顾及非局部特性与时空变化的遥感数据时空定量融合方法
【技术领域】
[0001] 本发明属于遥感影像融合领域，涉及一种顾及非局部特性与时空变化的遥感数据 时空定量融合方法，充分利用多时相遥感影像中存在的互补信息以及融合区域的特征，可 以融合得到更可靠的既具有高空间又具有高时间分辨率的数据。
【背景技术】
[0002] 高分辨率、长时序、高精度遥感监测对于全球变化研宄、资源调查与管理、环境监 测等相关领域具有重要意义。然而，由于传感器设计技术上各指标的制约，使得其空间分辨 率与时间分辨率也相互制衡。为了解决这一问题，产生了相应的方法，其利用高空间分辨率 的卫星数据与高时间分辨率的卫星数据的互补信息，融合生成既具有高空间分辨率也具有 高时间分辨率的数据，即时空融合技术。目前常用的融合方法有经典的时空自适应反射率 融合方法以及基于光谱解混理论的时空自适应反射率融合方法。两种方法均有各自的优势 和局限性，经典的方法在预测主要是时间变化的区域有优势，而对于异质区域空间上的细 节变化往往难以预测出来；增强型算法在预测空间上的细节变化上有优势，但对于时间变 化的区域预测效果比较差一些。
【发明内容】
[0003] 本发明的目的在于，针对现有技术的特点，提供一种基于非局部思想的并顾及时 间与空间变化的时空定量融合方法，考虑时间和空间变化，进行时空定量融合。
[0004] 为了更好地捕捉到区域特征，本发明针对两影像对预测，结合非局部滤波，用基 于小窗口运算的经验型公式相似像元筛选方法，并进行二次筛选相似像元，采用一阶的类 似非局部均值权重，基于移动窗口运算，对相似像元加权平均，预测窗口中心像元的反射率 值。
[0005] 本发明所采用的技术方案是：一种顾及非局部特性与时空变化的遥感数据时空定 量融合方法，其特征在于，包括以下步骤：
[0006] 步骤1 :输入Tm时刻高空间与低空间分辨率影像对和Tn时刻高空间与低空间分 辨率影像对，对输入影像对进行预处理，所述的预处理包括重投影、重采样或裁剪；
[0007] 步骤2 : Tm时刻高空间与低空间分辨率影像对和Tn时刻高空间与低空间分辨率影 像对，各自利用经验型公式并结合时间差异Iuk和光谱差异S $筛选相似像元；
[0008] 步骤3 :基于非局部滤波，采用以相似像元为中心的邻域矩阵的相似度以及其与 中心像元的相对距离计算各相似像元的权重；
[0009] 步骤4 :考虑时间变化和空间变化，对时间变化的区域采用经典算法方式融合，对 空间变化的区域采用时间加权的方式融合。
[0010] 作为优选，步骤2中所述的经验型公式为：
[0011] I F(.t. , v;. ,B)- F(xti /2. jw/2 ,B)\<=d* ^'-B) (I);
[0012] 其中，F(Xi, y」，B)为基础时间高空间分辨率数据邻近像元的反射率值， F(xw/2, yw/2, B)为中心像元反射率，B为波段数，d为自由参数。
[0013] 作为优选，所述的筛选过程都是在小窗口中进行的，即计算均值。
【主权项】
1. 一种顾及非局部特性与时空变化的遥感数据时空定量融合方法，其特征在于，包括 以下步骤： 步骤1 :输入Tm时刻高空间与低空间分辨率影像对和Tn时刻高空间与低空间分辨率 影像对，对输入影像对进行预处理，所述的预处理包括重投影、重采样或裁剪； 步骤2 :Tm时刻高空间与低空间分辨率影像对和Tn时刻高空间与低空间分辨率影像 对，各自利用经验型公式并结合时间差异Iuk和光谱差异S $筛选相似像元； 步骤3 :基于非局部滤波，采用以相似像元为中心的邻域矩阵的相似度以及其与中心 像元的相对距离计算各相似像元的权重； 步骤4:考虑时间变化和空间变化，对时间变化的区域采用经典算法方式融合，对空间 变化的区域采用时间加权的方式融合。
2. 根据权利要求1所述的顾及非局部特性与时空变化的遥感数据时空定量融合方法， 其特征在于，步骤2中所述的经验型公式为： ΙΡ?.ν,,ν^β)-?^ (I); 其中，F(Xi，& B)为基础时间高空间分辨率数据邻近像元的反射率值，F(xw/2, yw/2, B)为 中心像元反射率，B为波段数，d为自由参数。
3. 根据权利要求2所述的顾及非局部特性与时空变化的遥感数据时空定量融合方法， 其特征在于：所述的筛选过程都是在小窗口中进行的，即计算均值。
4. 根据权利要求2所述的顾及非局部特性与时空变化的遥感数据时空定量融合方法， 其特征在于：步骤3的具体实现过程为，基于非局部滤波，用基于矩阵的方法计算各相似像 元的权重，采用一阶形式进行空间滤波，并在此基础上加入相对距离，具体实现方式为： η
其中，互和Γ分别为邻域矩阵的光谱差异和时间差异的均值，通过调节滤波参数h和矩 阵窗口来进行试验，最优的h的范围为[0. 001，0. 1] ;D为邻近像元（Xi, yj)与中心像元的 相对距离。
5. 根据权利要求2、3或4所述的顾及非局部特性与时空变化的遥感数据时空定量融合 方法，其特征在于： 步骤4中所述的对时间变化的区域采用经典算法方式融合，其公式为：
其中，F、C分别代表着高空间分辨率与高时间分辨率数据的反射率，（Xi，yp为给定高 空间分辨率与高时间分辨率数据像元的位置，t(l为数据获取的时间，t k为预测时间，w为搜 索窗口大小，η为输入的影像对数； 步骤4中所述的对空间变化的区域采用时间加权的方式融合，其公式为： F (Xw/2. Yw/2. tp) = F (x, y, t〇) + Σ w (x, y) *aw/2* (C (x, y, tp) -C (x, y, t〇)) (4)； 其特点是计算移动窗口内相似像元的线性回归系数aw/2，进而计算各基础时间的时相 权重，加权得到最终的融合结果。
【专利摘要】本发明公开了一种顾及非局部特性与时空变化的遥感数据时空定量融合方法，基于非局部滤波，利用移动窗口技术，首先选取相似像元，用基于小窗口运算的经验型公式筛选相似像元，并在此基础上二次筛选相似像元，以相似像元为中心的邻域矩阵的相似度以及其与中心像元的相对距离衡量权重大小，考虑时空变化，针对区域主要特征，选取相应的方式加权，最终融合得到中心像元的反射率值。本发明利用高空间分辨率数据与高时间分辨率数据的互补信息，顾及非局部特性与时空变化，融合得到既具有高空间有具有高时间分辨率的数据，不仅取得更高的精度，而且更具有实际应用潜力。
【IPC分类】G06T3-40
【公开号】CN104637027
【申请号】CN201510087994
【发明人】沈焕锋, 刘慧琴, 吴鹏海, 袁强强
【申请人】武汉大学
【公开日】2015年5月20日
【申请日】2015年2月26日