[发明专利]一种遥感影像时空融合方法及系统

说明书

本发明涉及一种遥感影像时空融合方法及系统。该方法包括：将已知时期的高分辨率影像重采样至已知时期的低分辨率影像的空间分辨率的2倍，构建包含两个层次的拉普拉斯金字塔网络；基于拉普拉斯金字塔网络，确定突变预测结果以及回归系数；将回归系数应用于已知时期的高分辨率影像得到初步的时间变化的预测结果；以邻域内的相似像元对初步的时间变化的预测结果进行修正，确定渐变预测结果；以基于滑动窗口的线性加权方法对突变预测结果以及渐变预测结果进行加权平均处理，确定最终的时空融合结果；所述最终的时空融合结果为预测时期的高分辨率影像。

技术领域

本发明涉及遥感影像时空融合领域，特别是涉及一种遥感影像时空融合方法及系统。

背景技术

时空融合是解决单一卫星传感器的空间分辨率和时间分辨率之间的制约关系从而构建密集影像时间序列的可行、低成本的方式。此类方法通过融合高空间分辨率低时间分辨率影像(下称高分辨影像)和低空间分辨率高时间分辨率影像(下称低分辨影像)生成兼具高空间分辨率和高时间分辨率的密集影像时间序列。现有的时空融合方法包括以下问题：(1)难以同时适用于不同地表时间变化类型包括渐变和突变的预测。(2)未考虑高分辨率影像和低分辨率影像间存在的系统辐射差异对时空融合结果产生的负面影响。(3)现有基于深度学习的时空融合方法多需要两对无云的高-低分辨率影像对，这个严格的输入条件难以适用于云污染较严重的区域。

发明内容

本发明的目的是提供一种遥感影像时空融合方法及系统，以解决现有的时空融合方法适用性差以及时空融合结果精度低的问题。

为实现上述目的，本发明提供了如下方案：

一种遥感影像时空融合方法，包括：

将已知时期的高分辨率影像重采样至已知时期的低分辨率影像的空间分辨率的2倍，构建包含两个层次的拉普拉斯金字塔网络；其中，第一层次用于实现已知时期的高分辨率影像以及已知时期的低分辨率影像的相对辐射归一化处理，第二层次用于实现预测时期的低分辨率影像的超分辨率重建；

采用高通滤波恢复超分辨率重建后的预测时期的低分辨率影像的空间细节，确定突变预测结果；

根据辐射归一化后的已知时期的低分辨率影像和辐射归一化后的预测时期的低分辨率影像建立线性回归方程，确定回归系数；

将所述回归系数应用于所述已知时期的高分辨率影像得到初步的时间变化的预测结果；

以邻域内的相似像元对所述初步的时间变化的预测结果进行修正，确定渐变预测结果；

以基于滑动窗口的线性加权方法对所述突变预测结果以及所述渐变预测结果进行加权平均处理，确定最终的时空融合结果；所述最终的时空融合结果为预测时期的高分辨率影像。

可选的，在训练阶段，所述拉普拉斯金字塔网络的输入为所述已知时期的低分辨率影像C₁；

第一层次输出为所述辐射归一化后的已知时期的低分辨率影像F₁^down，第二层次输出为所述已知时期的高分辨率影像F₁；

训练阶段的loss函数定义为：

其中，为loss函数，y代表两个层次的标签，依次为F₁^down和F₁，代表网络的输出，θ代表网络参数，ρ代表Charbonnier惩罚函数，代表训练样本的个数；为第l层次的第i′个训练样本的标签，为第l层次的第i′个输出。

可选的，所述突变预测结果为：