基于多源中分的特征影像时间序列合成方法及装置制造方法及图纸

本发明专利技术公开一种基于多源中分的特征影像时间序列合成方法，包括步骤：采用GF1‑WFV、HJ1‑A/B及Landsat分别采集遥感影像，形成多源中分遥感影像；对多源中分遥感影像进行预处理，输出辐射归一化的时间序列特征影像；提取时间序列特征影像中云覆盖区域并对无云时间序列特征影像划分，输出特征影像时间序列空瓦片集；对MODIS采集的时间序列特征影像，分别提取若干种类作物的单一作物生长曲线，生成多作物生长曲线库；在辐射归一化的时间序列特征影像中加入时间序列空瓦片集和单一作物生长曲线做时相归一化，构建特征影像时间序列瓦片集。本发明专利技术完成大范围、长时间序列、大数据量的特征影像时间序列构建。

【技术实现步骤摘要】
基于多源中分的特征影像时间序列合成方法及装置
本专利技术涉及遥感图像处理
，更具体地说，本专利技术涉及一种基于多源中分的特征影像时间序列合成方法及装置。
技术介绍
农作物种植面积是制定粮食生产政策和确定粮食贸易数量的重要依据，是农业种植结构调整的基础。作物的生长都有其各自的规律，并且同一种作物在同一地区具有相对稳定的生长发育规律，根据不同作物在发育过程中时间和生物量上存在一定差异性，结合一些物候信息，可以利用时间序列遥感图像对不同的作物进行分类识别，从而达到提取作物种植信息的目的。在此背景下遥感植被指数时间序列数据已经为农作物种植监测提了新的有效数据源，为农田作物信息提取提供了强有力的技术支撑。国内外学者先后利用时间序列遥感数据进行作物物候监测、耕地资源提取、作物面积监测、作物估产等，在大区域尺度下取得了较好的效果。随着遥感技术不断发展，基于单时相遥感影像用于作物面积、种类、长势监测，尤其在生长期相似、作物种类相近，特别是作物亚类的识别上已经远远不能达到应用要求。目前常用的长时间序列NDVI(NormalizedDifferenceVegetationIndex，植被指数)数据集主要包括来自于如NOAA(NationalOceanicandAtmosphericAdministration，美国国家海洋和大气管理局)气象卫星上的AVHRR探测器、MODIS(moderate-resolutionimagingspectroradiometer，中分辨率成像光谱仪)以及SPOT(SmallProgrammableObjectTechnology)卫星上运行的VEGETATION植被探测器，空间分辨率均比较低，这使得遥感影像时间序列的研究和应用基本集中在全球、国家尺度上的趋势性研究。而想将遥感影像时间序列产品在省级范围的精细化作物种植情况提取，其间分辨率带来的混合像元问题将令其力不从心，这大大限制了遥感影像时间序列的应用范围。因此，为实现大范围、精细化的作物种植信息提取，构建稳定、可靠、无噪声的高分辨率特征影像时间序列已成为必须。同样现有的基于NDVI特征的时间序列已经越来越难以满足应用需求，更多的有效特征指数时间序列构建需求也越来越急迫。利用传统方法进行时间序列构建时，为减小噪声对特征值的降低，常采用MVC(ModelViewController，框架模式)方法进行多时相影像合成，该方法假设云层的位置是不断变化，在一定时间段内，任何一个位置点都存在没有被云覆盖的晴天。即假定其他条件相同，最大值代表最清洁的大气条件，一般合成周期为2-4周。这样的时间间隔会造成特征指数不能反映同时期的作物生长状况，一般会造成研究区内不同区域的作物长势差异明显。另外，由于特征影像的分辨率相对传统的时间序列数据有了明显的提升，数据量增加也是巨大的，特别是大范围(省级)的时间序列数据必然会造成数据量的急剧增大，以江西省为例，利用HJ卫星数据单时相全区覆盖需要5景数据量为6.5G，以作物生长期为三个月设定，进行生长期内的旬时间序列构建至少需要9期数据，按传统波段组合的方式进行合成时，至少生成100G以上的特征影像时相序列数据，普通单机根本无法对如此巨大的数据量进行后续分析计算。
技术实现思路
针对上述技术中存在的不足之处，本专利技术提供一种基于多源中分的特征影像时间序列合成方法及装置，在高时间分辨率GF1-WFV、HJ1-A/B基础上，加入Landsat采集的NDVI数据作为中分辨率特征时间序列构建的数据源补充，保证高时间和高空间分辨率的同时，消除单一传感器无法实现全覆盖造成的时间序列不完整，以完成大范围、长时间序列、大数据量的特征影像时间序列构建，对多源、多分辨率数据具有兼容性。为了实现根据本专利技术的这些目的和其它优点，本专利技术通过以下技术方案实现：本专利技术提供一种基于多源中分的特征影像时间序列合成方法，包括以下步骤：采用GF1-WFV、HJ1-A/B以及Landsat分别采集遥感影像，形成多源中分遥感影像；对所述多源中分遥感影像进行预处理，输出辐射归一化的时间序列特征影像；提取所述辐射归一化的时间序列特征影像中的云覆盖区域，对提取后的无云时间序列特征影像进行划分，输出特征影像时间序列空瓦片集；对MODIS采集的时间序列特征影像，分别提取若干种类作物的单一作物生长曲线，生成多作物生长曲线库；在所述辐射归一化的时间序列特征影像中加入所述时间序列空瓦片集和所述单一作物生长曲线做时相归一化处理，构建特征影像时间序列瓦片集。优选的是，所述云覆盖区域的影像值设为0。优选的是，所述预处理包括以下步骤：对所述多源中分遥感影像进行几何精纠正；对GF1-WFV、HJ1-A/B分别采集的遥感影像进行定标，输出地面定标场数据；同时，获取同步高分辨率大气参数进行大气校正；对几何精纠正和大气校正后的遥感影像数据依次进行影像匹配、重采样以及特征影像计算以完成辐射精校正处理，输出辐射归一化的时间序列特征影像。优选的是，所述特征影像计算包括归一化NDVI数据。优选的是，对提取后的无云时间序列特征影像进行划分，输出特征影像时间序列空瓦片集，包括以下步骤：根据所述无云时间序列特征影像的分布范围和面积，进行区域划分，输出单瓦片数据的空间范围；确定所述无云时间序列特征影像的特征影像时间序列节点，以进行时间维度的划分，输出单瓦片数据的波段数量；根据所述单瓦片数据的空间范围和波段数量，生成单个特征影像时间序列空瓦片及特征影像时间序列空瓦片集。优选的是，根据区域划分的可用部件的个数，得到单瓦片划分的个数，即：Npart＝∑NnodeNcore；Npart为可用部件个数，Nnode为可用的消息传递接口节点个数，Ncore为每个消息传递接口节点所对应的计算机的CPU核数。优选的是，依次根据特征数据的数量、时间范围、数据覆盖范围以及时间间隔，确定所述无云时间序列特征影像的特征影像时间序列节点。优选的是，时相归一化处理以及构建特征影像时间序列瓦片集，包括以下步骤：根据所述单瓦片数据的空间范围，对预处理输出的辐射归一化的时间序列特征影像进行查询；根据所述多作物生长曲线库中的所述单个作物生长曲线，对查询后的所述时间序列特征影像中成像时间不同的影像进行时相归一化，获得最近时间节点的特征值，完成单瓦片数据的生成；通过所述单瓦片数据的波段数量组合，进行时间序列的合成，输出初步特征影像时间序列瓦片集；对所述初步特征影像时间序列瓦片集进行噪声去除；若干个噪声去除后的初步特征影像时间序列瓦片集并行汇总，输出特征影像时间序列瓦片集。优选的是，所述噪声去除，包括对所述初步时间序列数据集依次进行时域序列重建和空间域噪声去除。一种基于多源中分的特征影像时间序列合成装置，其包括：采集模块，其用于输出多源中分遥感影像，所述采集模块包括分别采集遥感影像的GF1-WFV、HJ1-A/B以及Landsat；预处理模块，其用于将所述多源中分遥感影像进行预处理，输出辐射归一化的时间序列特征影像；划分模块，其用于对所述时间序列特征影像中的云覆盖区域提取、对提取后的无云时间序列特征影像进行划分、输出特征影像时间序列空瓦片集；多作物生长曲线库生成模块，其用于对MODIS采集的时间序列特征影像提取若干种类作物的单一作物生长曲线、本文档来自技高网...

【技术保护点】
一种基于多源中分的特征影像时间序列合成方法，其特征在于，包括以下步骤：采用GF1‑WFV、HJ1‑A/B以及Landsat分别采集遥感影像，形成多源中分遥感影像；对所述多源中分遥感影像进行预处理，输出辐射归一化的时间序列特征影像；提取所述辐射归一化的时间序列特征影像中的云覆盖区域，对提取后的无云时间序列特征影像进行划分，输出特征影像时间序列空瓦片集；对MODIS采集的时间序列特征影像，分别提取若干种类作物的单一作物生长曲线，生成多作物生长曲线库；在所述辐射归一化的时间序列特征影像中加入所述时间序列空瓦片集和所述单一作物生长曲线做时相归一化处理，构建特征影像时间序列瓦片集。

【技术特征摘要】
1.一种基于多源中分的特征影像时间序列合成方法，其特征在于，包括以下步骤：采用GF1-WFV、HJ1-A/B以及Landsat分别采集遥感影像，形成多源中分遥感影像；对所述多源中分遥感影像进行预处理，输出辐射归一化的时间序列特征影像；提取所述辐射归一化的时间序列特征影像中的云覆盖区域，对提取后的无云时间序列特征影像进行划分，输出特征影像时间序列空瓦片集；对MODIS采集的时间序列特征影像，分别提取若干种类作物的单一作物生长曲线，生成多作物生长曲线库；在所述辐射归一化的时间序列特征影像中加入所述时间序列空瓦片集和所述单一作物生长曲线做时相归一化处理，构建特征影像时间序列瓦片集。2.如权利要求1所述的基于多源中分的特征影像时间序列合成方法，其特征在于，所述云覆盖区域的影像值设为0。3.如权利要求1所述的基于多源中分的特征影像时间序列合成方法，其特征在于，所述预处理包括以下步骤：对所述多源中分遥感影像进行几何精纠正；对GF1-WFV、HJ1-A/B分别采集的遥感影像进行定标，输出地面定标场数据；同时，获取同步高分辨率大气参数进行大气校正；对几何精纠正和大气校正后的遥感影像数据依次进行影像匹配、重采样以及特征影像计算以完成辐射精校正处理，输出辐射归一化的时间序列特征影像。4.如权利要求3所述的基于多源中分的特征影像时间序列合成方法，其特征在于，所述特征影像计算包括归一化NDVI数据。5.如权利要求1所述的基于多源中分的特征影像时间序列合成方法，其特征在于，对提取后的无云时间序列特征影像进行划分，输出特征影像时间序列空瓦片集；包括以下步骤：根据所述无云时间序列特征影像的分布范围和面积，进行区域划分，输出单瓦片数据的空间范围；确定所述无云时间序列特征影像的特征影像时间序列节点，以进行时间维度的划分，输出单瓦片数据的波段数量；根据所述单瓦片数据的空间范围和波段数量，生成单个特征影像时间序列空瓦片及特征影像时间序列空瓦片集。6.如权利要求5所述的基于多源中分的特征影像时间序列合成方法，其特征在于，根据区域划分的可用部件的个数，得到单瓦片划分的个数，即：Npart＝...

【专利技术属性】
技术研发人员：黄启厅，王喆，骆剑承，胡晓东，
申请(专利权)人：苏州中科天启遥感科技有限公司，中国科学院遥感与数字地球研究所，
类型：发明
国别省市：江苏,32