考虑粗细分辨率尺度转换误差校正的云计算时空融合方法技术

本发明专利技术公开了一种考虑粗细分辨率尺度转换误差校正的云计算时空融合方法，包括基于时间一致性和空间相似性原则合成无云基准影像对，并确定预测时刻的粗分辨率遥感影像和细分辨率遥感影像；表达地表的空间异质性；计算尺度转换误差项；计算残差项；基于超像素分割的结果对所述尺度转换误差项与所述残差项进行校正，并补偿至所述无云基准影像对中的细分辨率遥感影像上，从而获得最终的细分辨率遥感影像融合结果。本发明专利技术通过尺度转换误差项的引入提高了异质性和变化景观的融合精度；即使在厚云和连续云污染的场景下仍然可以获得稳定的融合结果；该方法不仅适合NDVI时间序列的重建，而且适合多光谱反射率的融合。而且适合多光谱反射率的融合。而且适合多光谱反射率的融合。

【技术实现步骤摘要】
考虑粗细分辨率尺度转换误差校正的云计算时空融合方法


[0001]本专利技术涉及一种时空图像融合方法，具体为一种考虑粗细分辨率尺度转换误差校正的云计算时空融合(STESTF)方法，属于时序遥感影像融合


技术介绍

[0002]一般而言，越来越多的遥感卫星发射升空后，不同传感器获取的不同特征(如光谱、空间、时间)的遥感数据集数量会显著增加。但是，由于传感器硬件以及天气等因素，单个传感器仅仅具有高空间分辨率或者高时间分辨率特性，难以同时获得具有高时间和高空间分辨率的遥感数据。
[0003]具体而言，密集的高时空分辨率数据对于研究地球地表动态变化至关重要，其包含着地表物体的时间变化信息，对识别地物类型、检测植被长势、作物估产、研究城市扩张等应用发挥着不可替代的作用。然而，桌面端处理软件是无法满足融合、处理和分析海量遥感大数据集的应用需求，如何处理和分析这些海量遥感大数据也是一项具有挑战性的任务。
[0004]因此，如何将多种传感器的图像快速高效地融合来生成高质量密集时间序列数据成为对地精细观测研究的紧迫任务。
专利技术内本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑粗细分辨率尺度转换误差校正的云计算时空融合方法，其特征在于：包括以下步骤，步骤S1、通过作业区域时间序列的遥感影像，基于时间一致性和空间相似性原则合成无云基准影像对，并确定预测时刻的粗分辨率遥感影像和细分辨率遥感影像，步骤S2、所述无云基准影像对中的细分辨率遥感影像进行超像素分割，从而表达地表的空间异质性；步骤S3、根据所述无云基准影像对确定转换系数，并根据所述无云基准影像对中的粗分辨率遥感影像和所述预测时刻的粗分辨率遥感影像，计算尺度转换误差项；步骤S4、根据所述转换系数以及基准时刻的粗分辨率遥感影像与细分辨率遥感影像和所述预测时刻的粗分辨率遥感影像，计算残差项；步骤S5、基于超像素分割的结果对所述尺度转换误差项与所述残差项进行校正，并补偿至所述无云基准影像对中的细分辨率遥感影像上，从而获得最终的细分辨率遥感影像融合结果。2.根据权利要求1所述的云计算时空融合方法，其特征在于：所述步骤S1中，具体包括：S11选择作业区域待预测的细分辨率遥感影像，获取作业区时间序列的细分辨率遥感影像和粗分辨率遥感影像的表面反射率；S12基于所述作业区时间序列的细分辨率遥感影像的表面反射率，利用时间一致性原则合成一张无云的影像；S13基于所述作业区时间序列的粗分辨率遥感影像的表面反射率，利用时间一致性原则合成一张无云的影像；S14利用时间一致性原则，在预测时刻前后获得两对粗细分辨率的无云遥感影像对；S15计算所述预测时刻的粗分辨率遥感影像与所述无云遥感影像对中的粗分辨率遥感影像之间的结构相似性指数；S16选取S15中结构相似性指数较高的无云遥感影像对作为无云基准影像对。3.根据权利要求2所述的云计算时空融合方法，其特征在于：所述步骤S2中，具体包括：S21利用超像素分割方法，将所述无云基准影像对中的细分辨率遥感影像划分为多个大小相等的网格，每个网格中心为初始聚类中心；S22求取每个初始聚类中心8个邻域像素的图像色彩空间距离和像素位置的欧氏距离；S23每个邻域像素输入一个优先队列Q，优先队列Q中的每个元素通过与其初始聚类中心的距离进行排序，从而弹出距离最小的邻域像素，同时将该距离最小的邻域像素赋上标签信息并更新同标签像素点的特征均值；S24直到队列为空且所有的像素点均被标记，得到超像素的标签图，从而表达地表的空间异质性。4.根据权利要求3所述的云计算时空融合方法，其特征在...

【专利技术属性】
技术研发人员：沈永林，马雨阳，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：