摘要: 多源遥感数据的融合（Fusion）是将多源遥感数据在统一的地理坐标系中，采用一定的算法生成一组新的信息或合成图像的过程。不同的遥感数据具有不同的空间分辨率、波谱分辨率和时间分辨率，如果将它们各自的优势综合起来，可以弥补单一图像上信息的不足。这样不仅扩大了各自信...
多源遥感数据的融合（Fusion）是将多源遥感数据在统一的地理坐标系中，采用一定的算法生成一组新的信息或合成图像的过程。不同的遥感数据具有不同的空间分辨率、波谱分辨率和时间分辨率，如果将它们各自的优势综合起来，可以弥补单一图像上信息的不足。这样不仅扩大了各自信息的应用范围，而且大大提高了遥感影像分析的精度。
多源遥感数据融合的技术关键是：
- 充分认识研究对象的地学规律；
- 充分考虑不同遥感数据之间波谱信息的相关性而引起的有用信息的增加和噪声误差的增加，对多源遥感数据作出合理的选择；
- 解决遥感影像的几何畸变问题，使各种影像在空间位置上能精确配准起来；
- 选择适当的融合算法，最大限度地利用多种遥感数据中的有用信息。只有对研究对象的地学规律、遥感影像的几何物理特性、成像机理这三者有深刻的认识，并把它们有机结合起来，信息融合才能达到预期的效果。
近年来，随着多源数据的不断丰富和提供，多源遥感数据融合的研究发展很快。在传统数据融合模型方法的基础上，许多学者将一些新的技术和边缘科学的理论引入进来，发展形成了不少新的模型算法。如，遗传算法在影像融合中的应用；小波变换在影像融合中的应用方法等等。 遥感数据融合的算法有很多，目前还没有统一的数据融合模型和融合结果的有效评价方法，选用何种算法有效在很大程度上与遥感数据源的种类和融合的目的有关。在近几年开展的全国土地利用动态遥感监测中，影像融合的目的是解决影像判读分析困难、数据冗余以及存储管理的问题，以突出反映土地利用类型要素信息，增强影像可判读性，提高监测精度。
根据不同的应用目的，数据融合可分为两种： 一是用于变化信息提取的数据融合。将同一时相的全色数据和多光谱数据进行融合，主要是为了增强地类边界的清晰度，提高目标识别精度；将不同时相的多源影像数据进行特征变异融合，主要是为了突出变化信息，保证变化数据的统计精度。因此，在数据融合前，对原始数据的处理，不能产生光谱扭曲，以利于建立解译标志，减少判读的不确定性。 二是用于背景图制作的数据融合。要求数据融合的结果图像清晰，色彩鲜艳，有较好的目视效果，以利于非专业人员的应用。
