CN104715467A - 一种改进型多源遥感数据时空融合方法 - Google Patents

Abstract

本发明公开了一种改进型多源遥感数据时空融合方法。该方法利用从分类图上提取的丰度矩阵，采用自适应窗口和移动步长选择方法，逐窗口解算线性光谱混合模型，获得各类别的地物反射率时间变化曲线；采用线性回归方法构建类别平均反射率与地物中空间分辨率像元平均反射率的关系模型，并根据该模型计算时序的地物中空间分辨率平均像元反射率；再结合像元反射率与类别平均反射率间的关系模型，融合出高时空分辨率融合影像；最后利用真实中分辨率影像，采用相关系数、方差、平均绝对误差、RMSE和偏差等参数对融合影像进行精度评价。利用该方法可以从中空间分辨率影像与高时间分辨率影像融合出高时间分辨率影像的方法。

Description

一种改进型多源遥感数据时空融合方法

技术领域

一种改进型多源遥感数据时空融合方法，属于数字图像处理技术领域，特别涉及遥感图像融合及遥感图像分类技术。

背景技术

多源遥感数据融合是利用不同空间分辨率、不同时间分辨率和不同光谱分辨率的光学遥感数据，甚至是光学遥感数据与雷达数据所各自具有的不同数据特点，融合出能够综合多源数据特征的融合影像的方法。它对提高遥感影像利用效率和提高遥感应用效果都具有重要的意义。

多源遥感数据时空融合是多源遥感数据融合领域的前沿研究内容之一。目前多源遥感数据融合主要是全色高空间分辨率影像与多光谱影像间的融合，融合的目的只要为提高多光谱影像的空间分辨率，融合的方法主要有代数法和基于分量替换的方法等。

代数法是通过对待融合影像进行代数运算来实现融合，如利用乘法运算进行SAR影像和光学影像的融合，利用相关系数加权方法进行全色影像和多光谱影像的融合等。

基于分量替换的融合方法是将影像先进行某种变换，然后利用高空间分辨率影像替换变换空间中的一个分量，在进行逆变换来实现融合。分量替换的融合方法主要包括HIS变换融合和小波变换融合等。

HIS变换融合(参见文献：赵英时等.遥感应用分析原理与方法.北京：科学出版社，2003)是将图像彩色空间RGB空间变换到HIS空间，再用全色波段替换HIS空间中的强度分量I分量，再进行HIS逆变换实现影像的融合。其目的主要为提高多光谱影像的空间分辨率。

小波变换融合(参见文献：赵英时等.遥感应用分析原理与方法.北京：科学出版社，2003)是利用小波变换具有变焦性、信息保持性和小波基选择的灵活性等优点，将图像分解为一些具有不同空间分辨率、频率特性和方向持性的子信号(图像)，其中它的分频特征，相当于高、低双频滤波器，能够将一信号分解为低频信息(图像)和高频细节/纹理信息(图像)，同时又不失原信号所包含的信息，将高空间分辨率影像的小波变换后的高频部分代替多光谱影像的小波变换高频部分，再进行小波逆变换来实现融合。小波变换融合可以用于以非线性的对数映射方式融合不同类型的图像数据，使融合后的图像既保留原高分辨率迢感影像的结构信息，又融合多光谱影像丰富的光谱信息，提高影像的解译能力、分类精度。

基于分量替换的融合方法还包括基于G-S变换的影像融合、基于主成分分析的影像融合和基于高通滤波影像融合等。

发明内容

本发明提供一种改进型多源遥感时间的时空融合方法，用以实现利用时序低空间分辨率影像和高空间分辨率影像，融合生成高时空分辨率影像，解决目前由于遥感卫星数据获取能力不足和云等天气条件的影响造成的遥感数据缺乏问题。

本发明技术方案如下：

一种改进型多源遥感数据时空融合方法，其特征在于包括以下步骤：

步骤一、丰度矩阵提取。基于高分辨率遥感分类图，以低空间分辨率像元大小提取每个低空间分辨率像元的丰度矩阵；高分辨率遥感分类图可以是NLCD和FROM-GLC分类数据，也可以基于第1期高分辨率影像采用监督分类方法提取。

步骤二、自适应窗口和步长选取。基于线性光谱混合模型，输入时序低空间分辨率像元反射率、中空间分辨率像元反射率和丰度矩阵，采用线性光谱混合模型解算窗口大小和步长移动大小自适应选取方法，确定线性光谱混合模型解算的最佳窗口大小和步长移动大小。

步骤三、地物反射率的时间曲线提取。利用时序低空间分辨率影像和丰度矩阵，采用最小二乘法，根据步骤二确定的线性光谱混合模型解算的最佳窗口大小和步长移动大小，逐窗口、逐步长解算各个窗口的类别时序平均反射率和第1期的高空间分辨率类别平均反射率，将类别时序平均反射率作为地物反射率的时间曲线。

步骤四、传感器误差校正和高空间分辨率类别平均反射率计算。根据第1期的线性光谱混合模型解算地物反射率和地物中空间分辨率像元平均反射率，采用线性回归方法构建线性光谱混合模型解算地物反射率和地物中空间分辨率像元平均反射率的关系模型，以纠正不同传感器差异造成的反射率差异影响，根据线性光谱混合模型解算地物反射率和地物中空间分辨率像元平均反射率的关系模型，从步骤(3)解算的各类别的地物反射率时间变化曲线计算出地物中空间分辨率像元平均反射率的时间曲线；

步骤五、融合影像生成。利用地物中空间分辨率像元平均反射率的时间曲线，根据像元反射率和类别平均反射率之间的关系模型，计算出每个像元的时间反射率曲线，融合出时序高空间影像；

步骤六、融合效果精度评价。利用真实中分辨率影像，采用相关系数、方差、平均绝对误差、RMSE和偏差等参数对融合影像，对融合影像进行精度评价。

本发明与现有技术相比所具有的优点：本发明采用自适应窗口和步长选取方法自动选取每个类别的最佳线性光谱混合模型解算窗口和步长大小，根据线性回归方法纠正了不同传感器造成的误差；与传统方法相比，本发明不仅可以提高融合影像的空间分辨率，还可以提高影像的时间分辨率，从而可以解决目前由于卫星传感器数据获取能力不足、以及光学卫星容易受到云的影响而导致的遥感数据缺失问题。

附图说明

图1：本发明的一种改进型多源遥感时间的时空融合方法流程图；

图2：融合结果图；

图3：融合结果精度评价图；

具体实施方式

为了更好地理解本发明的技术方案，下面结合附图及具体实施方式详细介绍本发明。

本发明一种改进型多源遥感时间的时空融合方法，该方法主要包括以下几个步骤：

1、丰度矩阵提取；

2、自适应窗口和步长选取；

3、地物反射率的时间曲线提取；

4、传感器误差校正和高空间分辨率类别平均反射率计算；

5、融合影像生成；

6、融合效果精度评价；

本发明的具体实现流程如图1所示，各部分具体实施细节如下：

1、丰度矩阵提取

根据线性混合模型，每一个低空间分辨率像元的反射率R(i，t)可以看做各组分平均反射率的线性组合：

$R(i,t)=\underset{c=0}{\overset{k}{\mathrm{\Σ}}}{f}_c(i,c)\×\stackrel{\‾}{r}(c,t)+\mathrm{\ξ}(i,t)---\left(1\right)$

$\underset{c=0}{\overset{k}{\mathrm{\&Sigma;}}}{f}_c(i,c)<1;f_c(i,c)\&GreaterEqual;0$

其中：f_c(i，c)是组分C在t时刻的丰度矩阵；ξ(i，t)是残差；k是组分总数量。在可以从中高分辨率分类图中获得丰度矩阵f_c(i，c)的情况下，通过等式(1)，可以利用最小二乘法解求t时刻组分平均反射率

要进行低空间分辨率影像与高空间分辨率影像融合，丰度矩阵f_c(i，c)是一个必须已知的量。丰度矩阵f_c(i，c)都可以从中高分辨率影像分类图中获取的，并假设其不随时间发生变化。如NLCD和FROM-GLC分类数据，也可以基于第1期高分辨率影像采用监督分类方法提取。

2、自适应窗口和步长选取

自适应窗口和步长选取包括以下4个步骤：

(1)初始化：给定线性光谱混合模型解算的窗口最大、最小和窗口改变大小三个参数的初始值；给定窗口移动步长的最大、最小和步长改变大小三个参数的初始值；

(2)根据初始化的6个参数，根据窗口大小选取出第1期的低空间分辨率像元反射率、第1期的中空间分辨率像元反射率和丰度矩阵，根据线性光谱混合模型解算该窗口条件下一个窗口的类别平均反射率和中空间类别平均反射率；根据窗口步长大小，在整个影像上移动窗口，并计算每个窗口的类别平均反射率和中空间类别平均反射率；计算给定窗口大小和步长大小条件下的类别平均反射率和中空间类别平均反射率的相关系数；

(3)遍历：根据给定的窗口改变大小和步长改变大小两个参数，改变窗口的大小和步长大小，并计算给定窗口大小和步长大小条件下的类别平均反射率和中空间类别平均反射率，以及二者之间的相关系数；

(4)选取类别平均反射率和中空间类别平均反射率相关系数最大的窗口大小和步长大小最为最佳的窗口大小和步长大小参数。

3、地物反射率的时间曲线提取

根据自适应窗口和步长选取方法确定的线性光谱混合模型解算的最佳窗口大小和步长移动大小，逐个窗口、逐个移动步长移动，输入丰度矩阵f_c(i，c)和从期初(T₁)到期末(T_n)的时序低空间分辨率反射率影像，利用最小二乘法，解算等式(2)，获得各类别的地物反射率时间变化曲线和第1期的地物中空间分辨率像元平均反射率。

4、传感器误差校正和高空间分辨率类别平均反射率计算

根据第1期的线性光谱混合模型解算地物反射率和地物中空间分辨率像元平均反射率，采用线性回归方法构建线性光谱混合模型解算地物反射率和地物中空间分辨率像元平均反射率的关系模型，以纠正不同传感器差异造成的反射率差异影响，根据线性光谱混合模型解算地物反射率和地物中空间分辨率像元平均反射率的关系模型，从步骤(3)解算的各类别的地物反射率时间变化曲线计算出地物中空间分辨率像元平均反射率的时间曲线。构建的博乐和轮台研究区传感器误差校正模型如表1。

5、融合影像生成

通过等式(1)只能够获得中空间分辨率像元的类别平均反射率，要获得新时期的中空间分辨率反射率影像，需要从类别平均反射率进一步获得每个中空间分辨率像元的反射率。为此，本发明提出了一种从类别平均反射率获取像元反射率的模型，其假设同类像元的反射率时间变化一致，即：

r(c，t_i，k)-r(c，t_j，k)＝r(c，t_i，l)-r(c，t_j，l)，   (2)

其中：r(c，t_i，k)，r(c，t_j，k)，r(c，t_i，l)和r(c，t_j，l)是分别为类别C中像元k和像元l在时间t_i和t_j的反射率。

由于类别平均反射率是属于该类别像元的反射率平均值：

$\stackrel{\&OverBar;}{r}(c,t_i)=\frac{1}{n}\underset{k=1}{\overset{n}{\mathrm{\&Sigma;}}}r(c,t_i,k),---\left(3\right)$

其中：n是属于类别C的像元个数。因此，从t_i时刻到t_j时刻，类别C的平均反射率变化为：

$\mathrm{\&Delta;}\stackrel{\&OverBar;}{r}(c,t_j-t_i)=\frac{1}{n}\underset{k=1}{\overset{n}{\mathrm{\&Sigma;}}}\mathrm{\&Delta;r}({c,t}_j-t_i,k),---\left(4\right)$

其中Δr(c，t_j-t_i，k)是类别C中像元k从t_i时刻到t_j时刻的反射率变化。而和Δr(c，t_j-t_i，k)可由下式计算：

$\mathrm{\&Delta;}\stackrel{\&OverBar;}{r}\left({c,t}_j{-t}_i\right)=\stackrel{\&OverBar;}{r}\left({c,t}_j\right)-\stackrel{\&OverBar;}{r}\left({c,t}_i\right),---\left(5\right)$

Δr(c，t_j-t_i，k)＝r(c，t_j，k)-r(c，t_i，k)，   (6)

从而

Δr(c，t_j-t_i，k)＝Δr(c，t_j-t_i，l).   (7)

将等式(5)(6)(7)代入等式(4)得：

$\stackrel{\&OverBar;}{r}\left({c,t}_j\right)-\stackrel{\&OverBar;}{r}\left({c,t}_i\right)=r\left({c,t}_j\right)-r\left({c,t}_i\right).---\left(8\right)$

由于和可以通过最小二乘法，解算等式(1)获得，r(c，t_i，k)可以从前期的中空间分辨率影像获得，因此可以利用等式(8)计算新时期的中空间分辨率影像反射率r(c，t_j)。

生成的融合影像见图2，从图中我们可以看出，融合影像和真实影像非常相似。

6、融合效果精度评价

基于相似性原理，选择与融合影像同一天的真实高空间分辨率影像，利用相关性分析方法进行融合效果精度评价(图3)。由于相关系数表征了两者之间的相关程度，选用相关系数(r)、方差(variance)、平均绝对误差(MAD)、RMSE和偏差(bias)等参数对融合效果进行定量精度评价。定量评价结果见下表：

表2融合效果精度评价

Claims (3)

1.一种改进型多源遥感数据时空融合方法，其特征在于包括以下步骤：

(1)基于高分辨率遥感分类图，以低空间分辨率像元大小提取每个低空间分辨率像元的丰度矩阵；

(2)基于线性光谱混合模型，输入时序低空间分辨率像元反射率、中空间分辨率像元反射率和丰度矩阵，采用线性光谱混合模型解算窗口大小和步长移动大小自适应选取方法，确定线性光谱混合模型解算的最佳窗口大小和步长移动大小；

(3)根据自适应窗口和步长选取方法确定的线性光谱混合模型解算的最佳窗口大小和步长移动大小，逐个窗口、逐个移动步长移动，解算线性光谱混合模型，获得各类别的地物反射率时间变化曲线和第1期的地物中空间分辨率像元平均反射率；

(4)根据第1期的线性光谱混合模型解算地物反射率和地物中空间分辨率像元平均反射率，采用线性回归方法构建线性光谱混合模型解算地物反射率和地物中空间分辨率像元平均反射率的关系模型，以纠正不同传感器差异造成的反射率差异影响，根据线性光谱混合模型解算地物反射率和地物中空间分辨率像元平均反射率的关系模型，从步骤(3)解算的各类别的地物反射率时间变化曲线计算出地物中空间分辨率像元平均反射率的时间曲线；

(5)利用地物中空间分辨率像元平均反射率的时间曲线，根据像元反射率和类别平均反射率之间的关系模型，计算出每个像元的时间反射率曲线，融合出时序高空间影像；

(6)利用真实中分辨率影像，采用相关系数、方差、平均绝对误差、RMSE和偏差等参数对融合影像，对融合影像进行精度评价。

2.根据权利要求1所述步骤(2)自适应窗口和步长选取，其特征在于包括以下4个步骤：

(1)初始化：给定线性光谱混合模型解算的窗口最大、最小和窗口改变大小三个参数的初始值；给定窗口移动步长的最大、最小和步长改变大小三个参数的初始值；

(2)根据初始化的6个参数，根据窗口大小选取出第1期的低空间分辨率像元反射率、第1期的中空间分辨率像元反射率和丰度矩阵，根据线性光谱混合模型解算该窗口条件下一个窗口的类别平均反射率和中空间类别平均反射率；根据窗口步长大小，在整个影像上移动窗口，并计算每个窗口的类别平均反射率和中空间类别平均反射率；计算给定窗口大小和步长大小条件下的类别平均反射率和中空间类别平均反射率的相关系数；

(3)遍历：根据给定的窗口改变大小和步长改变大小两个参数，改变窗口的大小和步长大小，并计算给定窗口大小和步长大小条件下的类别平均反射率和中空间类别平均反射率，以及二者之间的相关系数；

(4)选取类别平均反射率和中空间类别平均反射率相关系数最大的窗口大小和步长大小最为最佳的窗口大小和步长大小参数。

3.根据权利要求1所述步骤(4)传感器误差校正和高空间分辨率类别平均反射率时间曲线计算，其特征在于传统多源遥感数据时空融合方法未考虑传感器差异对融合模型的精度影响，本分发明采用线性回归方法构建类别平均反射率和中空间类别平均反射率的关系模型，通过该模型校正传感器差异造成的误差，并计算出高空间分辨率类别平均反射率时间曲线。