CN106327456A - 遥感图像信息缺失重建方法及装置 - Google Patents
遥感图像信息缺失重建方法及装置 Download PDFInfo
- Publication number
- CN106327456A CN106327456A CN201610696304.5A CN201610696304A CN106327456A CN 106327456 A CN106327456 A CN 106327456A CN 201610696304 A CN201610696304 A CN 201610696304A CN 106327456 A CN106327456 A CN 106327456A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- loss
- sensing images
- reference picture
- learning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000006870 function Effects 0.000 claims description 40
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000002310 reflectometry Methods 0.000 claims description 7
- 230000008034 disappearance Effects 0.000 claims description 5
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 18
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000015556 catabolic process Effects 0.000 description 5
- 238000006731 degradation reaction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种遥感图像信息缺失重建方法及装置,其中,方法包括:获取与信息缺失遥感图像同一区域的参考图像;根据信息缺失遥感图像与参考图像的空间相似性,构建输出图像与参考图像之间的线性关系,输出图像为对信息缺失遥感图像进行信息缺失重建后得到的图像;构建输出图像与参考图像之间的线性关系,并利用引入边缘加权的代价函数对其进行参数解算,对解算得到的各参数取平均值;根据解算得到的各参数平均值和输出图像与参考图像之间的线性关系,对信息缺失遥感图像进行信息缺失重建,获取重建后得到的输出图像。本发明可解决现有的遥感图像由于获取过程受到天气以及传感器损坏等限制出现死像元、条带以及云朵遮挡等信息缺失的问题。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种遥感图像信息缺失重建方法及装置。
背景技术
遥感图像数据提供了地物大量信息,有利于进行各类应用如农业,林业,环境规划等等方面。然而,遥感发展至今仍然受到很多限制,主要原因在于在获取遥感图像的过程中会受到很多因素的干扰,如云雾干扰,遥感传感器自身的损害等等原因,会使获得的遥感图像带有条带噪声或者死像元,或者会有大面积的云朵出现,这大大影响了遥感在各个领域的应用。
目前,解决遥感数据信息缺失的问题的主要方法包括插值法。然而,该数据融合的方法虽然可以针对某一种遥感图像信息缺失进行重建,但对于其所针对的信息缺失之外的信息丢失没有很好的处理效果。也就是说,传统的通过对某一种特定信息缺失重建方法并不适用于所有的信息缺失类型或者说没有很好的重建效果,利用一种方法完成几种不同类型信息缺失重建仍然没有解决。
鉴于此,如何对遥感图像的多种信息缺失进行重建,解决现有的遥感图像由于获取过程受到天气以及传感器损坏等的限制出现死像元、条带以及云朵遮挡等信息缺失的问题成为目前需要解决的技术问题。
发明内容
为解决上述的技术问题,本发明提供一种遥感图像信息缺失重建方法及装置,能够对遥感图像的多种信息缺失进行重建,解决了现有的遥感图像由于获取过程受到天气以及传感器损坏等的限制出现死像元、条带以及云朵遮挡等信息缺失的问题。
第一方面,本发明提供一种遥感图像信息缺失重建方法,包括:
获取与信息缺失遥感图像同一区域的参考图像;
根据所述信息缺失遥感图像与所述参考图像的空间相似性,构建输出图像与所述参考图像之间的线性关系,所述输出图像为对所述信息缺失遥感图像进行信息缺失重建后得到的图像;
构建所述输出图像与所述参考图像之间的线性关系的边缘加权代价函数;
对所述边缘加权代价函数进行参数解算,并对解算得到的各参数取平均值;
根据解算得到的各参数平均值和所述输出图像与所述参考图像之间的线性关系,对信息缺失遥感图像进行信息缺失重建,获取重建后得到的输出图像。
可选地,所述获取与信息缺失遥感图像同一区域的参考图像,包括:
获取与信息缺失遥感图像同一区域不同时相的遥感图像,将所述与信息缺失遥感图像同一区域不同时相的遥感图像作为所述信息缺失遥感图像的参考图像。
可选地,所述获取与信息缺失遥感图像同一区域的参考图像,包括:
获取与信息缺失遥感图像同一区域不同波段的遥感图像,将所述与信息缺失遥感图像同一区域不同波段的遥感图像作为所述信息缺失遥感图像的参考图像。
可选地,在所述获取与信息缺失遥感图像同一区域的参考图像之后,在所述根据所述信息缺失遥感图像与所述参考图像的空间相似性,构建输出图像与所述参考图像之间的线性关系之前,所述方法还包括:
对所述信息缺失遥感图像和所述参考图像进行预处理,获取所述信息缺失遥感图像和所述参考图像的反射率数据;
根据获取的反射率数据,对所述信息缺失遥感图像和所述参考图像进行配准;
相应地,所述根据所述信息缺失遥感图像与所述参考图像的空间相似性,构建输出图像与所述参考图像之间的线性关系,包括:
根据配准后的信息缺失遥感图像与参考图像的空间相似性,构建输出图像与所述参考图像之间的线性关系。
可选地,所述根据所述信息缺失遥感图像与所述参考图像的空间相似性,构建输出图像与所述参考图像之间的线性关系,包括:
根据所述信息缺失遥感图像与所述参考图像的空间相似性,构建所述信息缺失遥感图像与所述参考图像之间的局部线性关系;
根据所述局部线性关系,构建输出图像与所述参考图像之间的线性关系。
可选地,所述输出图像与所述参考图像之间的线性关系为:
其中,wk为以像元k为中心的邻域,q为输出图像,I为参考图像,qi为输出图像的邻域wk中的第i个像元,Ii为参考图像的邻域wk中的第i个像元,ak和bk均为邻域wk相关的线性系数。
可选地,所述构建所述输出图像与所述参考图像之间的线性关系的边缘加权代价函数,包括:
构建输出图像与所述参考图像之间的线性关系的代价函数;
将边缘信息添加进所述代价函数中,获得所述输出图像与所述参考图像之间的线性关系的边缘加权代价函数。
可选地,所述对所述边缘加权代价函数进行参数解算,包括:
通过最小化所述边缘加权代价函数的结果,计算所述边缘加权代价函数中的参数。
第二方面,本发明提供一种遥感图像信息缺失重建装置,包括:
获取模块,用于获取与信息缺失遥感图像同一区域的参考图像;
第一构建模块,用于根据所述信息缺失遥感图像与所述参考图像的空间相似性,构建输出图像与所述参考图像之间的线性关系,所述输出图像为对所述信息缺失遥感图像进行信息缺失重建后得到的图像;
第二构建模块,用于构建所述输出图像与所述参考图像之间的线性关系的边缘加权代价函数;
参数解算模块,用于对所述边缘加权代价函数进行参数解算,并对解算得到的各参数取平均值;
重建模块,用于根据解算得到的各参数平均值和所述输出图像与所述参考图像之间的线性关系,对信息缺失遥感图像进行信息缺失重建,获取重建后得到的输出图像。
可选地,所述获取模块,具体用于
获取与信息缺失遥感图像同一区域不同时相的遥感图像,将所述与信息缺失遥感图像同一区域不同时相的遥感图像作为所述信息缺失遥感图像的参考图像;
或者,
获取与信息缺失遥感图像同一区域不同波段的遥感图像,将所述与信息缺失遥感图像同一区域不同波段的遥感图像作为所述信息缺失遥感图像的参考图像。
由上述技术方案可知,本发明的遥感图像信息缺失重建方法及装置,通过获取与信息缺失遥感图像同一区域的参考图像;根据信息缺失遥感图像与参考图像的空间相似性,构建输出图像与参考图像之间的线性关系,输出图像为对信息缺失遥感图像进行信息缺失重建后得到的图像;构建输出图像与参考图像之间的线性关系的边缘加权代价函数并对其进行参数解算,对解算得到的各参数取平均值;根据解算得到的各参数平均值和输出图像与参考图像之间的线性关系,对信息缺失遥感图像进行信息缺失重建,获取重建后得到的输出图像。由此,本发明能够对遥感图像的多种信息缺失进行重建,解决了现有的遥感图像由于获取过程受到天气以及传感器损坏等的限制出现死像元、条带以及云朵遮挡等信息缺失的问题。
附图说明
图1为本发明一实施例提供的遥感图像信息缺失重建方法的流程示意图;
图2为本发明实施例提供的原始MODIS第六波段影像数据;
图3为本发明实施例提供的与图2所示的第六波段影像数据同一区域的MODIS第七波段影像数据;
图4为本发明实施例提供的以图3所示图像作为参考图像、利用图1所示实施例所述方法对图2所示图像进行信息缺失重建后对输出图像;
图5为本发明一实施例提供的遥感图像信息缺失重建装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他的实施例,都属于本发明保护的范围。
图1示出了本发明一实施例提供的遥感图像信息缺失重建方法的流程示意图,如图1所示,本实施例的遥感图像信息缺失重建方法如下所述。
101、获取与信息缺失遥感图像同一区域的参考图像。
在一具体应用中,所述步骤101可以利用遥感图像传感器获取与信息缺失遥感图像同一区域不同时相的遥感图像,将所述与信息缺失遥感图像同一区域不同时相的遥感图像作为所述信息缺失遥感图像的参考图像。
在另一具体应用中,所述步骤101可以利用遥感图像传感器获取与信息缺失遥感图像同一区域不同波段的遥感图像,将所述与信息缺失遥感图像同一区域不同波段的遥感图像作为所述信息缺失遥感图像的参考图像。
102、根据所述信息缺失遥感图像与所述参考图像的空间相似性,构建输出图像与所述参考图像之间的线性关系,所述输出图像为对所述信息缺失遥感图像进行信息缺失重建后得到的图像。
在具体应用中,所述步骤102可以包括:
根据所述信息缺失遥感图像与所述参考图像的空间相似性,构建所述信息缺失遥感图像与所述参考图像之间的局部线性关系;
根据所述局部线性关系,构建输出图像与所述参考图像之间的线性关系。
其中,所述输出图像与所述参考图像之间的线性关系为:
其中,wk为以像元k为中心的邻域,q为输出图像,I为参考图像,qi为输出图像的邻域wk中的第i个像元,Ii为参考图像的邻域wk中的第i个像元,ak和bk均为邻域wk相关的线性系数。
103、构建所述输出图像与所述参考图像之间的线性关系的边缘加权代价函数。
在具体应用中,所述步骤102可以包括图中未示出的步骤P1和P2:
P1、构建输出图像与所述参考图像之间的线性关系的代价函数。
具体地,所构建的输出图像与所述参考图像之间的线性关系的代价函数E(ak,bk)为:
式中,λ为ak的正则参数,pi为待重建影像在窗口wk内第i个像元。
可以理解的是,邻域wk为局部窗口,通过对公式(2)最小化得到的公式(2)的解的形式为:
式中,|w|为邻域wk内的像元个数,μk为参考图像I内邻域wk的均值,为参考图像I内邻域wk的方差,是邻域wk窗口内像素的平均值,其中:
P2、将边缘信息添加进所述代价函数中,获得所述输出图像与所述参考图像之间的线性关系的边缘加权代价函数。
具体地,所述输出图像与所述参考图像之间的线性关系的边缘加权代价函数E为:
式中,wk为以像元k为中心的邻域,ak和bk均为邻域wk相关的线性系数,ΓI(k)为邻域wk内第k个像元的边缘权重。
以3×3的邻域窗口为例,
其中,∈为常数值,∈是由(0.001×L)2来确定的,L为参考图像的灰度变化范围,N为参考图像的像元个数,为以像元k为中心的3×3的邻域窗口内的标准差,为以像元p为中心的3×3的邻域窗口内的标准差。
104、对所述边缘加权代价函数进行参数解算,并对解算得到的各参数取平均值。
在具体应用中,在所述步骤104中,可以利用参考图像进行约束,通过最小化所述输出图像与所述参考图像之间的差别来计算所述边缘加权代价函数中的参数,即通过最小化所述边缘加权代价函数的结果,计算所述边缘加权代价函数中的参数。
具体地,步骤104对公式(6)求解可得到:
105、根据解算得到的各参数平均值和所述输出图像与所述参考图像之间的线性关系,对信息缺失遥感图像进行信息缺失重建,获取重建后得到的输出图像。
具体地,步骤105中获取的重建后得到的输出图像可以用公式(10)来表示:
式中,为i所在窗口wk内ak的平均值,为i所在窗口wk内bk的平均值,为输出图像第i个像元,I(i)为参考图像第i个像元。
具体地,
在具体应用中,上述步骤101与102之间,本实施例所述方法还可以包括图中未示出的步骤S1和S2:
S1、对所述信息缺失遥感图像和所述参考图像进行预处理,获取所述信息缺失遥感图像和所述参考图像的反射率数据;
具体地,在所述步骤S1中,可以先对所述信息缺失遥感图像和所述参考图像进行辐射标定,然后利用FLAASH等大气校正软件对辐射标定对图像进行反射率反演,获得所述信息缺失遥感图像和所述参考图像的反射率数据。
S2、根据获取的反射率数据,对所述信息缺失遥感图像和所述参考图像进行配准;
相应地,上述步骤102可以包括:
根据配准后的信息缺失遥感图像与参考图像的空间相似性,构建输出图像与所述参考图像之间的线性关系,所述输出图像为对所述信息缺失遥感图像进行信息缺失重建后得到的图像。
以MODIS第七波段影像为参考图像重建MODIS第六波段影像为例,利用MODIS传感器获取的原始的ALI遥感图像数据,参考图2和图3,利用本实施例所述方法对图2的MODIS第六波段影像进行重建后,得到的输出图像如图4所示。根据图4可以看出,本实施例的遥感图像信息缺失重建方法能够有效解决图2的MODIS第六波段影像的信息缺失的问题。
本实施例的遥感图像信息缺失重建方法,通过获取与信息缺失遥感图像同一区域的参考图像;根据信息缺失遥感图像与参考图像的空间相似性,构建输出图像与参考图像之间的线性关系,输出图像为对信息缺失遥感图像进行信息缺失重建后得到的图像;构建输出图像与参考图像之间的线性关系的边缘加权代价函数并对其进行参数解算,对解算得到的各参数取平均值;根据解算得到的各参数平均值和输出图像与参考图像之间的线性关系,对信息缺失遥感图像进行信息缺失重建,获取重建后得到的输出图像。由此,本实施例所述方法能够对遥感图像的多种信息缺失进行重建,解决了现有的遥感图像由于获取过程受到天气以及传感器损坏等的限制出现死像元、条带以及云朵遮挡等信息缺失的问题。
图5示出了本发明一实施例提供的遥感图像信息缺失重建装置的结构示意图,如图5所示,本实施例的遥感图像信息缺失重建装置,包括:获取模块51、第一构建模块52、第二构建模块53、参数解算模块54和重建模块55;其中:
获取模块51,用于获取与信息缺失遥感图像同一区域的参考图像;
第一构建模块52,用于根据所述信息缺失遥感图像与所述参考图像的空间相似性,构建输出图像与所述参考图像之间的线性关系,所述输出图像为对所述信息缺失遥感图像进行信息缺失重建后得到的图像;
第二构建模块53,用于构建所述输出图像与所述参考图像之间的线性关系的边缘加权代价函数;
参数解算模块54,用于对所述边缘加权代价函数进行参数解算,并对解算得到的各参数取平均值;
重建模块55,用于根据解算得到的各参数平均值和所述输出图像与所述参考图像之间的线性关系,对信息缺失遥感图像进行信息缺失重建,获取重建后得到的输出图像。
在具体应用中,所述获取模块51,可具体用于
获取与信息缺失遥感图像同一区域不同时相的遥感图像,将所述与信息缺失遥感图像同一区域不同时相的遥感图像作为所述信息缺失遥感图像的参考图像;
或者,
获取与信息缺失遥感图像同一区域不同波段的遥感图像,将所述与信息缺失遥感图像同一区域不同波段的遥感图像作为所述信息缺失遥感图像的参考图像。
本实施例的遥感图像信息缺失重建装置,通过获取模块获取与信息缺失遥感图像同一区域的参考图像;第一构建模块根据所述信息缺失遥感图像与所述参考图像的空间相似性,构建输出图像与所述参考图像之间的线性关系;第二构建模块构建所述输出图像与所述参考图像之间的线性关系的边缘加权代价函数;参数解算模块对所述边缘加权代价函数进行参数解算,并对解算得到的各参数取平均值;重建模块根据解算得到的各参数平均值和所述输出图像与所述参考图像之间的线性关系,对信息缺失遥感图像进行信息缺失重建,获取重建后得到的输出图像。由此,利用本实施例所述装置能够对遥感图像的多种信息缺失进行重建,解决了现有的遥感图像由于获取过程受到天气以及传感器损坏等的限制出现死像元、条带以及云朵遮挡等信息缺失的问题。
本实施例的遥感图像信息缺失重建装置,可以用于执行前述图1所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
本发明的说明书中,说明了大量具体细节。然而能够理解的是,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。类似地,应当理解,为了精简本发明公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释呈反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。本发明并不局限于任何单一的方面,也不局限于任何单一的实施例,也不局限于这些方面和/或实施例的任意组合和/或置换。而且,可以单独使用本发明的每个方面和/或实施例或者与一个或更多其他方面和/或其实施例结合使用。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种遥感图像信息缺失重建方法,其特征在于,包括:
获取与信息缺失遥感图像同一区域的参考图像;
根据所述信息缺失遥感图像与所述参考图像的空间相似性,构建输出图像与所述参考图像之间的线性关系,所述输出图像为对所述信息缺失遥感图像进行信息缺失重建后得到的图像;
构建所述输出图像与所述参考图像之间的线性关系的边缘加权代价函数;
对所述边缘加权代价函数进行参数解算,并对解算得到的各参数取平均值;
根据解算得到的各参数平均值和所述输出图像与所述参考图像之间的线性关系,对信息缺失遥感图像进行信息缺失重建,获取重建后得到的输出图像。
2.根据权利要求1所述的方法,其特征在于,所述获取与信息缺失遥感图像同一区域的参考图像,包括:
获取与信息缺失遥感图像同一区域不同时相的遥感图像,将所述与信息缺失遥感图像同一区域不同时相的遥感图像作为所述信息缺失遥感图像的参考图像。
3.根据权利要求1所述的方法,其特征在于,所述获取与信息缺失遥感图像同一区域的参考图像,包括:
获取与信息缺失遥感图像同一区域不同波段的遥感图像,将所述与信息缺失遥感图像同一区域不同波段的遥感图像作为所述信息缺失遥感图像的参考图像。
4.根据权利要求1所述的方法,其特征在于,在所述获取与信息缺失遥感图像同一区域的参考图像之后,在所述根据所述信息缺失遥感图像与所述参考图像的空间相似性,构建输出图像与所述参考图像之间的线性关系之前,所述方法还包括:
对所述信息缺失遥感图像和所述参考图像进行预处理,获取所述信息缺失遥感图像和所述参考图像的反射率数据;
根据获取的反射率数据,对所述信息缺失遥感图像和所述参考图像进行配准;
相应地,所述根据所述信息缺失遥感图像与所述参考图像的空间相似性,构建输出图像与所述参考图像之间的线性关系,包括:
根据配准后的信息缺失遥感图像与参考图像的空间相似性,构建输出图像与所述参考图像之间的线性关系。
5.根据权利要求1所述的方法,其特征在于,所述根据所述信息缺失遥感图像与所述参考图像的空间相似性,构建输出图像与所述参考图像之间的线性关系,包括:
根据所述信息缺失遥感图像与所述参考图像的空间相似性,构建所述信息缺失遥感图像与所述参考图像之间的局部线性关系;
根据所述局部线性关系,构建输出图像与所述参考图像之间的线性关系。
6.根据权利要求1所述的方法,其特征在于,所述输出图像与所述参考图像之间的线性关系为:
其中,wk为以像元k为中心的邻域,q为输出图像,I为参考图像,qi为输出图像的邻域wk中的第i个像元,Ii为参考图像的邻域wk中的第i个像元,ak和bk均为邻域wk相关的线性系数。
7.根据权利要求6所述的方法,其特征在于,所述构建所述输出图像与所述参考图像之间的线性关系的边缘加权代价函数,包括:
构建输出图像与所述参考图像之间的线性关系的代价函数;
将边缘信息添加进所述代价函数中,获得所述输出图像与所述参考图像之间的线性关系的边缘加权代价函数。
8.根据权利要求7所述的方法,其特征在于,所述对所述边缘加权代价函数进行参数解算,包括:
通过最小化所述边缘加权代价函数的结果,计算所述边缘加权代价函数中的参数。
9.一种遥感图像信息缺失重建装置,其特征在于,包括:
获取模块,用于获取与信息缺失遥感图像同一区域的参考图像;
第一构建模块,用于根据所述信息缺失遥感图像与所述参考图像的空间相似性,构建输出图像与所述参考图像之间的线性关系,所述输出图像为对所述信息缺失遥感图像进行信息缺失重建后得到的图像;
第二构建模块,用于构建所述输出图像与所述参考图像之间的线性关系的边缘加权代价函数;
参数解算模块,用于对所述边缘加权代价函数进行参数解算,并对解算得到的各参数取平均值;
重建模块,用于根据解算得到的各参数平均值和所述输出图像与所述参考图像之间的线性关系,对信息缺失遥感图像进行信息缺失重建,获取重建后得到的输出图像。
10.根据权利要求9所述的装置,其特征在于,所述获取模块,具体用于
获取与信息缺失遥感图像同一区域不同时相的遥感图像,将所述与信息缺失遥感图像同一区域不同时相的遥感图像作为所述信息缺失遥感图像的参考图像;
或者,
获取与信息缺失遥感图像同一区域不同波段的遥感图像,将所述与信息缺失遥感图像同一区域不同波段的遥感图像作为所述信息缺失遥感图像的参考图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610696304.5A CN106327456B (zh) | 2016-08-19 | 2016-08-19 | 遥感图像信息缺失重建方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610696304.5A CN106327456B (zh) | 2016-08-19 | 2016-08-19 | 遥感图像信息缺失重建方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106327456A true CN106327456A (zh) | 2017-01-11 |
CN106327456B CN106327456B (zh) | 2019-09-17 |
Family
ID=57741042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610696304.5A Active CN106327456B (zh) | 2016-08-19 | 2016-08-19 | 遥感图像信息缺失重建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106327456B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111429390A (zh) * | 2020-03-18 | 2020-07-17 | 江西师范大学 | 一种地面系统遥感图像的自适应实时处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314677A (zh) * | 2010-07-07 | 2012-01-11 | 中国科学院地理科学与资源研究所 | 一种基于分类的高时间分辨率与高空间分辨率遥感数据定量融合的方法 |
CN102750696A (zh) * | 2012-06-06 | 2012-10-24 | 南京大学 | 一种基于仿射不变特征与海岸线约束的海岸带遥感影像自动配准方法 |
CN104616265A (zh) * | 2015-02-12 | 2015-05-13 | 武汉大学 | 一种遥感序列数据的时域重建方法 |
-
2016
- 2016-08-19 CN CN201610696304.5A patent/CN106327456B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314677A (zh) * | 2010-07-07 | 2012-01-11 | 中国科学院地理科学与资源研究所 | 一种基于分类的高时间分辨率与高空间分辨率遥感数据定量融合的方法 |
CN102750696A (zh) * | 2012-06-06 | 2012-10-24 | 南京大学 | 一种基于仿射不变特征与海岸线约束的海岸带遥感影像自动配准方法 |
CN104616265A (zh) * | 2015-02-12 | 2015-05-13 | 武汉大学 | 一种遥感序列数据的时域重建方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111429390A (zh) * | 2020-03-18 | 2020-07-17 | 江西师范大学 | 一种地面系统遥感图像的自适应实时处理方法 |
CN111429390B (zh) * | 2020-03-18 | 2023-10-13 | 江西师范大学 | 一种地面系统遥感图像的自适应实时处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106327456B (zh) | 2019-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nesseris et al. | Viable f (T) models are practically indistinguishable from Λ CDM | |
Sang et al. | Covariance approximation for large multivariate spatial data sets with an application to multiple climate model errors | |
Petersen | Philosophy of climate science | |
Millán et al. | Thin shell analysis from scattered points with maximum‐entropy approximants | |
Dufour et al. | Shape, displacement and mechanical properties from isogeometric multiview stereocorrelation | |
CN106663316A (zh) | 一种基于块稀疏压缩感知的红外图像重构方法及其系统 | |
Oboe et al. | Shape sensing of a complex aeronautical structure with inverse finite element method | |
Shao et al. | Experiment of structural geometric morphology monitoring for bridges using holographic visual sensor | |
CN107729582A (zh) | 基于tls的构件缺陷监测与预测系统 | |
Jézéquel et al. | Trends of atmospheric circulation during singular hot days in Europe | |
CN105865462A (zh) | 带有深度增强视觉传感器的基于事件的三维slam方法 | |
Levy et al. | Can correcting feature location in simulated mean climate improve agreement on projected changes? | |
Lu et al. | Testing PSF interpolation in weak lensing with real data | |
CN110503137A (zh) | 基于交叉融合的遥感影像时空融合基础图像对的确定方法 | |
CN101739670B (zh) | 非局部均值空域时变图像滤波方法 | |
CN103971167A (zh) | 预测光伏发电设备的发电功率的方法和系统 | |
Yan et al. | Application of transmissibility matrix and random matrix to Bayesian system identification with response measurements only | |
CN113341459B (zh) | 基于机器学习和动力学计算融合的地震定位方法与设备 | |
Xiu et al. | Vision and vibration data fusion-based structural dynamic displacement measurement with test validation | |
CN102930151A (zh) | 基于纹理的实时模拟红外探测系统效应的方法 | |
CN106327456A (zh) | 遥感图像信息缺失重建方法及装置 | |
Kos et al. | A tool support for model-driven development: An industrial case study from a measurement domain | |
Schregle et al. | Spatio-temporal visualisation of reflections from building integrated photovoltaics | |
CN101742088B (zh) | 非局部均值空域时变视频滤波方法 | |
CN101635046B (zh) | 基于统一计算设备架构技术的图像处理方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |