一种用于时空融合的地理加权空间混合分解方法技术

本发明专利技术涉及一种用于时空融合的地理加权空间混合分解方法，首先利用聚类有效性指数判断邻近时刻已知的高空间分辨率数据非监督分类下的最优分类数，并获取分类图；其次根据设定的窗口大小基于双重平方函数确定地理加权矩阵；然后根据空间混合分解算法利用加权最小二乘原理构建目标函数，该目标函数可继续追加约束项；最小化目标函数，依次求得每一个窗口内各类地物反射率；最后根据分类图和各类地物反射率构造融合影像。与现有技术相比，本发明专利技术能够有效地恢复地物分布空间异质性，提高时空融合精度，可普适性地应用于各种基于空间混合分解的时空融合方法，且不会增加原有模型的复杂度，在该领域具有很好的应用价值。

【技术实现步骤摘要】
一种用于时空融合的地理加权空间混合分解方法
本专利技术涉及遥感影像融合
，尤其是涉及一种用于时空融合的地理加权空间混合分解方法。
技术介绍
Landsat和Terra\Aqua卫星是目前广泛用于全球观测的卫星。因受到技术水平和造价成本等条件的限制，其获取的Landsat和MODIS数据的时间和空间分辨率之间相互制约。自Landsat系列和Terra\Aqua卫星发射以来，Landsat和MODIS遥感数据广泛地应用于监测全球地表变化。但是受到技术水平和造价成本等条件的限制，单个卫星获取的数据无法同时达到高时间和高空间分辨率的要求，从而无法满足地表实时精细监测的需求。具体地，Landsat获取的数据的空间分辨率为30m，但重访周期约为16天；Terra\Aqua卫星获取的MODIS数据的空间分辨率虽为500m，但每天可获得至少一景。为获取满足应用需求的高时间和空间分辨率的遥感数据，时空融合技术应运而生。目前常用的时空融合方法主要分为两大类：基于空间加权的方法和基于空间混合分解的方法。其中，基于空间混合分解的方法主要包括：以混合分解为基础的数据融合(Unmixing-BasedDataFusion，UBDF)、遥感数据时空融合方法(SpatialandTemporalDataFusionApproach，STDFA)和基于虚拟数据对的空间混合分解方法(VirtualImagePair-BasedSpatio-TemporalFusionwithSpatialUnmixing，VIPSTF-SU)。基于空间混合分解的方法因其明确的数学表达和物理含义而受到广泛的关注和研究。相比于其他方法，基于空间混合分解的方法对已知信息要求较低，在数据缺乏的区域具有很好的应用价值，同时能够最大限度地利用已知的高空间分辨率信息。一般来说，遥感数据具有空间非平稳性的特点。在一定空间范围内，同一类地物反射率值可能存在较大的变化，像元灰度值间的相关性也随空间位置发生变化。依据地学第一定律，空间距离越近的像元相关性越大。因此，与中心像元距离更近的邻域像元在空间混合分解过程中应当发挥更大的作用。然而，现有的空间混合分解方法没有考虑邻域内同一类地物反射率空间变异性的影响，使得周围邻域像元对中心目标像元的混合分解过程施加了同等的影响。该问题的存在阻碍了基于空间混合分解的时空融合方法的预测精度，限制了其在异质性较强的区域的应用。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种用于时空融合的地理加权空间混合分解方法。本专利技术的目的可以通过以下技术方案来实现：一种用于时空融合的地理加权空间混合分解方法，该方法包括如下步骤：S1：根据聚类有效性指数，确定已知的邻近时刻高空间分辨率影像的最优分类数，并依该最优分类数进行分类，获取高空间分辨率分类图。S2：依次访问预测时刻低空间分辨率数据中每一个低分辨率像元，以该低分辨率像元为中心建立一个窗口，计算窗口内各邻域像元与中心像元之间的空间距离，获取空间距离矩阵，以相应的空间距离计算权重，获取地理加权矩阵。S3：将步骤S1中得到的高空间分辨率分类图退化至与预测时刻低空间分辨率数据相同的分辨率，计算窗口内各类地物占比矩阵，并对各低分辨率像元构造目标函数，最小化该目标函数，获取各低分辨率像元内各类地物反射率值。S4：根据分类图和各类地物反射率值构建融合影像。进一步地，步骤S1中，对不同的分类数C计算聚类有效性指数XB(C)的值，最小的聚类有效性指数值所对应的分类数即为已知的邻近时刻高空间分辨率影像的最优分类数。聚类有效性指数的计算式为：其中，C为待定的分类数，S为已知的邻近时刻高空间分辨率影像的像元的个数，m为模糊指数，yi为第i个像元对应的光谱特征向量，vc为第c类聚类中心的光谱特征向量，vk为第k类聚类中心的光谱特征向量，c≠k，uci为第i个像元中第c类的隶属度。进一步地，步骤S2中，根据双重平方函数，以相应的空间距离计算权重，获取的地理加权矩阵为：式中，b为双重平方函数中的带宽参数，dij为窗口内第j个邻域像元与中心像元i之间的空间距离，wij为在低分辨率像元i空间混合分解时，第j个邻域像元对其施加的权重。进一步地，步骤S3中，依据加权最小二乘方法及空间混合分解的基本原理对各低分辨率像元构造目标函数。所述目标函数设有追加的约束项，用于与其他空间混合分解模型进行耦合。耦合地理加权模型的广义目标函数表达式为：式中，N为窗口内低分辨率像元个数，wij为第j个邻域像元对中心像元i的混合分解施加的权重，Ei为需要求解的中心像元各类地物反射率向量，Qj为窗口内第j个邻域像元的反射率，Pj为窗口内第j个邻域像元的各类地物占比行向量，L为广义目标函数中的约束项，α为权衡参数。进一步地，窗口内第j个邻域像元的各类地物占比行向量Pj可选择通过软分类方法获取的分类图计算得到。进一步地，对广义目标函数中的约束项包括但不限于采用砖块效应消除技术，构成基于砖块效应消除的地理加权空间混合分解方法。本专利技术提供的用于时空融合的地理加权空间混合分解方法，相较于现有技术至少包括如下有益效果：一、本专利技术更准确地考虑了空间混合分解过程中邻域像元对中心像元的影响，提高了融合影像的精度：本专利技术方法扩展了经典的空间混合分解方法，在空间混合分解模型中创新性地加入了利用双重平方函数量化得到的地理加权矩阵，充分顾及了邻域内同一地物反射率空间变异性的影响，能够有效地恢复地物分布空间异质性，提高时空融合精度；二、本专利技术方法具有很好的普适性和扩展性：本专利技术方法对现有的空间混合分解模型进行扩展，未增加原有方法的输入数据，可直接应用于目前任一种空间混合分解方法，且不会增加现有模型的复杂度，对未来可能提出的新的空间混合分解方法也有很高的应用价值。附图说明图1为实施例中用于时空融合的地理加权空间混合分解方法的流程示意图；图2为实施例仿真实验中异质区域的结果图，其中(a1)为采用原始的UBDF的影像融合结果，(b1)为采用本专利技术的UBDF-GW的影像融合结果，(c1)为采用原始的STDFA的影像融合结果，(d1)为采用本专利技术的STDFA-GW的影像融合结果，(e1)为采用原始的VIPSTF-SU的影像融合结果，(f1)为采用本专利技术的VIPSTF-SU-GW的影像融合结果，(g1)为参考影像；(a2)为采用UBDF-FCM的影像融合结果，(b2)为采用本专利技术的UBDF-FCM-GW的影像融合结果，(c2)为采用STDFA-FCM的影像融合结果，(d2)为采用本专利技术的STDFA-FCM-GW的影像融合结果，(e2)为采用VIPSTF-SU-FCM的影像融合结果，(f2)为采用本专利技术的VIPSTF-SU-FCM-GW的影像融合结果，(g2)为参考影像。图3为实施例仿真实验中变化区域的结果图，其中(a1)为采用原始的UBDF的影像融合结果，(b1)为采用本专利技术的UBDF-GW的影像融合结果本文档来自技高网...

【技术保护点】
1.一种用于时空融合的地理加权空间混合分解方法，其特征在于，包括下列步骤：/n1)根据聚类有效性指数，确定已知的邻近时刻高空间分辨率影像的最优分类数，并依该最优分类数进行分类，获取高空间分辨率分类图；/n2)依次访问预测时刻低空间分辨率数据中每一个低分辨率像元，以该低分辨率像元为中心建立一个窗口，计算窗口内各邻域像元与中心像元之间的空间距离，获取空间距离矩阵，以相应的空间距离计算权重，获取地理加权矩阵；/n3)将步骤1)中得到的高空间分辨率分类图退化至与预测时刻低空间分辨率数据相同的分辨率，计算窗口内各类地物占比矩阵，并对各低分辨率像元构造目标函数，最小化该目标函数，获取各低分辨率像元内各类地物反射率值；/n4)根据分类图和各类地物反射率值构建融合影像。/n

【技术特征摘要】
1.一种用于时空融合的地理加权空间混合分解方法，其特征在于，包括下列步骤：
1)根据聚类有效性指数，确定已知的邻近时刻高空间分辨率影像的最优分类数，并依该最优分类数进行分类，获取高空间分辨率分类图；
2)依次访问预测时刻低空间分辨率数据中每一个低分辨率像元，以该低分辨率像元为中心建立一个窗口，计算窗口内各邻域像元与中心像元之间的空间距离，获取空间距离矩阵，以相应的空间距离计算权重，获取地理加权矩阵；
3)将步骤1)中得到的高空间分辨率分类图退化至与预测时刻低空间分辨率数据相同的分辨率，计算窗口内各类地物占比矩阵，并对各低分辨率像元构造目标函数，最小化该目标函数，获取各低分辨率像元内各类地物反射率值；
4)根据分类图和各类地物反射率值构建融合影像。


2.根据权利要求1所述的用于时空融合的地理加权空间混合分解方法，其特征在于，步骤1)中，对不同的分类数C计算聚类有效性指数XB(C)的值，最小的聚类有效性指数值所对应的分类数即为已知的邻近时刻高空间分辨率影像的最优分类数。


3.根据权利要求2所述的用于时空融合的地理加权空间混合分解方法，其特征在于，聚类有效性指数的计算式为：



其中，C为待定的分类数，S为已知的邻近时刻高空间分辨率影像的像元的个数，m为模糊指数，yi为第i个像元对应的光谱特征向量，vc为第c类聚类中心的光谱特征向量，vk为第k类聚类中心的光谱特征向量，c≠k，uci为第i个像元中第c类的隶属度。


4.根据权利要求1所述的用于时空融合的地理加权空间混合分解方法，其特征在于，步骤2)中，根据双重平方函数，以相应的空间距离计算权重，获取地理加权矩阵。


5.根据权利要求4所述的用于时空融合...

【专利技术属性】
技术研发人员：王群明，彭凯迪，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31