應(yīng)用實(shí)例2019年12月17日廣州大學(xué)城 2019年7月18日廣州大在規(guī)劃成果展示中的作用淄博市某小區(qū)(左圖)和博山城區(qū)規(guī)劃效果圖(右圖) 利用遙感像片生成的數(shù)字高程模型和數(shù)字正射影像可快速生成城市景觀現(xiàn)狀數(shù)字地面模型，在數(shù)字地面模型上可以隨意添加、刪除、修改建筑、樹木、路燈等地面上看見得地物模型，參觀者可以在虛擬現(xiàn)實(shí)的環(huán)境中自由行走、任意觀看，給參觀者帶來難以比擬的真實(shí)感和現(xiàn)場(chǎng)感，使他們獲得最真實(shí)的視覺感受在規(guī)劃成果展示中的作用淄博市某小區(qū)(左圖)和博山城區(qū)規(guī)劃效果在規(guī)劃評(píng)審中的應(yīng)用 以全數(shù)字?jǐn)z影測(cè)量為基礎(chǔ)的城市真實(shí)三維景觀模型，能夠充分利用現(xiàn)有遙感資料和地形資料，