[发明专利]基于傅里叶域解混的遥感图像空时融合方法

说明书

本发明公开了一种基于傅里叶域解混的遥感图像空时融合方法，其特征在于，包括：将第一时刻的高分辨率图像和第二时刻的低分辨率图像变换至傅里叶域进行处理，得到重构的第二时刻的高分辨率图像傅里叶谱；将所述重构的第二时刻的高分辨率图像傅里叶谱与第二时刻的低分辨率图像傅里叶谱进行融合，并反变换至空间域得到第二时刻的低分辨率融合图像；基于高分辨率图像和低分辨率图像之间的波段线性映射关系，通过所述第二时刻的低分辨率融合图像映射得到最终融合图像。本发明通过将高低两种不同分辨率图像变换至傅里叶域中进行处理，可将两者之间复杂的卷积关系简单表示为乘积关系，既减小了计算量又能更精确描述卷积关系。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于傅里叶域解混的遥感图像空时融合方法。

背景技术

受卫星载荷技术水平的限制，遥感卫星的空间分辨率与重访频率是相互制约的一对指标，高分辨率的卫星重访率低，而低分辨率卫星重访率更高。对于MODIS、Sentinel-3等粗分辨率卫星(分辨率250-500米)来说，可以达到1-2天量级的重访周期；Landsat、Sentinel等中等分辨率卫星(分辨率10-30米)一般重访周期20天甚至更久，考虑到云雨遮盖问题，实际平均重访周期约为30天左右；而对于高分-2号等米量级分辨率卫星重访周期长达50-60天，再考虑云雨遮盖的话，重访周期更长。而在很多遥感应用中往往希望遥感图像既有很高的分辨率又有很高的重访频率，例如农业遥感要精确到每家每户的话分辨率需要达到10米量级，在农作物生长旺季往往一到两周就完成一个生长周期，因此对卫星的有效重访需要达到7-10天，现有卫星难以满足要求。

为了解决遥感卫星分辨率和重访周期的矛盾，前人陆续提出了一些不同分辨尺度遥感数据空时融合的方法，通过少量其他时期的高分辨率图像，以及当前时刻的低分辨率图像，融合出当前时刻的高分辨率图像，这样就可以结合高分辨率遥感卫星和低分辨率遥感卫星图像的优势，得到高分辨率和高重访周期的遥感图像。

但是目前的空时这些方法主要都是基于空间域的空时融合方法，基于空间域的处理方法主要有如下几点缺陷：

1.低分辨率图像与高分辨率图像之间存在较为复杂的卷积关系，基于空间域的方法在处理复杂卷积关系时计算量较大，目前的方法往往对卷积关系进行比较粗略的近似，导致融合效果不佳；

2.而对于季节变化等情况，地物植被往往存在大尺度结构的变化。基于空间域的方法往往对局部纹理的计算比较精确，但是对于整体性的大尺度结构时间变化容易失真。

在以往的空时融合方法中，解混是其中一类应用较广的方法。该类方法是假设场景内由若干类地物组成，每类地物随着时间变化是相近的，采用高分辨率图像进行地物分类，低分辨率图像每个像素由多个高分辨率像素组成，通过最小二乘等算法可以估计出各类在低分辨率图像中的反射率，从而重构出新的高分辨率图像。解混方法可以实现跨波段融合，也就是高分辨率图像和低分辨率图像可以是不同的波段，并且对于细节可以有较好的保持，得到了众多学者的关注，并出现了很多变种。但是目前的解混方法主要有如下缺陷：

1.对分类数量敏感，分类太少容易导致不同地物混为同一类，分类太多导致每类点数有限，进行最小二乘估计时误差较大；

2.解混方法认为地物类型不会发生变化。但是实际中地物类型经常发生改变，比如某片区域发生过火，某片区域更换农作物等情况，难以处理地物结构的变化。

发明内容

(一)要解决的技术问题

本发明的目的在于提供一种基于傅里叶域解混的遥感图像空时融合方法，以至少部分解决上述技术问题。

(二)技术方案

根据本发明的一方面，提供一种基于傅里叶域解混的遥感图像空时融合方法，其特征在于，包括：