许 晨,康 雪,张春同,徐 洋,吕达仁

1(成都市气象局,成都 611130)

2(四川省气象局,成都 610072)

3(中国科学院 大气物理研究所,北京 100029)

基于卫星多波段数据融合算法,将多传感器和多信息源的数据、信息加以联合、相关和组合,以获得精确的位置估计和一致性估计.基本策略是由低层到高层对多源信息进行整合、抽象的信息处理过程[1].通过多源信息的互补,消除观测对象的不确定性、减小数据冗余,可改善待观测对象的精确性和定量可靠性,从而有效提高数据利用率.

现有融合算法主要有以下几类[1]:

(1)彩色空间变换融合法.将低分辨率的RGB 影像数据经过变换映射至HIS 空间,然后采用特定的融合算法使其与高分辨率数据进行融合处理,进而置换相应的部分,最后经过逆变换重构融合数据.根据映射的颜色空间不同,彩色空间融合法可分为HIS 变换、YIQ 变换、HLS 变换融合法等.

(2)加权融合或基于信息量的融合.可根据经验值或相关系数设置权重函数,以减少冗余.此算法的优点在于简单易行,可结合基于特征的融合方法,针对不同要求,灵活改变信息特征提取方法.

(3)高通滤波融合(High-Pass Filter,HPF).通过将高分辨率数据中的几何信息逐像素叠加到低分辨率数据中而进行.先对高分辨率的全色数据和低分辨率的多光谱数据各波段进行直方图匹配,对匹配后的全色数据进行高通滤波,再将其加入多光谱的各个波段,最后将多光谱各个波段的数据进行彩色合成.

(4)主成分变换融合(Principal Component Analysis,PCA).通……