分析后，均获取前2个主成分分量，每一个波段对应2个主成分分量，也即4个波段依次得到4组主成分分量，每组包括对应该波段的2个主成分分量。
[0048]步骤S210:对待处理遥感图像的波段值与4组主成分分量分别做线性回归分析，以得到4个统计学关系式。
[0049]也即，对bl与第一个波段的主成分分量、b2与第二个波段的主成分分量、b3与第三个波段的主成分分量、b4与第四个波段的主成分分量分别各自进行线性回归分析，得到每一波段对应的统计学关系式。
[0050]步骤S212:在有云或条带区反推4个统计学关系式，得到有云或条带区的数据，与待处理遥感图像对应波段的连续数据分别组合，得到4组空间连续的数据。
[0051]4组空间连续的数据为{bl'，b2'，b3'，b4'}，实现由空间不连续数据{bl，b2，b3，b4}转化为空间连续数据{bl'，b2'，b3'，b4'}。
[0052]采用该优选实施例，采用新思路，充分利用数据时间序列信息，借助主成分分析方法能准确实现空间不连续数据的恢复，实现云或条带区的数据恢复;进一步地，在有云或条带区反推统计学关系式，能够减少数据运算。
[0053]实施例三
[0054]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3，该方法可以包括以下步骤。
[0055](I)收集与待处理遥感图像(有云或有条带)相邻几天的晴空数据，至少保证相邻时间的影像在云或有条带区是晴空的。
[0056](2)针对上述晴空数据的某一个波段，在晴空区域内，将相邻几天的晴空遥感图像对应的波段做主成分分析，并保留前2个主成分分量。对于某一天来说，若有5个波段，就需要做5次主成分分析。
[0057](3)待处理影像的对应波段值与(2)中主成分分量做线性回归分析，建立待处理影像与主成分分量的关系。
[0058](4)上述处理逐波段做，这样就能将多光谱影像每个波段的云或条带准确祛除。
[0059]由于短期内地物类型变化不会太大，时间序列信息更可靠。因此，本申请利用一种全新的思路，充分考虑数据的时间序列信息实现云或条带区地物的恢复，实现去云或去条带目的。传统的遥感图像去云或去条带基本都利用周围地物的信息，而没用到相对可靠的时间序列信息，该实施例充分利用数据时间序列信息，借助主成分分析方法实现云或条带区的数据恢复。
[0060]以上是对本发明所提供的多光谱遥感图像去云和去条带方法进行的描述。下面将对本发明提供的多光谱遥感图像去云和去条带装置进行描述，需要说明的是，该装置可用于执行上述任意一种多光谱遥感图像去云和去条带方法。
[0061 ]实施例四
[0062]与本发明实施例一提供的多光谱遥感图像去云和去条带方法相对应，本发明实施例还提供了一种多光谱遥感图像去云和去条带装置，参见图4，该装置可以包括确定模块420、获取模块440、统计模块460和反推模块480。
[0063]确定模块420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，例如为具有云或条带的图像。获取模块440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460用于建立待处理遥感图像与数据集的统计学关系式。反推模块480用于反推统计学关系式得到空间连续的数据。
[0064]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，统计模块460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480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。
[0065]优选地，第一波段为M个波段中的任一波段，统计模块460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。
[0066]优选地，第二波段为M个波段中的任一波段，统计模块460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。
[0067]本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于本申请的装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0068]以上所述，仅为本发明较佳的【具体实施方式】，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
【主权项】
1.一种多光谱遥感图像去云和去条带方法，其特征在于，包括: 确定待处理遥感图像对应的时间和区域，其中，所述待处理遥感图像由空间不连续的数据构成； 获取与所述时间相邻N天的、对应所述区域的晴空遥感图像的数据集，N为预设值； 建立所述待处理遥感图像与所述数据集的统计学关系式；以及 反推所述统计学关系式得到空间连续的数据。2.根据权利要求1所述的多光谱遥感图像去云和去条带方法，其特征在于，所述待处理遥感图像和所述晴空遥感图像均包括M个波段，M为正整数， 建立所述待处理遥感图像与所述数据集的统计学关系式具体为:针对每一个波段，分别建立所述待处理遥感图像与所述数据集的统计学关系式，得到M个所述统计学关系式； 反推所述统计学关系式得到空间连续的数据具体为:反推所述M个所述统计学关系式得到M组空间连续的数据。3.根据权利要求2所述的多光谱遥感图像去云和去条带方法，其特征在于，第一波段为所述M个波段中的任一波段，针对所述第一波段，建立所述待处理遥感图像与所述数据集的统计学关系式包括: 对所述待处理遥感图像的所述第一波段与所述数据集中N天的晴空遥感图像的所述第一波段进行线性回归分析，以得到所述统计学关系式。4.根据权利要求2所述的多光谱遥感图像去云和去条带方法，其特征在于，第二波段为所述M个波段中的任一波段，针对所述第二波段，建立所述待处理遥感图像与所述数据集的统计学关系式包括: 对所述数据集中N天的晴空遥感图像的所述第二波段进行主成分分析； 分别获取所述主成分分析后的前P个主成分分量，得到一组主成分分量，P为正整数，P〈N； 对所述待处理遥感图像的所述第二波段与所述一组主成分分量做线性回归分析，以得到所述统计学关系式。5.根据权利要求4所述的多光谱遥感图像去云和去条带方法，其特征在于，P为2，M为5。6.根据权利要求1至4中任一项所述的多光谱遥感图像去云和去条带方法，其特征在于，所述待处理遥感图像为具有云或条带的图像。7.一种多光谱遥感图像去云和去条带装置，其特征在于，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，所述待处理遥感图像由空间不连续数据构成； 获取模块，用于获取与所述时间相邻N天的、对应所述区域的晴空遥感图像的数据集，N为预设值； 统计模块，用于建立所述待处理遥感图像与所述数据集的统计学关系式；以及 反推模块，用于反推所述统计学关系式得到空间连续的数据。8.根据权利要求7所述的多光谱遥感图像去云和去条带装置，其特征在于，所述待处理遥感图像和所述晴空遥感图像均包括M个波段，M为正整数， 所述统计模块具体执行以下步骤:针对每一个对应波段，分别建立所述待处理遥感图像与所述数据集的统计学关系式，得到M个所述统计学关系式； 所述反推模块具体执行以下步骤:反推所述M个所述统计学关系式得到M组空间连续的数据。9.根据权利要求8所述的多光谱遥感图像去云和去条带装置，其特征在于，第一波段为所述M个波段中的任一波段，所述统计模块在针对所述第一波段，建立所述待处理遥感图像与所述数据集的统计学关系式时，具体执行以下步骤: 对所述待处理遥感图像的所述第一波段与所述数据集中N天的晴空遥感图像的所述第一波段进行线性回归分析，以得到所述统计学关系式。10.根据权利要求8所述的多光谱遥感图像去云和去条带装置，其特征在于，第二波段为所述M个波段中的任一波段，所述统计模块在针对所述第二波段，建立所述待处理遥感图像与所述数据集的统计学关系式时，具体执行以下步骤: 对所述数据集中N天的晴空遥感图像的所述第二波段进行主成分分析； 分别获取所述主成分分析后的前P个主成分分量，得到一组主成分分量，P为正整数，P〈N； 对所述待处理遥感图像的所述第二波段与所述一组主成分分量做线性回归分析，以得到所述统计学关系式。
【专利摘要】本发明公开了一种多光谱遥感图像去云和去条带方法和装置。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。通过本发明，能够提高将空间不连续数据转化为连续数据时的准确性。
【IPC分类】G06T5/00
【公开号】CN105574825
【申请号】CN201510944564
【发明人】王天星, 施建成
【申请人】中国科学院遥感与数字地球研究所
【公开日】2016年5月11日
【申请日】2015年12月16日