毕业论文课题相关文献综述
文 献 综 述一、研究背景和意义随着技术进步，有了越来越多搭载不同种类传感器的遥感卫星，可以根据需要提供不同的时间、空间和光谱分辨率的遥感影像，为资源勘查、环境监测等提供了丰富的信息源[1-5]。
但是由于传感器硬件的限制，高时间和空间分辨率的影像难以兼得，单一遥感数据具有局限性，从而限制了其在诸多领域的应用能力[6-7]，例如卫星数据在地表变化监测，尤其在地表植被快速变化时期，既需要高空间分辨率数据通过关键特征来识别植物类型，又需要高时间分辨率的影像来检测植物各个生长期的长势。
常用的Landsat等遥感卫星获得的遥感影像具有30m的较高空间分辨率，能够辨别地物的细微变化，但时间分辨率相对较低，难以对目标进行连续监测；MODIS获取的遥感影像有较高的时间分辨率，但是空间分辨率常常不能达到要求，不适宜应用于地物种类繁多的区域。
因此学者们提出一系列多源遥感数据融合的概念和技术。
多源传感器数据融合能够突破传感器的性能限制，充分利用各种数据的互补性和合作性，在统一的地理坐标系中采用一定算法将多源数据进行多层次有机融合，生成一幅新的更有效表示目标信息的图像。
融合后的图像将不同的信息加以综合，消除多源传感器信息的冗余和矛盾，更有利于综合分析，并且提高了遥感数据的可应用性和多地物识别能力，有效发挥多平台互补观测的优势。
二、国内外研究现状数据融合的理论研究方法自20世纪80年代才开始，并取得快速发展，至今仍是各个领域的研究热点。
数据融合一般可以分为3个层级，分别为数据级、特征级和决策级[8]。
数据级融合主要是对传感器原始观测数据或经过预处理的数据进行融合，生成新数据，其主要目的就是为了提升数据的质量，如分辨率、对比度、完整度等指标；特征级融合首先对不同数据分别进行相关特征的提取，然后再对提取的特征进行融合处理，生成新的特征或特征矢量，以便于后续的地物解译；决策级融合首先利用不同传感器数据分别进行地物解译，获得地物类别或属性的初步确定，然后再利用一定的决策规则加以融合，主要解决不同数据产生结果的不一致性，从而获取更可靠的决策知识。
目前，对于时空数据融合，国内外已经提出许多不同的算法，这些方法可以分为三大类：基于光谱变换、基于数据重建和基于学习的时空融合方法[9]，其中基于重建模型的时空融合方法在当前最为常见。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
