将地形、土地利用、道路、人口统计数据等GIS数据与遥感影像融合,可以提高影像分类、目标识别、变化检测和三维重建的精度。研究表明将遥感与GIS数据融合可以有效实现地图更新。遥感与GIS融合正成为一个新的研究领域。

遥感影像和GIS数据具有不同的特征和内容,因此,二者的集成需要考虑目标建模的不同和目标本身语义上的差异。影像通常由多光谱空间中具有亮度表达值的栅格像素组成,而GIS数据用标记的形式表达目标及其邻域关系。像素值可能不与目标对象相对应,但可以表达其辐射特性。GIS数据作为辅助信息用于训练区域选择和分类结果后处理的一个简单的方式是将其作为附加波段。然而,如果分类方法需要GIS数据作为统计特征使用时,这种方法将不再适用。由于信息表达层次的差异,影像和GIS数据不能在像素层次上进行比较,必须统一到目标层次进行融合。面向对象的分类和变化检测方法使这两类数据的无缝集成成为可能。目前,一些商用软件提供了面向对象的影像分析方法。

为了在特征级或决策级将遥感影像分割得到的目标与GIS数据进行集成,可以采用传统的模式识别方法,如基于知识的方法、神经网络和统计方法、模糊集理论、贝叶斯技术等。在地图更新方面,Weis 等(2005)使用了基于知识的方法实现了地图更新,并利用GIS信息实现了自动解译。为了提高土地利用分类精度,Li等(2000)采用数据挖掘技术从GIS数据库和影像中发现知识,提出了一种归纳学习与贝叶斯方法相结合的方法,有效提高了分类精度并解决了光谱混淆问题。