1.多远数据融合技术的分析与发展
1.1含义及内容
数据融合是采用一定的技术方法和手段，在失控的体系内统一综合地对研究对象所收集到的信息进行评价，也就是说，将不同侧面作为基础，运用各种手段对信息进行获取，使其作为统一的不同表征。数据融合技术的应用目的则是对不同数据源内的优点进行接受，并从内部对更为充分的信息进行获取，对于调查地质矿产而言，多源数据融合技术则是将遥感和多源遥感的数据相融合，并结合多源遥感自身的数据，其主要内容包括以下几方面：
（1）在几个层次上对多源信息处理进行完成的过程则称之为信息融合，其中在每个层次内都会有不同级别的信息抽象。
（2）信息融合主要包括：探测、互联、相关、估计以及信息组合等内容。
（3）信息融合的结果主要包括估计较低层次上的状态、身份以及高层次上的整个战术态势等。
所以，在信息融合中，多传感器发挥着硬件基础的作用，而多源信息则是加工对象，协调优化以及综合处理才是融合技术中的核心关键。
1.2多源数据融合技术的发展
多源数据融合技术最早产生于美国，且作为一个较快发展的国家，早在70年代就在声呐信号理解和融合的研究中进行了资金投入。对于我国而言，多源数据融合技术的研究相对较晚，最早开始于军事领域和智能机器人领域的研究。在20世纪90年代以后，我国的信息融合技术逐渐发展至高潮。不仅对数据融合会议进行了召开，并出版了相关信息融合的专著和译著，国家自然科学基金及863计划也将信息融合技术作为重点研究项目。并随着研究的进一步深入，在数据融合方面也形成了一定的效果。
2.多源数据融合技术在地质矿产中的应用
2.1所用技巧的选取
对多源类数据进行归整时，对较强适宜性的数值进行选取，应划分为第一层次内的调研方法。该步骤与后续时段内的融汇实效所关联，也联系着所采纳的数值是否符合预设的地质目标。所以，在进行选取时，应对预设数值的用途进行考虑，对遥感类别和其他类别的精准数值实施筛选处理。
对遥感类数值进行筛选时，应注意地面层级内的辨识率以及光谱关联的识别率等内容，对优良层次的数据进行选取，例如：遥感所用的数据，都可划分至调研产生的侧重来源。近年来，对一系列信息提取技术逐渐形成，例如：呼和光谱分解、基于主成分的对应分析、MNF变换、光谱较低填图、NAPC、相关波段吸收深度分析以及汽配滤波等。同时还形成了监督分类法、决策树分类法、非监督分类法等方法。并结合神经网络方法、专家只是系统以及小波变换等人工智能以及数据挖掘领域的成果进行操作。
2.2对所用的技巧实施预先整合
在对所选用的数值进行融汇之前，应对多重数值产生的步骤实施预设处理，该步骤主要包括的内容包括：标准化流程、栅格图前提下运用的矢量化流程、解析并划分属性的流程、地理方位具备的配准流程以及集合层次下的校对流程等。此后，对那些数字实施筛选，即可变更为类别统一的图像所用格式，通常运用的预设处理能够使矿产类数字的互通得以促进，在多重平台上，将这些类别的数据得以汇集。
2.3所有路径的融合
将多源类别的数值进行融合，需要通过归整图像，预先对多重波段、多重平台、多重辨识率以及多重传感设施产生的影像进行预设。该汇集的实施，可以对卫星类别图像的增添产生一定的时效性，融汇该层次的内容主要包括：多重光谱类素质、不同光谱带有数值的有序融汇以及不同层级内辨识率的素质等。
对采纳的数据进行调研的过程中，应采用研究矿产的目的，对较强适宜性的融汇路径进行确定，例如：获取主体类线形数值的途径应是滤波的方法。可通过合成色调、主体层次内成分解析的渠道将图像产生的融汇特性进行折射。
另外，对于沿岸影响的数据融合处理而言，必须开始于原始影响数据的像元坐标归一化定位，即对高分辨率影像数据及多光谱影像数据的坐标原点进行控制，确保在空间位置上原始数据集的一致性。通过融合不同空间尺度的遥感数据之后，不仅需要对必要的几何精度进行检验以外，还需要评估光谱信息损失量。
3.结语
综上所述，随着空间信息科学以及计算机技术的快速发展及提升，运用多源数据融合技术处理地质矿产调查工作中存在的海量数据，不仅能够消除数据处理中的不确定因素，而且还能有效提升环境或目标表示结果、解释分析以及描述的准确性，进一步对丰富的融合结果所获取。 [科]
