[发明专利]一种基于多时相光学遥感数据的无云影像合成算法

说明书

本发明公开了一种基于多时相光学遥感数据的无云影像合成算法，包括以下步骤：对于多时相光学遥感影像F，计算其传感器权值w1，目标日权值w2，目标像元与云/云阴影距离权值w3，目标像元的不透明度权值w4；将四项权值相加作为评估目标像元总体质量的总权值W，将目标像元总权值W_总叠加F中的目标像元值V，得到合成后的目标像元；遍历整景影像，通过V_合成填充得到最佳观测像元的合成结果F1，对多时相光学遥感数据进行无云合成，得到无云、无缝、清晰且质量高的光学遥感影像。优化现有技术中的最佳像元选取准则，将最佳像元认定为所有输入像元叠加像元评分权值后的加权平均值，解决了合成影像中由于多时相数据造成的“斑块”问题。

技术领域

本发明适用于遥感影像处理技术领域，提供了基于多时相光学遥感数据的无云影像合成算法，具体而言，是一种通过最佳像元合成准则对多时相光学遥感数据进行无云影像合成的方法。

背景技术

随着全球遥感技术的不断更新与发展，能够获取的中高分辨率光学遥感影像越来越多，如美国国家航空航天局(National Aeronautics and Space Administration，NASA)的陆地卫星(Landsat-5，7，8)，欧洲航天局(European Space Agency，ESA)的哨兵卫星(Sentinel-2)以及中国高分辨率对地观测系统的高分卫星(GF-1，2，4-9)等，以及更高分辨率的商业卫星如IKONOS，QuickBird，SPOT-5，Worldview-2/3，GeoEye-1等。光学遥感影像为地球资源勘探、航空摄影测绘以及农林水利国土资源调查等研究提供强有力的信息支撑。由于光学卫星传感器的成像质量极易受云、雾等天气因素影响，影像中的地物易被大量云，云阴影和雾气等干扰或遮挡，因此难以获得清晰、完整的高质量图像，使得在后续应用中数据收集和处理成本高且影像利用率低。如何提高日益增多的光学影像数据的利用率，是目前亟待解决的问题。因此，无云影像合成技术应运而生，并随之成为近年来迅速发展的遥感影像处理技术之一。

无云影像合成是指利用多时期的遥感影像，通过制定最佳像元合成准则，选择出满足合成标准的最佳像元进行影像合成，最终获得无云无缝且清晰的高质量遥感影像。目前国际上常用的遥感影像合成算法主要包含以下四种：(1)最大归一化植被指数合成算法(Maximum Normalized Difference Vegetation Index Composite，MNC)。MNC是最早用来进行图像合成采用的准则之一，其根据最大NDVI值(Normalized Difference VegetationIndex)从多时相遥感数据中选择最佳观测像元用以进行像元级合成，MNC方法成功运用到AVHRR、MODIS和Landsat等数据的无云合成中。但对于浓密植被区，其最大NDVI值对植被敏感度降低且趋于饱和，采用MNC算法时合成结果不理想；(2)时间序列谐波分析算法(Harmonic Analysis of Time Series，HANTS)。Roerink于2010年提出该算法，通过时间内插解决了MNC合成图像中的数据缺失带，但HANTS算法中可调的算法参数只能通过经验和实验设置，无法实现客观和自动化；(3)多维中值算法(A multi-dimensional analogue ofthe median，Medoid)。Flood通过Mediod算法合成Landsat TM/ETM+的季度图像，由于季度图像的每个像元至少需要3天的无云输入才能得出预测值，因此Mediod合成结果依然存在大量无效的缺失像元；(4)像元合成算法(Pixel Based Composite，PBC)。PBC的技术思路是通过设定权值规则对多时相影像的所有像元进行评分，对于同一位置的像元，将最高得分者认定为最优像元用以进行像元级图像合成。Griffiths利用PBC算法得到Landsat TM/ETM年度合成影像进行区域覆盖制图。White改进了PBC形成BAP算法(Best Available Pixel)，利用多年数据合成年度影像，Hermosilla通过对Landsat TM/ETM进行变化监测，通过代理值法填补BAP中的数据缺失带。