[发明专利]一种高频次遥感时间序列数据的时域重建方法

说明书

本发明涉及高频次遥感时间序列数据的时域重建方法，包括以下步骤：步骤1，对多天合成的遥感时间序列数据进行时域滤波，得到高质量的多天合成的遥感时间序列数据；步骤2，对步骤1生成的高质量的多天合成的时间序列数据进行时域插值重建，得到与目标数据时间分辨率一致的高频次遥感时间序列数据；步骤3，以原始的高频次时间序列数据为标准，将近似的高频次遥感时间序列数据进行归一化处理；步骤4，对近似的高频次遥感时间序列数据进行真值还原；步骤5，对低质量的高频次遥感时间序列数据进行泊松校正。本发明提出的方法可以有效的消除云等因素的影响，提高遥感时间序列数据的质量和可靠性，为后续应用提供可靠的支撑。

技术领域

本发明涉及时域重建方法，具体涉及高频次遥感时间序列数据的时域重建方法。

背景技术

高频次的卫星传感器可以提供高时间分辨率的遥感数据。例如NOAA AdvancedVery High Resolution(AVHRR)每天可以对地面同一地区进行两次观测，Terra/AquaModerate Resolution Imaging Spectroradiometer(MODIS)可以达到一天一次的对地观测，地球静止卫星可以获取以秒为单位的高时间分辨率的遥感数据。通过这些传感器我们可以获取长达30多年的卫星遥感时间序列数据。但是，数据在获取过程不可避免的会受到大气环境或者传感器故障的影响出现信息缺失现象，使得遥感影像的正常使用受到阻碍。因此，发展合理的时域重建方法，为遥感时间序列数据集在获取之后重建，提高数据的质量和稳定性是一项意义重大的课题。

目前，针对遥感时间序列数据中信息缺失问题很多学者已经提出了多种解决方法，但是绝大部分方法基于严格的客观条件无法有效对高频次遥感数据进行重建。例如时域滤波算法是对时间序列数据进行高质量重建的一类方法，主要是针对遥感时间序列合成产品的处理方法，在处理过程没有保持原始高质量像元值不变。并且，没有相关文献验证此类方法在处理高频次遥感数据产品中的有效性。其次，多时相合成方法是一类有效的处理高频次遥感数据信息缺失的方法。但是，该类方法是以牺牲遥感时间序列数据的时间分辨率为代价，获得的时间序列数据产品无法保持遥感数据原有的时间分辨率。

发明内容

本发明针对现有技术对高频次遥感时间序列无法有效重建的缺点，提出一种容易实现，效率高，实用性强的高频次遥感时间序列数据的时域重建方法。

为实现上述技术目的，本发明采用了以下技术方案：

高频次遥感时间序列数据的时域重建方法，包括以下步骤：

步骤1，对多天合成的遥感时间序列数据进行时域滤波，得到高质量的多天合成的遥感时间序列数据；

步骤2，对步骤1生成的高质量的多天合成的时间序列数据进行时域插值重建，得到与目标数据时间分辨率一致的高频次遥感时间序列数据；

步骤3，以原始的高频次时间序列数据为标准，将近似的高频次遥感时间序列数据进行归一化处理；

步骤4，对近似的高频次遥感时间序列数据进行真值还原，得到低质量的高频次遥感时间序列数据；

步骤5，对低质量的高频次遥感时间序列数据进行泊松校正，达到去除重建痕迹的目的，得到高质量的高频次时间序列数据。

而且，步骤1中对合成时间序列数据进行时域滤波，其实现方式为：由移动加权谐波分析法对原始的合成遥感是序列数据进行滤波处理，该技术为现有技术，子步骤为：

步骤1.1：对待重建时刻t数据进行时域滤波，首先对原始合成的时间序列数据y(t)中其他数据点分配权值，其权值w计算方式为：

其中，s′＝|t-t_i|，s＝s′/r，r为移动加权谐波分析方法中的支持域半径参数。