決策級融合

決策級融合是測繪學領域中基於多源遙感數據的智慧型化信息整合與分析技術，其核心流程包含空間配準與融合處理兩個核心階段，主要通過知識推理、神經網路等算法生成綜合決策結果。該技術具有容錯性強、實時性高等特點，能夠在感測器失效時保障決策可靠性，雖存在信息損失但提升了系統的魯棒性。截至2023年，已在地質勘探、農業土地分類及專題圖製作等領域得到廣泛套用，成為現代遙感影像處理的關鍵技術層級。

基本介紹

• 學科範疇：測繪學
• 技術層級：屬性融合
• 核心階段：空間配準、融合處理
• 主要算法：Dempster-Shafer法、神經網路
• 套用領域：地質勘探、農業測繪
• 信息損失：特徵提取導致部分丟失

定義與發展

決策級融合作為遙感影像處理的最高層級技術，通過智慧型化合成多源數據特徵生成簡明決策結果，其定義最早見於2020年公布的測繪學術語體系。相較於像素級和特徵級融合，該技術更注重目標屬性的高層次綜合分析，在保證決策可靠性的前提下降低了對數據傳輸頻寬的需求。

技術框架

技術實施包含兩個核心階段：

• 空間配準：通過特徵選擇、匹配與變換實現多源數據幾何校正，建立統一空間坐標系（2023年最新數據顯示匹配精度已達亞像素級）
• 融合處理：運用基於知識的推理系統，結合Dempster-Shafer證據理論構建決策規則庫，部分先進系統已引入深度神經網路進行自適應融合

方法特性

主要技術優勢體現在：

• 決策級融合是遙感圖像處理中在最高信息層次進行的融合技術，通過智慧型化合成多源遙感數據特徵，生成簡明直觀的決策結果；具有容錯性強、實時性高、抗干擾能力優的特性
• 決策級融合適用於時效性要求高的應急測繪場景
• 信息處理：通過特徵提取降低數據維度，但會損失部分原始影像細節數據

套用領域

在測繪學中的典型套用包括：

• 地質探測：用於礦藏定位與地質圖編制，2023年數據顯示探測準確率提升至92%
• 農業監測：決策級融合是遙感圖像處理中在最高信息層次進行的融合技術，通過智慧型化合成多源遙感數據特徵，生成簡明直觀的決策結果
• 專題製圖：支持多光譜影像與SAR數據的融合製圖，大幅提升專題圖空間解析度

層級對比

與其它融合層級的差異主要表現在：

• 決策級融合：遙感圖像處理中在最高信息層次進行的融合技術，通過智慧型化合成多源遙感數據特徵，生成簡明直觀的決策結果
• 決策級融合：僅保留10%-15%核心特徵，但決策速度提升3倍以上（2022年對比實驗數據）

該技術體系的發展標誌著測繪學科從數據採集向智慧型決策的轉型，其方法框架持續融合人工智慧最新成果，在2023年已形成包含多類算法的完整方法論體系。