基于特征空间插值的热红外图像重构方法技术

本发明专利技术提供一种基于特征空间插值的热红外图像融合方法，包括：植被覆盖度

【技术实现步骤摘要】
基于特征空间插值的热红外图像重构方法


[0001]本专利技术涉及遥感
，尤其涉及一种基于特征空间插值的热红外图像 融合方法，结合低分辨热红外遥感数据和辅助数据重构得到连续的具有较高空 间分辨率的热红外图像的方法。

技术介绍

[0002]热红外遥感数据提供了地物的大量地表温度信息，有利于城市热岛和人居 环境研究。然而，热红外遥感在城市热环境领域应用至今没有得到广泛应用。 当前，高密度小像素尺寸的红外焦平面器件的制作尚存在一定局限性，容易造 成红外图像模糊。卫星遥感成像系统的设计中，空间分辨率和时间分辨率两者 之间是相互制约的，在获取高时间分辨率遥感数据的同时，通常会牺牲一定的 空间分辨率。这一空间分辨率的限制，使其在城市领域的应用能力受到了很大 的制约。
[0003]目前，解决热红外遥感数据空间分辨率低的问题的常用手段是采用数据融 合的方法。现有的研究会借助于高空间分辨率辅助数据的非热红外信息，增强 热红外信息的空间分辨率。现有的主要热红外图像融合方法可参见文献1： Bonafoni S,“Downscaling of Landsat and MODIS land surface temperature over theheterogeneous urban area of Milan.”IEEE Journal of Selected Topics in AppliedEarth Observations and Remote Sensing,vol.9,pp.2019
‑
2027,2016文献2： Hutengs,Christopher,and Michael Vohland,"Downscaling land surface temperaturesat regional scales with random forest regression."Remote Sensing of Environment, vol.178,pp.127
‑
141,2016及文献3：Stathopoulou M,Cartalis C.“DownscalingAVHRR land surface temperatures for improved surface urban heat island intensityestimation,”Remote Sensing of Environment,vol.113,pp.2592
‑
2605,2009。总而 言之，大多数当前研究的一个基本假设是在一个给定的成像场景中，热红外信 息与辅助数据信号间有着一个独立的关系。但是以往的研究未充分考虑地表水 分状况影响的不足，缺乏较强的物理意义，对不同的场景的适应性和移植性有 待商榷。热红外数据分辨率的瓶颈难题仍然没有解决，严重制约了城市热岛以 及可持续发展的一系列环境与社会问题的研究。

技术实现思路

[0004]针对现有技术的不足，本专利技术提供一种基于特征空间插值的热红外图像融 合方法，可以通过数据重构手段，从低分辨热红外遥感数据中重构得到连续的 具有较高空间分辨率的热红外图像，在保持原始热红外图像时间分辨率的同 时，提高了其空间分辨率，本技术方案必须充分考虑地表水分状况的影响，对 不同的场景的具有较强的适应性和移植性。
[0005]本专利技术的技术方案：
[0006]一种基于特征空间插值的热红外图像重构方法，包括：植被覆盖度
‑
地表温 度梯
形特征空间的构建；基于特征空间插值获取关键重构因子，建立转换关系， 并进行模型参数解算；对低分辨率图像逐像元地进行热红外信息重构获取高分 辨率热红外信息；质量控制，对异常温度像元进行处理，获取最终高分辨率热 红外图像。
[0007]优选地，所述在植被覆盖度
‑
地表温度梯形特征空间构建之前还包括：利用 遥感传感器获取所述低分辨率热红外图像数据；利用遥感传感器获取所述高分 辨率辅助图像数据；根据遥感图像处理流程，对图像分别进行预处理，获取地 表温度、植被覆盖度、地表反照率、归一化建筑指数和归一化水体指数数据； 对图像的重合区域进行精配准，作为特征空间构建与数据融合之前的步骤。
[0008]优选地，所述植被覆盖度
‑
地表温度梯形特征空间构建具体包括：构建植被 覆盖度、地表温度两个参数的散点空间，并将横坐标和纵坐标等距分为一系列 的小区间；对于每个横坐标小区间，使用排序办法寻找到最大的和最小的纵坐 标值；使用寻找到的最大的纵坐标值的集合，结合其所对应的横坐标值，理论 确定各个小区间的干点和湿点并使用线性拟合的办法确定散点空间的干线与湿 线。
[0009]优选地，所述基于特征空间插值获取关键重构因子，建立转换关系，并进 行模型参数解算具体包括：
[0010]通过下式线性内插出个像元点的波文比；
[0011][0012]式中LST是在某一植被覆盖率VFC下的混合像元的地表混合温度，LST
min
和LST
max
分别为与混合像元覆盖率相同的湿线、干线上的地表混合温度，
[0013]LST
max
＝k
dry
×
VFC+LST
sd
[0014]LST
min
＝k
wet
×
VFC+LST
sw
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0015]式中k
dry
和k
wet
分别为干线和湿线的斜率LST
sd
和LST
sw
为对应的极值点，通过联合 式(1)和(2)，
[0016][0017]假设在同一场景的不同尺度图像上，波文比和干湿边是恒定不变的，设置 关键因子为：
[0018][0019]优选地，所述对低分辨率图像逐像元地进行热红外信息重构获取高分辨率 热红外信息具体包括：
[0020]在粗空间分辨率上，将最小二乘回归作用于地表温度和关键重构因子，
[0021]LST
Low
＝F(P
Low
)+ε
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0022]粗分辨率上生成的误差可叠加到融合图像上，通过聚集处理重构原始高分 辨率的地表温度，通过下式得到：
[0023]LST
High
＝F(P
High
)+LST
Low
‑
F(P
Low
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0024]优选地，所述质量控制，对温度异常值进行处理具体包括：对于不在植被 覆盖度
‑
地表温度梯形特征空间范围内像元，选取地表反照率、归一化建筑物指 数和归一化水体指数与地表温度进行回归拟合。选用随机森林回归函数，这一 函数针本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征空间插值的热红外图像融合方法，其特征在于，包括：植被覆盖度
‑
地表温度梯形特征空间的构建；基于特征空间插值获取关键重构因子，建立转换关系，并进行模型参数解算；对低分辨率图像逐像元地进行热红外信息重构获取初步高分辨率热红外信息；质量控制，对异常温度像元进行处理，获取最终高分辨率热红外图像。2.如权利要求1所述的一种基于特征空间插值的热红外图像融合方法，其特征在于，所述在植被覆盖度
‑
地表温度梯形特征空间构建之前还包括：利用遥感传感器获取所述低分辨率热红外图像数据；利用遥感传感器获取所述高分辨率辅助图像数据；根据遥感图像处理流程，对图像分别进行预处理，获取地表温度、植被覆盖度、地表反照率、归一化建筑指数和归一化水体指数数据；对图像的重合区域进行精配准，作为特征空间构建与数据融合之前的步骤。3.如权利要求1或2所述的一种基于特征空间插值的热红外图像融合方法，其特征在于，所述植被覆盖度
‑
地表温度梯形特征空间构建具体包括：构建植被覆盖度、地表温度两个参数的散点空间，并将横坐标和纵坐标等距分为一系列的小区间；对于每个横坐标小区间，使用排序办法寻找到最大的和最小的纵坐标值；使用寻找到的最大的纵坐标值的集合，结合其所对应的横坐标值，理论确定各个小区间的干点和湿点并使用线性拟合的办法确定散点空间的干线与湿线。4.如权利要求3所述的一种基于特征空间插值的热红外图像融合方法，其特征在于，所述基于特征空间插值获取关键重构因子，建立转换关系，并进行模型参数解算具体包括：通过下式线性内插出个像元点的波文比；式中LST是在某一植被覆盖率VFC下的混合像元的地表混合温度，LST
min
和LST
max
分别为与混合像元覆盖率相同的湿线、干线上的地表混合温度，LST
max
＝k

【专利技术属性】
技术研发人员：王伟民，熊向陨，余良，何伟彪，梁鸿，刘凯，曾清怀，许旺，余欣繁，尹淳阳，张志刚，李会亚，俞兆康，
申请(专利权)人：广东省深圳生态环境监测中心站广东省东江流域生态环境监测中心，
类型：发明
国别省市：