遥感影像标准化评估方法、电子设备及存储介质技术

本发明专利技术涉及一种遥感影像标准化评估方法、电子设备及存储介质，遥感影像标准化评估方法包括：步骤S1、利用统计偏差、均方根误差、泰勒图、相关性分析和云量，构建标准化评估模型；步骤S2、利用标准化评估模型评估遥感图像的质量效果。本发明专利技术，构建了一套灵活开放的标准化评估指标，包括统计偏差、均方根误差(RMSE)、泰勒图、相关性分析、云量等来分析遥感数据相对于参考数据集在不同方面的质量效果，综合了大量的地面观测数据、遥感观测数据、数据融合产品等作为参考数据来评估遥感图像的质量效果，有利于实现遥感影像高效化、标准化评估。标准化评估。标准化评估。

【技术实现步骤摘要】
遥感影像标准化评估方法、电子设备及存储介质


[0001]本专利技术涉及遥感影像
，具体涉及一种遥感影像标准化评估方法、电子设备及存储介质。

技术介绍

[0002]随着遥感数据观测数据的获取范围不断扩大，对于数据的筛选和综合评估的需求也越来越大。过去的数据筛选大多为基于不同指标的一个筛选流程，缺乏一个综合型的标准化评估框架。

技术实现思路

[0003]鉴于上述技术问题，本专利技术提出一种遥感影像标准化评估方法、电子设备和存储介质，能够综合了大量的地面观测数据、遥感观测数据等作为参考数据来评估遥感图像的质量效果。
[0004]实现本专利技术目的的技术解决方案为：一种遥感影像标准化评估方法，包括以下步骤：
[0005]步骤S1、利用统计偏差、均方根误差、泰勒图、相关性分析和云量，构建标准化评估模型；
[0006]步骤S2、利用标准化评估模型评估遥感图像的质量效果。
[0007]根据本专利技术的一个方面，在所述步骤S1中，具体包括：
[0008]利用统计偏差、均方根误差、泰勒图、相关性分析和云量，分别计算统计偏差、均方根误差、年际变化、空间变异和云量的量化分数，标准化评估模型的综合评分为统计偏差、均方根误差、年际变化、空间变异和云量的量化分数的加权平均，计算公式如下：
[0009][0010]其中，S
bias
为统计偏差的量化分数，S
rmse
为均方根误差的量化分数，S
phase
为季节变化的量化分数，S
dist
为空间变异的量化分数，S
iav
为年际变化的量化分数，S
cloud
为云量的量化分数，a、b、c、d、e、f分别为对应项的权重；
[0011]根据云量与预设云量阈值的大小关系，判断评分是否有效。
[0012]根据本专利技术的一个方面，所述统计偏差的量化分数的计算过程包括以下步骤：
[0013]步骤S101、计算统计偏差，公式为：
[0014][0015]其中，变量x为遥感影像空间域，代表由栅格单元组成的矩阵边界范围，为遥感影像数据集在其时间范围内的平均值，为参考数据集在其时间范围内的平均值；
[0016]步骤S102、将统计偏差无量纲化作为相对误差，公式为：
[0017][0018]ε
bias
(x)＝|bias(x)|/crms(x)
[0019]其中，t为数据集开始到结束的时间范围；
[0020]步骤S103、计算偏差在空间区域上的评分，公式为：
[0021][0022]步骤S104、计算统计偏差的量化分数，公式为：
[0023][0024]根据本专利技术的一个方面，所述均方根误差的量化分数计算过程包括以下步骤：
[0025]步骤S201、计算均方根误差，公式为
[0026][0027]步骤S202、将均方根误差进行无量纲化计算，公式为；
[0028][0029]ε
rmse
(x)＝crmse(x)/crms(x)步骤S203、计算均方根误差在空间区域上的评分，公式为；
[0030][0031]步骤S204、计算均方根误差的量化分数，公式为：
[0032][0033]根据本专利技术的一个方面，所述季节变化的量化分数的计算过程包括以下步骤：：
[0034]步骤S301、分别计算参考数据集的c(v)和模型数据集的c(v)，比较一年内最大值出现的时间，计算年内变化数据集的年周期的相移，公式为：
[0035]θ(x)＝arg max
t
(c
mod
(t,x))
‑
arg max
t
(c
ref
(t,x))；
[0036]步骤S302、重新映射到单位区间，公式为：
[0037][0038]其中，θ为影像日期，对应365天中的天数；
[0039]步骤S303、计算季节变化的量化分数，公式为：
[0040][0041]根据本专利技术的一个方面，所述年际变化的量化分数计算过程包括以下步骤：
[0042]步骤S401、计算年际变化的评分，公式为：
[0043][0044][0045]ε
iav
(x)＝(iav
mod
(x)
‑
iav
ref
(x))/iav
ref
(x)；
[0046]步骤S402、计算年际变化的评分在空间上的分数，公式为：
[0047][0048]步骤S403、计算年际变化的量化分数，公式为：
[0049][0050]根据本专利技术的一个方面，所述空间变异的量化分数的计算过程包括以下步骤：
[0051]步骤S501、采用泰勒图的形式呈现评估模型空间模拟效果，公式为：
[0052][0053]步骤S502、通过计算和的空间相关系数(R)来进行相关性分析；
[0054]步骤S503、计算述空间变异的量化分数，公式为：
[0055][0056]根据本专利技术的一个方面，所述云量的量化分数通过FMASK算法计算，或
[0057]通过ENVI5.3 SP1中云/云影自动检测工具，自动从多光谱数据中检测云区域从而计算云量的量化分数。
[0058]根据本专利技术的一个方面，提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行如上述技术方案中任一项所述的一种遥感影像标准化评估方法。
[0059]根据本专利技术的一个方面，提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，实现如上述技术方案中任一项所述一种遥感影像标准化评估方法。
[0060]根据本专利技术的构思，提出一种遥感影像标准化评估方法、电子设备和计算机可读存储介质，通过构建一套灵活开放的标准化评估指标，包括统计偏差、均方根误差(RMSE)、泰勒图、相关性分析、云量等来分析遥感数据相对于参考数据集在不同方面的质量效果，综合了大量的地面观测数据、遥感观测数据、数据融合产品等作为参考数据来评估遥感图像的质量效果，有利于实现遥感影像高效化、标准化评估。
附图说明
[0061]图1示意性表示根据本专利技术一种实施方式的遥感影像标准化评估方法的流程示意图；
[0062]图2示意性表示根据本专利技术另一种实施方式的遥感影像标准化评估方法的流程示意图。
具体实施方式
[0063]为了更清楚地说明本专利技术实施方式或现有技术中的技术方案，下面将对实施方式
中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅为本专利技术的一些实施方式，对于本领域普通技术人员而言，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种遥感影像标准化评估方法，包括以下步骤：步骤S1、利用统计偏差、均方根误差、泰勒图、相关性分析和云量，构建标准化评估模型；步骤S2、利用标准化评估模型评估遥感图像的质量效果。2.根据权利要求1所述的方法，其特征在于，在所述步骤S1中，具体包括：利用统计偏差、均方根误差、泰勒图、相关性分析和云量，分别计算统计偏差、均方根误差、年际变化、空间变异和云量的量化分数，标准化评估模型的综合评分为统计偏差、均方根误差、年际变化、空间变异和云量的量化分数的加权平均，计算公式如下：其中，S
bias
为统计偏差的量化分数，S
rmse
为均方根误差的量化分数，S
phase
为季节变化的量化分数，S
dist
为空间变异的量化分数，S
iav
为年际变化的量化分数，S
cloud
为云量的量化分数，a、b、c、d、e、f分别为对应项的权重；根据云量与预设云量阈值的大小关系，判断评分是否有效。3.根据权利要求2所述的方法，其特征在于，所述统计偏差的量化分数的计算过程包括以下步骤：步骤S101、计算统计偏差，公式为：其中，变量x为遥感影像空间域，代表由栅格单元组成的矩阵边界范围，为遥感影像数据集在其时间范围内的平均值，为参考数据集在其时间范围内的平均值；步骤S102、将统计偏差无量纲化作为相对误差，公式为：ε
boas
(x)＝|bias(x)|/crms(x)其中，t为数据集开始到结束的时间范围；步骤S103、计算偏差在空间区域上的评分，公式为：步骤S104、计算统计偏差的量化分数，公式为：4.根据权利要求2所述的方法，其特征在于，所述均方根误差的量化分数计算过程包括以下步骤：步骤S201、计算均方根误差，公式为步骤S202、将均方根误差进行无量纲化计算，公式为：
ε
rmse
(x)＝crmse(x)/crms(x)；步骤S203、计算均方根误差在空间区域上的评分，公式为：步骤S204、计算均方根误差的量化分数，公式为：5.根据权利要求3所述的方法，其特征在于，所述季节变化的量化分数的计算过程包...

【专利技术属性】
技术研发人员：吴戈男，王海涛，宋洁璇，张金昌，同亚龙，张博学，陈绍龙，孙亚楠，
申请(专利权)人：中国空间技术研究院，
类型：发明
国别省市：