基于数据融合技术的多源地学信息处理及应用

陈建强 吴虹 扬成英

（桂林工学院 遥感应用研究所 广西桂林 541004）

【摘　要】　数据融合技术用于多源地学信息的处理，能够有效地消除数据中信息地不确定因素，提高检测结果的准确性，使系统综合结果比其各组成部分具更充分的信息。通过给出多源地学信息与遥感图像的融合过程和算法，实现了大厂地区多源地学信息的融合和目标信息的提取及优化大厂遥感专题图件的制作。
【关键词】　数据融合 多源信息 遥感制图 大厂

　　多源信息的融合一直是地球信息科学领域的一大热点问题。国内外许多专家在这方面已有相当多的研究。特别是多源地学数据空间性、多源性和多解性， 使得这些海量的空间数据得不到有效的综合处理和充分利用。数据融合技术在处理海量多源地学数据上无疑有很大的优势。本文结合数据融合技术和遥感图像处理的方法，对多源遥感信息及非遥感地学信息进行融合，通过成果数据和专题信息形象地表达数据融合后的目标信息，直观显示数据场的二维结构特征及，进行综合成果图件的制作。
　　1 数据融合的原理与构架
　　综合国内外各领域研究成果，数据融合可定义为：充分利用不同时间与空间的多传感器数据资源，采用计算机技术对按时间序列获得的多传感器观察数据，在一定准则下进行分析、综合、支配和使用，获得对被测对象的一致性解释与描述，进而实现相应的决策和估计，使系统获得比其他各个组成部分更充分的信息[1]。数据融合的基本原理是模拟人脑对各个感官从外界环境获取不同度量特征和现象的综合处理。
　　计算机专家White建立了一个基于公共语言和概念的数据融合处理模型，对于不同的应用领域，由于数据的特点特性不同，数据融合具体方法、目标、技术路线也相差很大[2]，在研究了地学数据的特点和地学融合的目标后，马洪超，胡光道等改进了white的模型，给出了一个适合于地质学语言描述和应用目的的处理模型（图1）。

图1 多源地学数据融合框架

　　在此模型中，可以把具有不同空间和时间属性的地学数据看作是来源于多平台、多层面、多传感器、多时相、多光谱、多分辨绿的数字图像数据。如遥感影像可以看作一种传感器数据源，物探数据看作另一种数据源，化探、地质观察数据同样可看作一种传感器数据源。初级滤波的目的在多源地学数据融合中相当于数据的归整（例如量纲的统一，标准化变换，均一化变换等）。一级处理的内容是数据的关联性（即数据集和目标的关联），包括变量的构置，目标信息的提取，在目前大多数数据处理应用中，该阶段形成的结果通常要借助GIS数据库管理系统的支持，由于不同数据具有空间性和多源性以及复杂的属性，利用GIS数据管理功能，以及地学统计和空间分析功能，可以把一级处理的结果再生成目的处理的图像文件。，数据融合技术应用的核心是图1中的二级处理，即融合中心，研究人员可以根据不同的研究和生产目的构建有效的数学模型，在遥感图像处理软件里根据数字图像处理原理和方法对多源数据进行目的操作，产生一个优化的新的图像。
　　根据数据抽象的程度不同，数据融合可分为数据级、特征级和目标级。
　　2 基于原始数据的数据融合
　　原始数据融合建立在采集到的原始数据的原始信息层次上，假设（x1，x2，…，xm）为大厂TM图象某个像素的特征向量，（y1，y2，…，ym）为SPOT图像中相应像素的特征向量，那么该像素融合后的特征向量变为（x1，x2，…，xm；y1，y2，…，ym），从而实现数据源间的优化，典型的融合有以下3种：
　　2.1 HIS变换：
　　HIS色度中空间是相对于RGB颜色空间的对物体颜色属性的描述系统，它与RGB系统有严格的转换关系，例如将经过空间配准的空间分辨率（30m）低的TM3，TM2，TM1，分别作为R，G，B通道，经HIS变换得到H，I，S分量，再以高空间分辨率（10m）SPOT数据或者ETM+（15m）替代I分量，记作I′，作H′I′S′到RGB逆变换，生成新的R′G′B′，新影像的亮度指标保持了SPOT数据的高分辨率。色度和饱和度又保留TM的光谱分辨率，HIS变换是一种传统的数据融合方法。

　　2.2 K-L变换（PC）：
　　K-L变换是将ETM+数据的PAN波段与TM各波段数据做主成份分析，在处理过程中，图像中彼此相关的信息被压缩，选择前3个大主分量作为R，G，B通道进行彩色合成。在对大厂的TM1，TM5，TM7遥感图像进行增强和滤波的处理后，进行第一次K-L换生成3个主成分图像，选择TM各个波段中具有构造识别意义的特征图像TM1，TM4进行融合，再对TM主成分图像和航磁异常参量图像进行主成份分析，选择主分量生成R，G，B图像（图3），该融合提高了深部构造地质信息的置信度。

图3

　　2.3 像元加权融合不考虑色度空间，任意几个不同特性影像融合时，像元对像元加权过程为：
　　I′=IiPi+ IjPj … +ImPm
　　I′为融合值，Pi，Pj…Pm为每个影像需要强调的程度，可由相关系数确定。
　　3 基于特征的数据融合
　　特征级的数据融合是利用从信息源的原始信息中抽取的特征信息进行综合分析和处理，提取的特征信息应是原始信息的充分表示量或充分统计量，然后按特征信息对多源数据进行分类综合。
　　根据图像波谱数据的特点，可以利用小波对其进行频率域、空间域的变换[3]，所收集到的大厂地区不同类型的遥感影像，低频部分差别不大，高频部分相差很大，小波变换后在变换域具有分频特性，将影像做多层小波分解。融合过程为：先在确定的领域窗口内，在分辨率2倍下，分别对融合的影像数据统计均值和方差，然后确定子带和基带融合值，经小波逆变化重建图像。
　　4 基于类别的数据融合
　　基于类别的影像融合是一种高水平融合，首先通过分析大厂地区的地物光谱特征识别提取各地物类型，使用马氏距离监督分类。分类后，哪一大类选择哪些特征影像进行融合是分类融合中至关重要的一环，从统计学上分析，则是主要观察各类在特征影像中的类内离散度和类间离散度[6]，根据可分性判据及主题信息提取的目的，选择最佳特征组合，在程序中打开能够最接近地表信息的TM321影像文件进行融合处理，或用专家系统中最简单的正推理法，进行专题选择特征融合。
　　5 遥感数据于非遥感数据的融合技术
　　在我们大厂地区的实际工作中，特别是区域地质调查中和成矿预测中，所收集的地质特征、地球物理、地球化学和遥感等信息都是区域地质及成矿作用不同侧面的反映，而这些信息有的是栅格数据，有的是非栅格的矢量数据，成矿信息的融合是必然的。目前大多数融合主要是在多源遥感信息之间进行，但还无法在图像处理中自动将非图像数据加入进去，只可以借用多源遥感的原理方法进行图像对图像的融合。本次应用研究利用遥感图像处理技术对大厂地区的各种物化探，地质，遥感信息进行融合，因为图像即能形象地表达数据中不同级次的强度信息，又能直观显示场的二维结构特征，特别在对等值线图中反映不明显的微弱信息更具明显的效果。
　　为了更好地对物化探数据异常信息做统计分析并和遥感影像做融合处理，以原数据的异常值作为栅格影像的灰度值，亮度相对大的地方表明异常值高，亮度值相对小的地方表明异常值低。
　　5.1 数据网格化
　　把大厂地区的航磁异常和化探异常等值线矢量数据网格化。网格化方法为：如Krige法，Krige法是一种无偏、线性、最优的地质统计网格化方法，不但考虑了数据空间自相关性，而且考虑了空间趋势性，而这些特点正为物化探地质变量所具有。最后生成GRID文件，便于数据插密和做各种统计运算。
　　5.2 数据插密
　　由于物化探数据网格化所产生的规则格网数据的数据间隔是根据原始数据的采样间隔设定的（航磁数据间隔2000m，化探数据间隔1000m），数据间隔大而且不相等。为了使由规则格网数据生成的影像数据与ETM+影像PAN波段数据（空间分辨率15m）空间位置匹配，进行数据融合处理，需要对规则格网数据进行了网格的内插加密。本文采用四点双线性法统一生成空间分辨率15m大小为472×652的格网，再把文件转成生成物化探数据影像灰度图，其中的一个单元网格相当于栅格图像里的一个像素。
　　5.3 物探数据空间滤波卷积处理
　　为了从航磁异常数据中提取研究区的构造信息，本文选用了空间滤波图像处理方法。空间滤波是有选择地增强或减弱不同空间频率的图像信息的有效方法。它以重点突出图像上的某些特征为目的，如突出边缘或纹理等线性构造信息，属于一种几何增强处理。本文采用锐化的方法，在空间域上对图像进行局部检测运算，也就是进行图像卷积运算。
　　具体作法是选定某一卷积核（又称模板），实际上是一个3pixel×3pixel图像，二维的卷积运算是在图像中使用模板来实现运算的。

图4 航磁异常空间滤波过程图

　　5.4 化探数据进行主成分分析
　　主成分分析的优点是具有压缩数据的能力，把多源影像数据压缩成一个或两个主成分影像数据；减少与主成分影像数据有关的噪音，利用对大厂Sn、Cu、Pb、Zn、As、Ag、Sb和Hg化探异常区的PC变换，得到各元素之间成因和空间分布上的相关关系（表1）。

表1 大厂Sn、Cu...Hg元素异常图像相关系数表

　　5.5 地层数据图像化
　　根据不同岩性地层对成矿的贡献，为了把已知的先验知识用于矿产预测和了解区域地质情况，按重要性量化为256级的灰度值，而将数据缺失区对应灰度值人为设定为5，这样上述地层单位对应的灰度值为255、165、85、5。首先把地层言性属性转变为灰度值，然后创建合适大小的网格，利用GIS空间分析的功能，从网格中提取地层的灰度值，转为网格的灰度值，将不同地层按照灰度转化为位图。网格单元的划分原则是与研究区遥感图像的像元个数匹配，共划分出472×652个单元。
　　5.6 融合数据专题信息提取及实例
　　通过对以上大厂的各种物化探，地质和遥感的二级处理，可以提取各种生产研究目的不同专题图件，例如成矿预测中所用的信息源有遥感信息和地、物、化探信息，遥感信息具有高的光谱信息，色彩鲜艳，视域广，直观性强和综合信息丰富的特点，对地面地质特征（地层、岩性、构造等）、地形地貌和岩石裸露、水系分布均可直接提取，地质与物化探信息则对具体目标有指示能力，后者可以看作一种影象的强度，参与图像的融合。参与融合的地学图像可以是单一的，也可以是经过数据初步处理的综合信息。本文尝试利用TM图像高光谱分辨率的特点与地质数据进行融合，以期达到色彩与探测目标细节的结合，由于TM1、TM3、TM5波段之间相关性不强，而且排除了植被信息丰富的TM4，因此TM1、TM3、TM5合成图像能够反映岩性和构造将其作为3个通道R，G，B，采用HIS变换公式：

　　公式中I，H，S分别表示一像元的明度、色度和饱和度，IR、IG、IB分别是R、G、B波段像元的灰度值。利用配准的含地质信息的图像P，将其做反差拉伸，用IP代替I，进行HIS逆变换，得到R′、G′、B′，生成新的图像。由于此次预测图件是成矿标志分布，用IP全部代替I造成图像发暗，也为了考虑结果数据的相关性，因此，利用以下公式进行变换：

处理得到的结果图像（图5）可以揭示成矿预测的目标分布。

图5 广西大厂地区成矿预测图

　　6 结论
　　数据融合技术在处理海量多源地学数据上无疑有很大的优势：可以提高数据的准确性及提取目标信息，但数据转化为图像后，地学信息的样本少，存在模糊性特点，在与遥感影像融合时还存在很多问题，地学信息表达的机理和形式还不如遥感图像那样研究的透彻。因此，地质、物化探等数据本身的影像机制及其与遥感图像数据的相关性是制约融合算法研究的关键。

参 考 文 献
[1] 胡光道、陈建国等.金属矿产资源评价分析系统设计[J].地质科技情报，1998，（17）：45～49
[2] 马洪超、胡光道.地学数据融合技术综述[J].地质科技情报，1997，（18）：97～101
[3] 齐清文、裴新富.多源信息的集成与融合及其在遥感制图中的优化利用[J].地理科学进展，2001，（20）：36～43
[4] 桂林工学院资源与环境工程系地质工程中心：大厂矿田新一轮找矿规划报告[R].2003.7
[5] 孙家柄、刘继琳等.多源遥感影像融合[J].遥感学报，1998，（2）：47～50
[6] 马建文、赵忠明.遥感数据模型与处理方法.[M].中国科学技术出版社，2001

Multi-Source Geo-information Procession And Application Based On Data Fusion
CHEN Jian-qiong，YANG Cheng-ying
（Guilin University of Technology，Remote Sensing application instituteGuilin GuangXi ）

【Abstract】　Application to the with data fusion technology can remove the uncertain facts in the data information，improve the veracity of the testing result，and enable the synthetic result of system to have more sufficient information. Given the process of fusion and algorith in image of remote sensing，the research carry out the fusion of Multi-Source Geo-information in Dachang，extracting information of object and optimizing facture remote sensing’ thematic map.
【Keywords】　data fusion；Multi-Source Geo-Information；remote sensing mapping；Dachang

第一作者简介：陈建强，男，硕士研究生，研究方向为国土资源遥感。