一种基于无效值修正的ndvi数据重建方法
【技术领域】
[0001]本发明涉及一种NDVI数据重建方法，具体涉及一种基于无效值修正的NDVI数据重 建方法。
【背景技术】
[0002] M0DIS(中分辨率成像光谱仪)是搭载在Terra和Aqua卫星上的一个重要的传感器， 是卫星上唯一将实时观测数据通过X波段向全世界直接广播，并可以免费接收数据并无偿 使用的星载仪器，全球许多国家和地区都在接收和使用M0DIS数据。M0DIS遥感资料在获取 数据过程中，由于传感器的因素，会导致某些像素的地表反射率数据缺失，同时，受云雾、冰 雪的影响，也会导致该区域无法获得真实的地表反射率，这些严重偏离真实数据的值称其 为"无效值"。"无效值"使得NDVI(植被归一化指数)指数的计算结果不能反映地表的真实信 息，从而导致指数时间序列失真，将严重影响森林扰动监测的结果。从NDVI数据集本身出发 设计降噪处理方法，主要有阈值法、各种数学滤波、拟合函数拟合重建法以及利用辅助数据 的数据拟合法。目前使用较多的S-G滤波(Savitzky-Golay)方法是一种无先验信息的滤波， BPS-G滤波时对时间序列上的噪声不考虑其产生原因，"一视同仁"进行处理，另外，用S-G滤 波方法在一定程度上可以对长时间序列NDVI数据时域噪声进行去除，但没有考虑地物的空 间相关关系，因此，缺乏一定的科学性和合理性，从而影响数据重建效果。
【发明内容】
[0003] 针对目前常用的S-G滤波方法存在未针对噪声类型和产生的原因进行处理，以及 滤波过程中没有考虑地物空间相关关系的不足，提出依据"无效值"标记，识别不同类型噪 声，采用合适的修正方法，再利用数学形态学与S-G滤波相结合滤波，对M0DIS产品数据进行 重建，在高保真度下，使重建后的数据能有效地消除时间序列曲线和图像上的异常噪声点， 恢复原本的数据值，获得植被生长的趋势表征，达到提高NDVI指数时间序列可靠性目的。
[0004] 为实现上述目的，本发明采用的技术方案为:一种基于无效值修正的NDVI数据重 建方法，包括如下步骤：
[0005] 步骤一，NDVI产品无效值标记；
[0006] 根据影像的红光和近红外波段的地表反射率数据，获得NDVI时间序列曲线，将 NDVI时间序列曲线上的突变噪声点标记为无效点，其对应的NDVI值称为无效值；
[0007] 步骤二，基于时空最近邻线性回归方法修正无效值；
[0008] 通过建立含无效数据的影像与其在时间序列上最近邻的不含无效数据影像之间 同名区域的灰度值之间关系，修复无效值数据;所述时间序列上最近邻的不含无效数据影 像为含无效数据的影像的下一个或前一个时间的无云影像，所述无云影像对应区域全部是 有效数据；
[0009] 其中：A区为含无效数据影像的无效数据区，B区为A区外面的环状缓冲区，A'区为 不含无效数据影像中与A区相对应的同名区域，B'区为不含无效数据影像中与环状缓冲区B 区相对应的同名区域，B区和B'区中的像素都为有效像素;根据回归方程：
[0010] gB = agB'+P,
[0011] 首先，取出B区和B'区对应的像素进行回归计算，求得系数a和β，然后将A'区的像 素逐点带入回归方程，计算出A区的像素值，即完成无效数据的修复；
[0012] 步骤三，采用结合数学形态学的S-G滤波方法进行数据重建；
[0013] 利用数学形态学中的闭运算，采用一定长度的水平线状结构元对上述修复后的 NDVI时间序列曲线进行闭运算处理，对处理后的NDVI时间序列曲线进行S-G滤波处理，得到 重建NDVI时序数据。
[0014] 进一步的，步骤二中所述时间序列上最近邻的不含无效数据影像为含缺失数据的 影像的下一个或前一个时间的无云影像，其中，采用的无云影像为下一个时间的无云影像 ImgNext或前一个时间的无云影像ImgPre的判断方法如下：
[0015] 1)获得和含无效数据的影像Img时间上最邻近的前一个时间的无云影像ImgPre和 下一个时间的无云影像ImgNext;
[0016] 2)查找Img上的无效数据区A区和环状缓冲区B区，然后分别计算ImgPre和ImgNext 上对应的环状缓冲区B'和B"；
[0017] 3)取出B'和B"中的像素，分别计算与呕中像素之间的相关系数R'和R"；
[00?8] 4)若R' >R"，则采用ImgPre对Img进行修复，否则，采用ImgNext对Img进行修复。
[0019] 进一步的，步骤三中所述一定长度的水平线状结构元的长度为5。
[0020] 进一步的，步骤一中所述无效值包括：（1)由于地表反射率数据缺失，导致计算出 的光谱指数值无效，产生的缺失无效值；（2)由于冰雪覆盖，光谱指数不能正确反应应有地 物信息，产生的雪覆盖无效值；（3)由于云遮蔽，光谱指数不能正确反应地物信息，产生的云 遮蔽无效值。
[0021] 有益效果：由于该技术方案是在对NDVI产品不同"无效值"标记基础上，采用了基 于时空最近邻线性回归方法进行"无效值"的修正，并引入了数学形态学来消除噪声，充分 考虑了时间序列数据的时间相关性和空间相关性，克服了传统的单纯采用S-G滤波方法进 行数据重建的不足。
[0022] 通过重建的NDVI时间序列曲线分析，无云区、少云区和多云雾区NDVI重建图像目 视效果比较、以及图像保真度计算，结果表明基于无效值修正的NDVI数据重建方法消除了 大量无效点，恢复了云区下的地物信息，图像清晰度，目视效果好，NDVI时间序列曲线更加 符合真实的NDVI变化趋势，植被分布区误差值主要分布在0-0.2之间，大于0.2的数据很少， 与传统S-G滤波方法相比，具有明显优势。
【附图说明】
[0023]图1为基于时空最近邻线性回归方法原理图；
[0024]图2为闭运算填充孔洞和凹陷图：（a)存在"孔洞"的图像，（b) "孔洞"填充后的图 像；
[0025]图3为时间序列曲线闭运算：（a)经过基于时空最近邻线性回归方法修正的时间序 列，（b)对(a)进行闭运算的结果；
[0026]图4为NDVI时间序列重建效果比较图：（a)NDVI时间序列云/雪遮蔽无效点检测， (b)NDVI序列的重建不同方法比较；
[0027]图5为无云区域NDVI重建效果比较：（a)原始NDVI图像，（b)云区检测结果，（c)常规 S-G重建结果，（d)基于无效点修正的时间序列方法重建结果；
[0028]图6为少云区域NDVI重建效果比较：（a)原始NDVI图像，（b)云区检测结果，（c)常规 S-G重建结果，（d)基于无效点修正的时间序列方法重建结果；
[0029]图7为多云雾区域NDVI重建效果比较：（a)原始NDVI图像，（b)云区检测结果，（c)常 规S-G重建结果，（d)基于无效点修正的时间序列重建结果；
[0030] 图8为NDVI重建结果的误差分析：（a)S_G滤波结果的误差空间分布，（b)本文重建 方法的误差空间分布。（注:水体除外）
【具体实施方式】
[0031] 下面结合附图对本发明作更进一步的说明。
[0032] 基于无效值修正的NDVI数据重建方法其步骤分为三步：
[0033] 第一步:NDVI产品"无效值"标记。
[0034]首先根据影像的红光和近红外波段的地表反射率数据，获得NDVI时间序列，NDVI 时间序列曲线上的噪声可分为一般性噪声和突变性噪声，突变性噪声主要来源于三个方 面：（1)由于地表反射率数据缺失，导致计算出的光谱指数值无效；（2)由于冰雪覆盖，光谱 指数无