6.4.1 数据融合概述
数据融合(Data Fusion)是在1973年美国国防部资助开发的声呐信号理解系统的基础上迅速发展起来的，在军事方面的自动目标识别、战场监视、自动飞行器导航、自动威胁识别、遥感等;在非军事领域的应用有生产过程监控、机器人、医疗诊断、复杂工业过程控制等都有着广泛的应用。
1.数据融合定义
目前，数据融合不同的应用领域存在不同的定义方法。被普遍接受的数据融合的概念是1998年1月以Buchroithner和Wald的工作为基础，给出的定义:“数据融合”是一个形式化的框架，由用于联合多个数据源数据的一组明确的方法和工具组成，目的是为了获得更高质量的信息，这里“更高质量”的确切含义则取决于应用。
数据融合基于对来自多种数据源的数据的协同处理，将多数据源数据经过融合得到既定应用目的的数据(或信息)，提供给用户所需要的数据(或信息)。数据融合，不管它采用何种技术，采用何种形式，其最终目的就是实现数据的共享。
数据融合的基本原理也就像人脑综合处理信息一样，即充分利用多个传感器资源，通过对这些传感器及其观测信息的合理支配和使用，把多个传感器在时间和空间上的冗余或互补信息依据某种准则进行组合，以获取被观测对象的一致性解释或描述。传感器之间的冗余数据增强了系统的可靠性，互补数据扩展了单个传感器的性能。数据融合技术扩展了时空覆盖范围，对目标或事件的确认增加了可信度，减少了信息的模糊性，这是任何单个传感器做不到的。图6-33为数据融合过程的一般过程示意图。
图6-33 数据融合过程的一般过程示意图
2.数据融合主要方法
数据融合虽然未形成完整的理论体系和有效的融合算法，但是在不少应用领域根据自己的具体应用背景，已经提出了许多成熟并且有效的融合方法。成熟的数据融合方法主要有:经典推理法、卡尔曼滤波法、贝叶斯估计法、Dempster-Shafer证据推理法、聚类分析法、模板法、物理模型法、熵法、品质因数法、估计理论法和专家系统法等。近年来，还出现了用于数据融合的计算智能方法，主要包括:模糊集合理论法、神经网络法、粗集理论法、小波分析理论法和支持向量机法等。
(1)Dempster-Shafer证据推理法。通过命题和集合之间的一一对应关系，把命题的不确定性问题转化为集合的不确定性问题。通过引入信任函数，当概率值已知时，Dempster-Shafer理论变为了概率论，当先验概率很难获得时，Dempster-Shafer理论较概率论更为有效。该方法的缺陷是计算很复杂。
(2)聚类分析法。需要定义一个相似性函数或关联度量以提供一个表示任何两个特征向量之间“接近”程度或不相似程度的值。其缺陷是:其本身的启发性使得数据排列方式、相似性参数的选择、聚类算法的选择等都对聚类有影响。
(3)模板法。根据物理模型直接计算实体的某些特征(时域、频域或小波域的数据或图像)，与预先存储的目标特征(目标特征文件)或根据观测数据进行预测的物理模型的特征进行比较。比较过程涉及计算预测数据和实测数据的关联，如果相关系数超过了一个预先规定的阈值，则认为两者存在着匹配关系。物理模型法由于计算量大，在非实时环境中有很好的效果，但是在实时环境中可能无法满足要求。
(4)专家系统法。专家系统法的成功与否在很大程度上依赖于建立一个先验知识库，有效的知识库是用丰富的工程实践经验来建立的。虽然不明确要求使用物理模型，但却是建立在对要识别的实体的组成和结构有一个彻底了解的基础上。当目标物体能根据其组成部分及其相互关系来识别时，这种方法特别有用，但当目标物体特别复杂时，可能失效。
(5)模糊集合理论法。它是建立在一组可变的模糊“If—Then”规则基础上的。这些规则的来源既可以是专家的信息也可以是通过输入-输出数据对的映射得到。“If—Then”规则的模糊概念是以隶属函数来表达的，通过使某些指标函数取得最优值，以获得最佳辨识效果。该方法的难点在于如何构造合理有效的隶属函数和指标函数。
(6)神经网络法。使用大量的简单处理单元(即神经元)处理信息，神经元按层次结构的形式组织，每层上的神经元以加权的方式与其他层上的神经元连接，采用并行结构和并行处理机制，因而网络具有很强的容错性以及自学习、自组织及自适应能力，能够模拟复杂的非线性映射。神经网络的这些特性和强大的非线性处理能力，恰好满足了多传感器信息融合技术处理的要求，可以利用神经网络的信号处理能力和自动推理功能实现数据融合技术。
土地管理数据融合是数据融合技术在地球空间领域的应用，它应该是以广义数据融合的定义为基础、运用地球空间领域特有的方法和工具，解决土地管理数据的融合问题，根据所处理信息的对象类型及特征，可分为多源遥感数据的融合、图形—属性数据的融合、多尺度数据的融合等。
另外，在土地管理数据中常用到的还有数字地面高程模型(DEM)数据，关于DEM数据与GIS矢量数据间的融合，目前通用的做法是考虑到栅格计算的简单性而将GIS数据转换为相应分辨率的栅格而进行的，主要技术是目前GIS平台均支持的矢—栅转换技术。
