【技术实现步骤摘要】
一种融合地表反射率图像的方法和装置
本专利技术涉及图像处理
,具体涉及一种融合地表反射率图像的方法和装置,可应用于植被遥感的动态变化监测研究中。
技术介绍
现有的时空数据融合方法可分为三类:基于解混的融合算法,基于权重函数的融合算法和基于字典对学习的融合算法。其中,基于解混的融合算法是通过线性光谱混合理论,分解粗分辨率像元,从而得到精细像元的估计值;基于权重函数的融合算法是通过权重函数组合所有输入图像的信息来估计精细图像的像元值;基于字典对学习的融合算法是对观测到的粗-细图像对之间的关系进行建模,根据图像的结构相似性建立高分辨率和粗分辨率图像之间的对应关系,然后对未观测到的精细图像进行预测,来捕捉预测中的主要特征,例如土地覆盖类型的变化。需要融合的地表反射率图像包括:MODIS(moderate-resolutionimagingspectroradiometer,中分辨率成像光谱仪)地表反射率图像和Landsat(陆地资源卫星)地表反射率图像。其中,MODIS图像具有8天的时间分辨率,其空间分辨率可以为250m、500m和1000m;Landsat图像具有16天的时间分辨率,其空间分辨率是30m。空间分辨率即地面分辨率,是指遥感仪器所能分辨的最小目标的实地尺寸,即遥感图像上一个像元所对应的地面范围的大小。如Landsat图像的一个像元对应的地面范围是30m*30m,那么其空间分辨率就是30m。因此MODIS图像与Landsat图像相比较而言,通常认为MODIS图像是粗糙分辨率图像,Landsat图像是 ...
【技术保护点】
1.一种融合地表反射率图像的方法,其特征在于,包括:/n收集目标区域多年所有可利用的MODIS地表反射率图像,以及收集目标区域一个或多个可利用的已知时刻的Landsat地表反射率图像;/n对收集的MODIS地表反射率图像进行相邻时刻的两两做差构建多年的MODIS地表反射率差值图像数据集,并根据所述MODIS地表反射率差值图像数据集的多年平均值构建MODIS地表反射率差值背景场;/n根据已知时刻的Landsat地表反射率图像、对应已知时刻的MODIS地表反射率图像以及与已知时刻相邻时刻的MODIS地表反射率图像,预测得到与已知时刻相邻时刻的Landsat地表反射率差值图像;以及/n根据所述MODIS地表反射率差值背景场以及预测当年的MODIS地表反射率差值图像数据集,依据贝叶斯解混理论分解从已知时刻到预测时刻所有的MODIS地表反射率差值图像,得到从已知时刻到预测时刻所有的MODIS地表反射率差值图像的贝叶斯分解值;/n根据预测得到的与已知时刻相邻时刻的Landsat地表反射率差值图像以及从已知时刻到预测时刻所有的MODIS地表反射率差值图像的贝叶斯分解值,通过构建线性回归模型推导得到从 ...
【技术特征摘要】
1.一种融合地表反射率图像的方法,其特征在于,包括:
收集目标区域多年所有可利用的MODIS地表反射率图像,以及收集目标区域一个或多个可利用的已知时刻的Landsat地表反射率图像;
对收集的MODIS地表反射率图像进行相邻时刻的两两做差构建多年的MODIS地表反射率差值图像数据集,并根据所述MODIS地表反射率差值图像数据集的多年平均值构建MODIS地表反射率差值背景场;
根据已知时刻的Landsat地表反射率图像、对应已知时刻的MODIS地表反射率图像以及与已知时刻相邻时刻的MODIS地表反射率图像,预测得到与已知时刻相邻时刻的Landsat地表反射率差值图像;以及
根据所述MODIS地表反射率差值背景场以及预测当年的MODIS地表反射率差值图像数据集,依据贝叶斯解混理论分解从已知时刻到预测时刻所有的MODIS地表反射率差值图像,得到从已知时刻到预测时刻所有的MODIS地表反射率差值图像的贝叶斯分解值;
根据预测得到的与已知时刻相邻时刻的Landsat地表反射率差值图像以及从已知时刻到预测时刻所有的MODIS地表反射率差值图像的贝叶斯分解值,通过构建线性回归模型推导得到从已知时刻到预测时刻所有的Landsat地表反射率差值图像;
融合已知时刻的Landsat地表反射率图像以及所述从已知时刻到预测时刻所有的Landsat地表反射率差值图像,得到预测时刻的Landsat地表反射率图像。
2.根据权利要求1所述的方法,其特征在于,根据已知时刻的Landsat地表反射率图像、对应已知时刻的MODIS地表反射率图像以及与已知时刻相邻时刻的MODIS地表反射率图像,预测得到与已知时刻相邻时刻的Landsat地表反射率差值图像,包括:
在已知时刻建立MODIS地表反射率图像与Landsat地表反射率图像之间的线性回归关系,得到与已知时刻相邻时刻的Landsat地表反射率的空间预测;
假设在短时间内同类地物的变化相同,得到与已知时刻相邻时刻的Landsat地表反射率的时间预测,其中所述时间预测与真实图像之间存在残差;
假设空间预测的结果更接近真实值,得到所述时间预测相对于所述空间预测的误差;
引入权重分配系数对所述误差和所述残差进行分配;
基于所述权重分配系数和所述残差对Landsat地表反射率差值图像进行预测,得到与已知时刻相邻时刻的Landsat地表反射率差值图像。
3.根据权利要求1所述的方法,其特征在于,根据所述MODIS地表反射率差值背景场以及预测当年的MODIS地表反射率差值图像数据集,依据贝叶斯解混理论分解从已知时刻到预测时刻所有的MODIS地表反射率差值图像,得到从已知时刻到预测时刻所有的MODIS地表反射率差值图像的贝叶斯分解值,包括:
假设所述MODIS地表反射率差值背景场服从一个均值为Rp、协方差矩阵为Σp的高斯分布,同时假设预测当年的MODIS地表反射率差值图像数据集服从一个均值为R0、协方差矩阵为Σ0的高斯分布;
根据贝叶斯解混理论,MODIS地表反射率差值的后验分布也服从一个均值为μe、协方差矩阵为Σe的高斯分布,得到所述μe的方差最小的估计值;
根据所述μe构建对应每个MODIS地表反射率差值图像的贝叶斯分解值。
4.根据权利要求1所述的方法,其特征在于,根据预测得到的与已知时刻相邻时刻的Landsat地表反射率差值图像以及从已知时刻到预测时刻所有的MODIS地表反射率差值图像的贝叶斯分解值,通过构建线性回归模型推导得到从已知时刻到预测时刻所有的Landsat地表反射率差值图像,包括:
构建MODIS地表反射率差值和Landsat地表反射率差值的线性方程:
Lt1=p×Mt1+qt1
Ltk=p×Mtk+qtk
其中,Lt1和Ltk分别对应t1时刻和tk时刻的Landsat地表反射率差值图像,Mt1和Mtk分别对应t1时刻和tk时刻的MODIS地表反射率差值图像的贝叶斯分解值,p和q为线性方程的拟合系数,k为自然数,k≤45;
并假设M与q之间是正比关系,得到:
并且,当预测当年中存在n个可利用的已知时刻的Landsat地表反射率图像时,则结合n组从t1到tn时刻的所有的MODIS地表反射率差值图像的贝叶斯分解值,并根据时间距离赋予不同大小的权重w,将上式变形为:
所述Ltk即为推导得到的对应预测时刻的Landsat地表反射率差值图像。
5.根据权利要求4所述的方法,其特征在于,融合已知时刻的Landsat地表反射率图像以及所述从已知时刻到预测时刻所有的Landsat地表反射率差值图像,得到预测时刻的Landsat地表反射率图像,包括:
根据如下公式进行图像融合:
其中,...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。