一种多光谱遥感图像去云和去条带的方法和装置的制造方法
【技术领域】
[0001]本发明涉及遥感图像技术领域，具体而言，特别涉及一种多光谱遥感图像去云和去条带方法和装置，能够将空间不连续的数据转化为空间连续的数据，达到去云或去条带的目的，恢复云下或条带信息的目的。
【背景技术】
[0002]遥感图像目前已广泛应用于卫星图像处理、全球变化研究等各种应用中，其中，具体在土地覆盖分类、变化检测、资源调查、农业估产、环境质量评价、灾害评估、气象预报等应用中，需要空间连续的数据构成的遥感图像，但是由于气象因素或传感器等硬件因素，使得遥感图像中有云或条带等，从而遥感图像的数据在空间上不连续。
[0003]在现有技术中，对遥感图像去云和去条带，也即将空间不连续的数据转化为空间连续的数据时，一般采用以下的思路:在建立待研究区域的遥感图像与其周围区域的遥感图像的关系后，借助该周围区域的晴空遥感图像，恢复待研究区域云下或条带下的信息，使得数据在空间上连续，也即达到对遥感图像去云和去条带的目的。
[0004]然而，由于待研究区域与其周围区域的地物不同，二者建立的关系也很不稳定，从而在将空间不连续数据转化为连续数据时，准确性较差。
【发明内容】
[0005]本发明的主要目的在于提供一种多光谱遥感图像去云和去条带的方法和装置，以解决现有技术中将空间不连续数据转化为连续数据时准确性较差的问题。
[0006]依据本发明的一个方面，提供了一种多光谱遥感图像去云和去条带的方法，该方法包括:确定待处理遥感图像对应的时间和区域，其中，待处理遥感图像由空间不连续的数据构成;获取与时间相邻N天的、对应区域的晴空遥感图像的数据集，N为预设值;建立待处理遥感图像与数据集的统计学关系式；以及反推统计学关系式得到空间连续的数据。
[0007]进一步地，待处理遥感图像和晴空遥感图像均包括M个波段，M为正整数，建立待处理遥感图像与数据集的统计学关系式具体为:针对每一个波段，分别建立待处理遥感图像与数据集的统计学关系式，得到M个统计学关系式;反推统计学关系式得到空间连续的数据具体为:反推M个统计学关系式得到M组空间连续的数据。
[0008]进一步地，第一波段为M个波段中的任一波段，针对第一波段，建立待处理遥感图像与数据集的统计学关系式包括:对待处理遥感图像的第一波段与数据集中N天的晴空遥感图像的第一波段进行线性回归分析，以得到统计学关系式。
[0009]进一步地，第二波段为M个波段中的任一波段，针对第二波段，建立待处理遥感图像与数据集的统计学关系式包括:对数据集中N天的晴空遥感图像的第二波段进行主成分分析;分别获取主成分分析后的前P个主成分分量，得到一组主成分分量，卩为正整数，P〈N ；对待处理遥感图像的第二波段与一组主成分分量做线性回归分析，以得到统计学关系式。
[0010]进一步地，P为2，M为5。
[0011]进一步地，待处理遥感图像为具有云或条带的图像。
[0012]依据本发明的一个方面，提供了一种多光谱遥感图像去云和去条带装置，该装置包括:确定模块，用于确定待处理遥感图像对应的时间和区域，其中，待处理遥感图像由空间不连续数据构成;获取模块，用于获取与时间相邻N天的、对应区域的晴空遥感图像的数据集，N为预设值;统计模块，用于建立待处理遥感图像与数据集的统计学关系式；以及反推模块，用于反推统计学关系式得到空间连续的数据。
[0013]进一步地，待处理遥感图像和晴空遥感图像均包括M个波段，M为正整数，统计模块具体执行以下步骤:针对每一个对应波段，分别建立待处理遥感图像与数据集的统计学关系式，得到M个统计学关系式;反推模块具体执行以下步骤:反推M个统计学关系式得到M组空间连续的数据。
[0014]进一步地，第一波段为M个波段中的任一波段，统计模块在针对第一波段，建立待处理遥感图像与数据集的统计学关系式时，具体执行以下步骤:对待处理遥感图像的第一波段与数据集中N天的晴空遥感图像的第一波段进行线性回归分析，以得到统计学关系式。
[0015]进一步地，第二波段为M个波段中的任一波段，统计模块在针对第二波段，建立待处理遥感图像与数据集的统计学关系式时，具体执行以下步骤:对数据集中N天的晴空遥感图像的第二波段进行主成分分析;分别获取主成分分析后的前P个主成分分量，得到一组主成分分量，P为正整数，P〈N;对待处理遥感图像的第二波段与一组主成分分量做线性回归分析，以得到统计学关系式。
[0016]通过本发明，在将遥感图像对应的空间不连续的数据转化为空间连续的数据，也即，对遥感图像去云或去云带时，考虑数据的时间序列信息，建立待处理遥感图像与待处理遥感图像时间相邻几天的晴空遥感图像之间的统计学关系式，再反推统计学关系式得到空间连续的数据，与传统利用周围区域信息相比，由于相邻几天内，也即短期内地物类型变化不会太大，时间序列信息更可靠，解决了现有技术中准确性较差的问题。
[0017]上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的【具体实施方式】。
【附图说明】
[0018]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中:
[0019]图1是根据本发明第一实施例的一种多光谱遥感图像去云和去条带方法的流程图；
[0020]图2是根据本发明第二实施例的一种多光谱遥感图像去云和去条带方法的流程图；
[0021]图3是根据本发明第三实施例的一种多光谱遥感图像去云和去条带方法的流程图；以及
[0022]图4是根据本发明第四实施例的一种多光谱遥感图像去云和去条带装置的框图。
【具体实施方式】
[0023]下面结合附图和【具体实施方式】对本发明做进一步说明。需要指出的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0024]实施例一
[0025]本发明实施例一提供了一种多光谱遥感图像去云和去条带方法，参见图1，该方法可以包括以下步骤:
[0026]步骤SI 02:确定待处理遥感图像对应的时间和区域。
[0027]由于气象因素或传感器等硬件因素，导致部分遥感图像的数据在空间上不连续，例如遥感图像中有云或有条带，由于云或条带导致数据的空间不连续，该实施例中对该类遥感图像进行处理。
[0028]在确定待处理遥感图像之后，进一步确定其地理属性和时间属性，也即确定其是哪一区域、哪一天的图像。
[0029]步骤S104:获取与时间相邻N天的、对应区域的晴空遥感图像的数据集。
[0030]在步骤S102中确定要获取的晴空遥感数据图像的区域和时间之后，在该步骤中，获取在与这一时间相邻N天的、对应于这一区域的晴空遥感图像，构成一个数据集，其中，N为预设值，例如N为6。
[0031]步骤S106:建立待处理遥感图像与数据集的统计学关系式。
[0032]在该步骤中，通过统计分析方法，建立待处理遥感图像与数据集的统计学关系式，例如将二者进行线性回归分析等。
[0033]步骤S108:反推统计学关系式得到空间连续的数据。
[0034]对得到的统计学关系式进行反推，反推后即可得到空间连续的数据，也即对待处理图像的云或条带部分的数据进行了补充，实现了图像上的去云和去条带。
[0035]优选地，待处理遥感图像和晴空遥感图像均包括M个波段，M为正整数，在步骤S106中，针对每一个对应波段，分别建立待处理遥感图像与数据集的统计学关系式，能够得到M个统计学关系式;在步骤S108中，反推M个统计学关系式得到M组空间连续的数据。
[0036]采用该实施例，在将遥感图像对应的空间不连续的数据转化为空间连续的数据，也即，对遥感图像去云或去云带时，考虑数据的时间序列信息，利用待处理遥感图像时间相邻几天的晴空遥感图像的数据进行确定，与传统利用周围区域信息相比，由于相邻几天内，也即短期内地物类型变化不会太大，时间序列信息更可靠，从而转化得到的空间连续数据更准确。
[0037]实施例二
[0038]该实施例为在实施例一的基础上进一步优选的多光谱遥感图像去云和去条带方法，参见图2，该方法可以包括以下步骤:
[0039]步骤S202:确定待处理遥感图像对应的时间和区域。
[0040]该步骤与上述步骤S102相同，此处不再赘述。
[0041 ]待处理遥感图像的数据包括4个波段的数据，也即BO= {bl，b2，b3，b4}。
[0042]步骤S204:获取与时间相邻5天的、对应区域的晴空遥感图像的数据集A。
[0043]△={厶1，厶2 33，厶4}，其中，每一个波段包括5天的数据，也即厶1 = {&1，&2，&3，&4，a5} ,i = l，2，3，4o
[0044]步骤S206:依次对数据集A中每一波段的5天的数据进行主成分分析。
[0045]在该步骤中，对每一个41中5天的数据(31，32，33，34，35)进行主成分分析，共需完成4次主成分分析(每个波段一次)。
[0046]步骤S208:获取每次主成分分析后的前2个主成分分量。
[0047 ]每次主成分