[发明专利]一种基于质量分级和时空约束的全覆盖遥感影像筛选方法

权利要求书

1.一种基于质量分级和时空约束的全覆盖遥感影像筛选方法，其特征在于，包括如下步骤：

步骤1，确定遥感影像质量等级，对待筛选遥感影像进行分块，以块为单位按确定的质量等级进行质量分级，确定遥感影像中各影像块的质量等级；

步骤2，以步骤1中质量分级结果为基础，将影像块逐一作为种子点，搜索邻域中具有相同质量等级的影像块进行合并，按设置的最小面积阈值选取面积大于阈值的区域影像块组成区域影像块集；

步骤3，计算目标区域的外接矩形，对外接矩形划分格网，标记目标区域内的所有网格，将标记的格网作为目标区域的覆盖范围；基于设定的感兴趣时刻将区域影像块集中的区域影像块按成像时间差规则排序，循环遍历并记录覆盖目标的区域影像块，当目标被区域影像块全覆盖时停止遍历，计算所有记录的区域影像块的成像时间跨度，将其作为最短时间跨度；基于确定的最短时间跨度进行约束，在步骤2得到的区域影像块集中选取成像时间在最短时间跨度内的区域影像块，构建候选数据集；

步骤4，建立空间连续性约束，并基于该约束对步骤3中的候选数据集进行进一步筛选，得到最终结果。

2.如权利要求1所述的一种基于质量分级和时空约束的全覆盖遥感影像筛选方法，其特征在于：步骤1的具体实现包含以下子步骤：

步骤1.1，确定遥感影像质量等级，根据确定的遥感影像质量等级建立遥感影像质量评价样本数据集，采用基于深度学习的方法结合遥感影像质量评价样本数据集进行训练，得到遥感影像质量分级模型；

步骤1.2，对待筛选的遥感影像，按一定大小进行分块，基于建立的质量分级模型对其以块为单位进行质量分级，确定遥感影像中各影像块的质量等级。

3.如权利要求1所述的一种基于质量分级和时空约束的全覆盖遥感影像筛选方法，其特征在于：步骤2中使用区域生长算法将遥感影像中具有相同质量等级的相邻影像块合并，即循环遍历所有影像块，将影像块依次作为种子点，搜索邻域中具有相同质量等级的影像块进行合并，形成具有同一质量等级且面积较大的区域影像块。

4.如权利要求1所述的一种基于质量分级和时空约束的全覆盖遥感影像筛选方法，其特征在于：步骤2中最小面积阈值设置为原始块面积的2倍。

5.如权利要求1所述的一种基于质量分级和时空约束的全覆盖遥感影像筛选方法，其特征在于：步骤3的具体实现包含以下子步骤：

步骤3.1，计算目标区域的外接矩形，将外接矩形等间隔划分成格网，并根据网格的坐标判断其是否在目标区域内，标记目标区域内的网格，将标记的格网作为目标区域的覆盖范围；

步骤3.2，根据实际应用需求确定感兴趣时刻，以感兴趣时刻为时间种子，计算步骤2得到的区域影像块集中的各区域影像块的成像时间与时间种子的差值，将区域影像块以成像时间差值从小到大为条件进行排序，按照排序结果依次遍历区域影像块，结合当前区域影像块坐标计算其覆盖的所有网格，判断这些网格中是否存在已标记的网格，若存在则对这些已标记的网格进行二次标记，同时对当前区域影像块进行记录，若不存在则继续遍历下一个影像块；当目标覆盖范围内的网格被全部二次标记时停止遍历，计算所有记录的区域影像块的成像时间跨度，将其作为满足目标全覆盖的最短时间跨度；

步骤3.3，基于步骤3.2得到的最短时间跨度，输入步骤2得到的区域影像块集，选取区域影像块集中成像时间在最短时间跨度内的区域影像块，构建候选数据集。