高空间分辨率与高光谱分辨率数据融合

对于一套光学遥感器系统而言，图像空间分辨率和光谱分辨率是一对矛盾。在给定信噪比的条件下,较高光谱分辨率(窄光谱波段)往往意味着不能同时具有高空间分辨率。因而相对于高空间分辨率数据，当前的高光谱遥感数据,尤其是航天高光谱遥感数据的空间分辨率还不能达到很高；为此,已经或者即将发射的高光谱卫星往往都带有一个高空间分辨率的全色通道遥感器。所以,研究高光谱遥感数据与高空间分辨率数据之间的有效结合具有十分现实的意义。为了解决这一矛盾,在诸如LOUIS、ASTER、MODIS等高光谱分辨率卫星传感器中均加载一个高空间分辨率传感器，使两者得以兼顾。数据融合技术就是研究如何将具有不同空间和光谱特性的遥感数据进行融合处理，其目的就是有效地综合利用现有的遥感数据。

遥感图像融合与前文所述的所有信息融合一样,也可分为三个层次,即数据级融合、特征级融合和决策级融合。目前高光谱分辨率和高空间分辨率图像的融合算法大多只包含前两个层次的融合方法。第一种方式是基于两者原始数据的数据融合,一切的信息提取工作均是在融合后的数据上展开；第二种方式是对两种数据先经过某种数据处理与信息提取后,再进行二次信息或知识融合。

如果从融合数据的性质上看,图像融合可以对光谱域数据进行融合,获得感兴趣的光谱坡上的信息；也可以从空间域数据人手获得感兴趣的信息，如纹理等。单纯进行光谱域数据融合或者空间域数据融合,并不多见，在具体的应用中,往往要结合起来进行。

以往的图像融合研究中,很多情况下人们关注的问题是尽可能提高融合后图像的空间分辨率，以及如何使融合后图像的RGB合成效果在色调上保持不变。但其缺陷是破坏了图像的光谱特征，不利于对图像进行有效的光谱特征分析。

因此除了常规的光谱域和空间域上的融合方法外,也介绍了一些新的高光谱图像融合方法。这些新的高光谱图像融合方法的重点，是对高光谱图像数据与高空间、全波段数据进行融合处理，要求在大大改善融合后高光谱图像空间解析特性的条件下，尽量保持原始高光谱图像的光谱物理特性和波形形态。这样，融合后的图像仍然是超波段图像数据，且仍具备可定量分析的波谱特征。