究区范围和空间分辨率对图像进行裁剪；
[0039] C、重复上述A-B步骤，得到NDVI遥感图像数据集；
[0040] D、在R语言平台上编写算法，设定移动窗口大小为5;
[0041] 5为某待确定点的前2期与后2期为窗口内统计数据的实际范围，统计仅限窗口内 数值的平均值与标准差；
[0042] E、根据窗口内的实际统计值，划定信号源数据的判定范围-S < N dvi < +S;
[0043] F、在NDVI序列数据集上移动窗口完成整个信号源数据的极值判定与处理；
[0044] G、选择多项式拟合函数为二次多项式，设定移动窗口大小为5 [0045]对窗口内极值处理后的信号源数值进行二次多项式拟合；
[0046] H、设定迭代次数，对上一步拟合后的序列数据进行2次拟合，得到函数拟合的最终 结果；
[0047] I、根据计算初始设定的循环次数，判定是否结束本次计算；
[0048] J、对结果数据赋投影信息，投影参数与原数据地图参数一致；
[0049] K、完成时间序列遥感数据集的重建，保存数据。
[0050] 步骤E所述的判定范围为:_S < Ndvi < +S;
[0051 ]正常值-S < Ndvi < +S;偏高+S〈Ndvi〈+l · 5S;显著偏高+1 · 5S < Ndvi〈+2S;异常偏高+2S < Ndvi〈+偏低-S〈Ndvi〈-l · 5S;显著偏低-1 · 5S < Ndvi〈-2S;异常偏低-2S < Ndvi〈-⑴。
[0052]设定信号源数据大于+1.5S或小于-1.5S为噪声点异常值，将噪声点异常值以窗口 内数字信号点的均值± 1.5S代替。
[0053] 实施例
[0054]去除大气噪声影响重建遥感监测数据集的方法，包括以下步骤：
[0055] A、试验选用的NDVI数据集由Spot Vegetation数据免费分发网站提供。该产品经 过了系统误差纠正、大气校正、辐射校正和几何校正等相关处理。数据产品需要在遥感处理 软件ENVI下进行设置相关参数重建数据的坐标信息，卫星数据头文件HDF的编辑如图2所 示；
[0056] B、产品数据将影像DN值转化成NDVI数据。空间分辨率为1 km，时间覆盖2013年1月 ~12月（lOd最大值合成）。根据研究区范围对完成计算的结果图像进行裁剪，DN数值转换公 式如下；
[0057] NDVI = 0.004XDN-0.1
[0058] C、重复上述A-B步骤，得到1年12个月36旬的NDVI遥感图像数据集；
[0059 ] D、在R语言软件平台上编写算法，设定移动窗口大小；
[0060] 窗口大小设定的5为某待确定点的前2期与后2期，也是数据统计的实际范围，统计 仅限窗口内数值的平均值与标准差；
[0061] E、根据窗口内的实际统计值，信号源数据正常值的判定范围被划定为-s < Ndvl < + S；
[0062] 数字信号变化等级的判定依据(见表1):数字信号正常值的值域范围为-S<Ndvl< +3;偏高的值域范围为+3〈^+1.55;显著偏高的值域范围为+1.55^<^〈+25;异常偏高的 值域范围为+2S < Ndvi〈+偏低的值域范围为-S〈Ndvi〈-l .5S;显著偏低的值域范围为-1.5S < Ndvi〈-2S;异常偏低的值域范围为-2S < Ndvi〈-⑴。
[0063] 表1距平级别表
[0064] Tab.l Grades of the anomalies of mean data
[0065]
12345678 F、在NDVI序列数据集上移动窗口完成整个信号源数据的极值判定与处理； 2 设定信号源数据大于+1.5S或小于-1.5S为噪声点异常值，将其以窗口内数字信号 点的均值± 1.5S代替，噪声点异常判定级别见表1(说明：S为移动窗口内NDVI序列数据点的 标准差）； 3 G、选择多项式拟合函数为二次多项式； 4
[0069] H、设定迭代次数，对上一步拟合后的序列数据进行2次拟合，得到函数拟合数列的 重建完成。效果见图3,4; 5
[0070]由图3、4看出，本算法滤波效果表现在以下几个方面：1)消除了FFT算法的过度平 滑问题，对于连续性较好时段的数字信号保持了很好的保真;2)消除了 SG滤波算法受极值 影响的问题，合理抑制了异常值。 6
[0071 ] I、根据计算初始设定的循环次数，判定是否结束本次计算； 7 J、对结果数据赋投影信息，投影参数与原数据地图参数一致； 8 K、最后保存数据，完成数字信号的时序重建。
【主权项】
1. 一种去除大气噪声影响重建遥感监测数据集的方法，其特征在于:包括以下步骤： A、 选用Spot Vegetation提供的NDVI数据集； B、 将影像DN值转化成NDVI数据，根据研究区范围和空间分辨率对图像进行裁剪； C、 重复上述A-B步骤，得到NDVI遥感图像数据集； D、 在R语言平台上编写算法，设定移动窗口大小为5; 5为某待确定点的前2期与后2期为窗口内统计数据的实际范围，统计仅限窗口内数值 的平均值与标准差； E、 根据窗口内的实际统计值，划定信号源数据的判定范围-S < Ndvl < +S; F、 在NDVI序列数据集上移动窗口完成整个信号源数据的极值判定与处理； G、 选择多项式拟合函数为二次多项式，设定移动窗口大小为5 对窗口内极值处理后的信号源数值进行二次多项式拟合； H、 设定迭代次数，对上一步拟合后的序列数据进行2次拟合，得到函数拟合的最终结 果； I、 根据计算初始设定的循环次数，判定是否结束本次计算； J、 对结果数据赋投影信息，投影参数与原数据地图参数一致； K、 完成时间序列遥感数据集的重建，保存数据。2. 按照权利要求1所述的一种去除大气噪声影响重建遥感监测数据集的方法，其特征 在于:步骤E所述的判定范围为:_S < Ndvi < +S; 正常值-S < Ndvi < +S;偏高+S〈Ndvi〈+l · 5S;显著偏高+1 · 5S < Ndvi〈+2S;异常偏高+2S < Ndvi〈+偏低-S〈Ndvi〈-l · 5S;显著偏低-1 · 5S < Ndvi〈-2S;异常偏低-2S < Ndvi〈-⑴。3. 按照权利要求2所述的一种去除大气噪声影响重建遥感监测数据集的方法，其特征 在于:设定信号源数据大于+1.5S或小于-1.5S为噪声点异常值，将噪声点异常值以窗口内 数字信号点的均值±1.5S代替。
【专利摘要】本发明涉及一种去除大气噪声影响重建遥感监测数据集的方法，首次利用移动窗口来降低噪声点极值对数字信号波形的影响；通过移动窗口对已经降低了极值影响的时序数据进行多项式拟合；选择迭代运算实现最好拟合效果；整体上，遥感数据重建原理简单，很好的保留了原有数字信号的波形特点，突出了数字信号连续变化地趋势。有效的解决了数字信号处理时平滑过度的问题。首次采用先降低数字信号中噪声点对函数拟合效果的影响；二次多项式函数更好地贴合原数据的变化趋势和曲线走向，函数拟合参数动完成，解决了需要试验确定最优运算参数的问题，现实了全程自动化处理。经试验，结果数据与研究区地表实际NDVI信息的相关性强，具有指示性和代表性。
【IPC分类】G06K9/00
【公开号】CN105512616
【申请号】CN201510846266
【发明人】李晓东, 曾发梁, 姜琦刚
【申请人】吉林大学
【公开日】2016年4月20日
【申请日】2015年11月27日