[发明专利]遥感影像高时空融合处理算法及装置

说明书

本发明公开了一种遥感影像高时空融合处理算法、装置，获取低空间高时间的第一遥感影像和高空间低时间的第二遥感影像；对第一遥感影像进行重采样得到第三遥感影像；对第二遥感影像进行降采样得到第四遥感影像；将第三遥感影像和第四遥感影像输入至SRCNN网络，得到具有中间空间分辨率的第一重建影像；对第一重建影像进行重采样得到具有第二空间分辨率的第一重建影像；将具有第二空间分辨率的第一重建影像和第二遥感影像输入至SRCNN网络得到第二重建影像，将第二重建影像输入至时空融合模型得到高空间高时间的遥感影像。解决了现有技术中，将遥感影像进行时空融合得到高时空分辨率特征数据的过程融合算法复杂度高，融合质量低，运算效率低的问题。

技术领域

本发明涉及图像处理和模式识别技术领域，具体涉及一种遥感影像高时空融合处理算法、装置、电子设备及计算机可读存储介质。

背景技术

光学遥感影像因其具有丰富的地物光谱特征、数据多样性以及便于获取和处理分析等特性，在植被变化监测、地表温度监测、农作物生长监测、洪水监测等方面得到了应用。目前，大范围植被变化监测、地表温度监测、农作物生长监测、洪水监测主要采用中分辨率成像光谱仪(Moderate-resolution Imaging Spectroradiometer，简称为MODIS)等低空间分辨率遥感影像，尽管低空间分辨率影像在大范围监测中发挥了重要作用，但其空间分辨率低以及存在大量混合像元，使得基于低空间分辨率影像数据的提取精度难以满足小区域尺度上的需求，特别是城市地表植被变化监测、温度监测、洪水监测等方面的需求。而中高空间分辨率卫星(如Landsat)因其重访周期以及天气的影响，在植被、温度、农作物生长变化，以及洪水发生后难以获取数据，在实际监测中的应用受到了限制。因此，如何同时获取高时间和高空间分辨率遥感影像是解决这一问题的关键所在。

受限于卫星传感器的硬件条件与发射成本，其获取的单一遥感影像在空间分辨率和时间分辨率上并不能兼而有之，制约了遥感影像的应用。另外，早期一些搭载传感器的卫星发射升空后，已获取了海量数据。然而受限于当时的技术与条件，所获得的这些遥感影像在时空分辨率之间不得不做出更多的取舍，难以直接利用这些影像。

遥感影像时空融合技术是将高空间－低时间分辨率数据与低空间－高时间分辨率数据进行融合，从而获取具有高时空分辨率特征数据的一种方法。利用遥感影像时空融合算法来获取高时空分辨率的遥感影像，有利于解决遥感影像时空分辨率之间的矛盾，不仅可以丰富现有遥感影像的应用领域与价值，还可以提高对海量遥感历史数据的利用效率。遥感时空融合技术能够在低成本条件下实现应用领域对遥感影像数据时间分辨率和空间分辨率的巨大需求，通过数据融合预测方法丰富影像的时间维与空间维信息。遥感时空融合技术大致可分类为三类：基于变换模型的融合方法、基于重建模型的融合方法，以及基于学习模型的融合方法。

基于变换模型的融合方法是最早实现的遥感时空数据融合方法。Malenovsky等人首次通过实验证明了MODIS(250m，500m)和Landsat TM(30m)影像时空融合的可行性，基于变换的融合方法是指对遥感影像进行数据变换(如小波分解等)后，对变换所得数据进行融合处理，再进行反变换，从而得到未知时刻高分辨率影像。通过小波变换方式，借鉴空间分辨率与光谱分辨率的融合方法，对分别采样到480m分辨率的MODIS影像低频信息和240m分辨率的Landsat影像高频信息进行时空融合，生成的预测影像在保留MODIS影像整体特征的情况下，同时具有Landsat数据的细节效果，该方法提高了MODIS系列影像的空间分辨率。但该方法提高空间分辨率只达到了240m，而且在融合时使用的Landsat数据为上一个时相数据，导致在一些发生了地表变化的区域，最终结果相比真实数据差距比较大。该方法所得融合结果的分辨率较低，而且在发生变化的区域融合效果较差。

Shevyrnogov等人在时空融合时进行主成分变换，利用主成分分析方法得到多光谱扫描仪(Mulri Spectral Scanner，简称为MSS)数据的第一主成分分量，提取亮度分量，通过融合MSS传感器亮度分量数据和NOAA传感器植被覆盖指数数据，得到高时空分辨率的植被覆盖指数数据。