线性模型的遥感图像时空融合

发布时间：2021-04-08 09:27

　　目的时空融合是解决当前传感器无法兼顾遥感图像的空间分辨率和时间分辨率的有效方法。在只有一对精细—粗略图像作为先验的条件下,当前的时空融合算法在预测地物变化时并不能取得令人满意的结果。针对这个问题,本文提出一种基于线性模型的遥感图像时空融合算法。方法使用线性关系表示图像间的时间模型,并假设时间模型与传感器无关。通过分析图像时间变化的客观规律,对模型进行全局和局部约束。此外引入一种多时相的相似像素搜寻策略,更灵活地选取相似像素,消除了传统算法存在的模块效应。结果在两个数据集上与STARFM（spatial and temporal adaptive reflectance fusion model）算法和FSDAF（flexible spatiotemporal data fusion）算法进行比较,实验结果表明,在主要发生物候变化的第1个数据集,本文方法的相关系数CC（correlation coefficient）分别提升了0. 25%和0. 28%,峰值信噪比PSNR（peak signal-to-noise ratio）分别提升了0. 153 1 d B和1. 379 d B,均方... 

【文章来源】：中国图象图形学报. 2020,25(03)北大核心CSCD

【文章页数】：14 页

【部分图文】：

场景3观测到的真实图像

场景4观测到的真实图像

1.2节中的分析是基于局部一致性前提下进行的，然而在异质区域进行参数估计时，并不能完全满足局部一致性，尤其随着局部块增大，违背局部一致性的可能性加大。为了准确地进行参数估计，需要在局部区域内搜寻相似像素，确保用来做参数估计的数据满足局部一致性假设。另外，考虑到t1和t2时刻地物目标可能会发生变化，两个时刻相似像素空间分布也可能会发生变化。基于以上分析，提出一种多时相的相似像素搜寻策略，只有在基础时间和预测时间都与中心像素有着相似光谱信息的像素，才会被认为是中心像素的相似像素。由于t2时刻可用的光谱信息都在粗略图像中，如果直接在粗略图像中搜寻相似像素，可能会产生严重的模块效应，因此需要对粗略图像做上采样处理。考虑到粗略图像与精细图像之间巨大的分辨率差异，如果直接将粗略图像上采样到精细分辨率，可能会引入巨大的采样误差，因此将粗略图像C1与C2上采样到介于精细分辨率与粗略分辨率之间的中等分辨率，得到中等分辨率图像M1与M2。然而上采样得到的图像缺少高频信息，无法提供充足的光谱信息，因此引入了高通调制操作，具体为

【参考文献】：
期刊论文
[1]基于径向基函数（RBF）映射理论的遥感影像分类模型研究[J]. 骆剑承,周成虎,杨艳.  中国图象图形学报. 2000(02)
[2]多卫星遥感数据的信息融合:理论、方法与实践[J]. 何国金,李克鲁,胡德永,从柏林,张雯华.  中国图象图形学报. 1999(09)



本文编号：3125302