【技术实现步骤摘要】
本专利技术属于遥感影像处理，具体涉及到一种用于获取高频次长时序遥感影像的处理方法和装置。
技术介绍
1、随着遥感技术的进步，我们能够获取到高分辨率的城市和自然环境遥感影像，覆盖广泛地域，并涵盖不同时间点的数据。这种大规模的时间序列数据集为科学家、政府机构和环境监测者提供了数据支撑，有助于更好地理解和监测地球表面的变化，具体而言，它在城市规划、农业领域和环境保护方面发挥着关键作用。在城市规划中，长时间序列的遥感影像可以用于监测城市扩张、土地利用变化以及城市绿化的演变。对于农业领域，长时间序列的遥感数据则可用于监测农田的季节性变化、作物生长情况和灾害风险。在环境保护方面，这些数据还可用于监测森林覆盖变化情况、湿地变化和海岸线演变，有助于制定可持续发展和生态保护的政策。
2、然而，传统的遥感数据获取方法通常受制于卫星的过境周期和云覆盖等因素，获得的数据在时间点上往往不等间隔，也因为云污染对影像的干扰，导致遥感数据缺失严重，很难获得时间上等间隔且有效的遥感影像，难以满足动态监测的要求。为了满足遥感动态监测数据在时间上等间隔和空间上完整有效的要求，有学者提出了多时相影像互补的方法来填补去云，但传统的多时相影像互补的方法需要经过人工筛选出一张高质量的参考影像，费时费力；也有研究人员使用深度学习的方法，通过强大的非线性拟合能力和生成对抗网络来提高云去除的准确度和效率。尽管深度学习方法表现出色，但它们通常需要大量的训练数据，且对数据的质量要求较高。这些方法处理效率低，需要过多的人工干预和较高的数据质量，无法满足需要实时动态监测场景的
技术实现思路
1、本专利技术要克服现有技术中存在的上述问题，提供一种用于获取高频次长时序遥感影像的处理方法和装置。
2、本专利技术提高数据的处理效率，不需要过多人工干预的同时能够提高遥感数据的获取频次和时序覆盖范围，从而更好地满足农业、环境监测和城市规划等领域对实时高质量遥感数据的需求。
3、本专利技术的关键步骤包括基于类别标签文件去除大范围地区的遥感影像中的云，并通过多时相影像累积合成的方式进行数据插补，最后通过插值进行数据重构获取等间隔遥感影像时间序列。
4、本专利技术的第一个方面提供一种用于获取高频次长时序遥感影像的处理方法，具体实施步骤如下：
5、步骤1：准备研究区遥感数据；
6、首先需要选择研究区域，确定好地理范围、时间范围和分辨率，然后获取包含红、绿、蓝、近红外波段四波段的多光谱遥感影像数据p以及影像对应的分类标签文件f。遥感数据按照区块的划分进行获取，分区块进行处理。
7、步骤2：对多光谱影像去云处理；
8、配合分类标签文件f中的云元素类别，生成对应的云掩膜文件m，以此标注出有云的区域，对研究区的多光谱图像p进行云的去除，将需要的元素保留，不需要的元素在影像中设为空值。
9、
10、其中，di表示图像中的第i像素点的值，pi表示原始的多光谱遥感影像第i像素点的数据，mi表示图像中第i像素点对应生成的云掩膜文件类型，nodata表示图像中的空值。
11、步骤3：对多光谱影像进行数据插补；
12、去云后多光谱图像d中的空值数据插补使用了多时相影像累积合成的方法，具体步骤如下：
13、3.1准备初始数据：
14、d1：第一期的数据(无需填补)
15、3.2迭代填补：
16、对于每期m(从2开始，到最后一期结束)：
17、使用前一期的数据dm-1来填补当前期dm的缺失部分。
18、更新后的dm可以通过以下公式计算：
19、
20、其中，表示更新后的第m期数据，dm是原始的第m期数据，mm是第m期云掩膜矩阵，用于指示哪些位置需要从前一期的数据中获取值来进行填补，⊙表示元素乘法，意味着在mm为1的位置，dm-1的值会被用于填补dm。
21、3.3最终输出：
22、经过上述迭代过程后，每期的数据dm都被填补或更新。
23、经过该步骤之后，得到了一个相对完整，但在时间上仍不是等间隔的数据dnew。
24、步骤4：对多光谱影像进行时间序列数据重构；
25、首先，已经有一组在时间上不等间隔的数据点，表示为dnew，具体为一些离散点(x0，y0)，(x1，y1)，…，(xn，yn)，xi表示不同的时间点，yi表示xi时间点上的影像像素值，这里的i＝{0，1，2，...，n}。
26、现在，通过三次样条插值的方法，将这些不等间隔的数据点dnew重构成等间隔时间点上的影像数据v，在每个区间[xi，xi+1]上，三次样条函数si(x)可以表示为：
27、si(x)＝ai+bi(x-xi)+ci(x-xi)2+di(x-xi)3 (3)
28、之后通过给定的dnew数据拟合出一条光滑的曲线，再给一组在时间上是等间隔的集合{t0，t1，t2…tn}，就可以获得对应时间点上的影像像素值，表示为(t0，v0)，(t1，u1)，…，(tn，vn)，当获取到所有时间点上的所有影像像素点之后，从而得到一个研究区各个区块的高频次长时序遥感影像数据v。
29、步骤5：对多光谱影像进行时间序列数据镶嵌；
30、步骤51：影像数据v由于是分块进行处理，如果直接拼接，会影响最终影像的质量，因此需先进行预处理，包括裁剪、调整亮度、对比度、色彩平衡的操作。
31、步骤52：利用特征点提取和匹配确定图像之间的对应关系，进行图像对齐。
32、步骤53：通过融合算法将对齐后的图像合并，最后调整整体的色彩平衡、亮度和对比度，以确保拼接后的图像整体质量良好，最终输出镶嵌结果，获得研究区整体的高频次长时序遥感影像数据。
33、本专利技术的第二个方面涉及一种于获取等间隔的高频次长时序遥感时间序列的装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现本专利技术的用于获取等间隔的高频次长时序遥感时间序列的方法。
34、本专利技术的第三个方面涉及一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现本专利技术的用于获取等间隔的高频次长时序遥感时间序列的方法。
35、本专利技术的优点是：
36、1)本专利技术充分利用了现有的数据信息，用相邻时间点进行填补缺失值，这在农作物变化监测上具有很强的可靠性。
37、2)本专利技术利用基于类别标签文件的方法进行去云处理，能够很好的解决目前数据处理的效率问题。
38、3)本专利技术采用多时相影像累计合成的方式进行数据的插补，能够很好的解决人工干预问题，不需要手动选取一张参考影像后才进行插补。
39、4)本专利技术使用三次样条插值进行数据的重构来获取高频次长时序的时间序列数据，能够很好的解决原影像的时间不等间隔的问题。
本文档来自技高网...【技术保护点】
1.一种用于获取等间隔的高频次长时序遥感时间序列的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种于获取等间隔的高频次长时序遥感时间序列的方法，其特征在于：步骤1中准备研究区遥感数据具体步骤如下：
3.根据权利要求1所述的一种于获取等间隔的高频次长时序遥感时间序列的方法，其特征在于：步骤2对对多光谱影像进行去云处理，具体步骤如下：
4.根据权利要求1所述的一种于获取等间隔的高频次长时序遥感时间序列的方法，其特征在于：步骤3中对多光谱影像进行数据插补具体步骤如下：
5.根据权利要求1所述的一种于获取等间隔的高频次长时序遥感时间序列的方法，其特征在于：步骤4中对多光谱影像进行时间序列数据重构，具体步骤如下：
6.根据权利要求1所述的一种于获取等间隔的高频次长时序遥感时间序列的方法，其特征在于：步骤5中对多光谱影像进行时间序列数据镶嵌，具体步骤如下：
7.一种于获取等间隔的高频次长时序遥感时间序列的装置，其特征在于，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所
8.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时，实现权利要求1-6中任一项所述的用于获取等间隔的高频次长时序遥感时间序列的方法。
...【技术特征摘要】
1.一种用于获取等间隔的高频次长时序遥感时间序列的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种于获取等间隔的高频次长时序遥感时间序列的方法，其特征在于：步骤1中准备研究区遥感数据具体步骤如下：
3.根据权利要求1所述的一种于获取等间隔的高频次长时序遥感时间序列的方法，其特征在于：步骤2对对多光谱影像进行去云处理，具体步骤如下：
4.根据权利要求1所述的一种于获取等间隔的高频次长时序遥感时间序列的方法，其特征在于：步骤3中对多光谱影像进行数据插补具体步骤如下：
5.根据权利要求1所述的一种于获取等间隔的高频次长时序遥感时间序列的方法，其特征在于：步骤4中对多光谱影...
【专利技术属性】
技术研发人员：杨辽，曾友，
申请(专利权)人：杭州市滨江区浙工大网络空间安全创新研究院，
类型：发明
国别省市：
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。