什么是特征级融合？

特征级融合是指融合前先对遥感图像数据进行特征提取，产生特征矢量，如边缘形状、轮廓、方向、区域或距离等，融合后做出基于融合特征矢量的属性说明。它保留了足够数量的重要信息，实现了可观的信息压缩，有利于实时处理，同时也保证了“定的融合精度。该层次的数据融合是数据级融合与决策级融合的折中形式，兼容了两者的优缺点，具有较大的灵活性。特征级融合可分为两大类，即目标状态数据融合和目标特性融合。

特征级目标状态数据融合主要用于多遥感器目标跟踪领域。融合系统首先对遥感器数据进行预处理以完成数据校准，然后主要实现參数相关的状态向量估计。

特征级目标特性融合就是特征层联合识别,具体的融合方法仍是模式识别的相应技术，只是在融合前必须先对特征进行相关处理，把特征向量分类成有意义的组合。

特征级融合技术的核心在于特征关联、特征减维和融合特征的描述技术。其中特征关联技术对各个影像中对应相同的景物线索的特征进行关联匹配，是特征级融合技术的技术基础。同时,特征级与决策级融合仅是输入、输出不同，而两者的融合关联技术是非常相近的。

特征级融合首先对经过预处理的高光谱图像进行特征提取——分类和亚像元分解，估计亚像元的组成和每。个组分在超级像元中所占的比例，然后结合高空间图像的灰度、纹理等信息，进一步确认亚像元的组成及其在空间的位置,得到高空间分辨率的分类图。特征级融合将高光谱图像分类技术和图像锐化相结合，充分利用了高光谱图像的精细的光谱信息，提高了地物分类的有效性和准确性，在以地物分类为目的的图像融合中更有意义,因此得到广泛关注和尝试。