CN106846285A - 高性能遥感影像合成方法及装置 - Google Patents

Abstract

本发明公开一种高性能遥感影像合成方法，包括步骤：获取原始遥感影像数据，提取原始遥感影像数据中的云覆盖区域；对提取后的遥感影像数据进行掩膜裁剪，得到无云碎片影像数据并存储；对欲合成的任务区进行分块划分，得到多个子任务区域；根据无云镶嵌规则，对子任务区域的无云碎片影像数据进行替换镶嵌的并行化处理，输出各个子任务区域的合成无云影像数据块；对各子任务区域获取的无云影像数据块进行汇总，输出整体任务区的合成无云遥感影像。本发明仅存储无云碎片影像，降低数据存储量；采用分区域、多线程并行方式进行替换镶嵌处理，提高效率，可获取大范围无云镶嵌影像；采用局部直方图匹配方式，保证色调调整的同时，消除色调不一致问题。

Description

高性能遥感影像合成方法及装置

技术领域

本发明涉及遥感图像处理技术领域，更具体地说，本发明涉及一种高性能遥感影像合成方法及装置。

背景技术

遥感技术以地球作为完整的系统，研究其各圈层的空间结构及相互作用，将遥感数据进行定性、定量分析，解决地球资源与环境等方面的问题。遥感技术所具有宏观、快速和重复观测的优势，在国土、水利、林业和农业的环境保护和资源调查中广泛应用。

遥感传感器一次只能拍摄获取局部区域的影像，远不能满足大范围遥感监测需求。为获得更大范围的遥感影像，通常需要将幅面较小或者来源于不同传感器的影像经过处理并拼接在一起获得一幅完整的遥感图像，如，在高性能集群并行处理环境下，基于拼接线与有效多边形的镶嵌技术，有效多边形为整景影像中除黑边以外的影像部分，实现遥感影像快速无缝镶嵌。

光学传感器受自身成像机理的限制，获取数据时影像质量会受到天气状况的影响(尤其是云雾覆盖)，使得获取到的某些地区影像模糊，甚至局部区域完全丢失地物的纹理信息造成“绝对摄影空白”，要获取清晰的、没有信息损失的遥感影像并非易事。针对遥感图像上厚云覆盖形成的“绝对摄影空白”造成的信息损失无法通过图像复原、图像增强等手段加以解决的问题，需借助其他时段获取的同源或不同源遥感影像进行云及阴影区域的信息补偿从而实现遥感影像的厚云去除，如，基于有云影像与无云替补影像，通过云区识别、直方图匹配、影像替换等过程实现云区的无缝化替换。

但是，现有技术的快速镶嵌需大量人工挑选参与镶嵌的无云清晰影像，效率低下；海量数据为镶嵌提供丰富的原料但同时也造成大量冗余。至于云区的无缝化替换，仍需人为选择替补影像，工作量较大，自动化程度很低；需要辅助影像作支持，所以数据来源以及成像质量直接影响后续替补的效果；直方图匹配处理的是整幅影像，处理后的影像质量退化，而且会影响影像上原本亮度均匀的部分，难以保证替补区域的色彩一致性。

发明内容

针对上述技术中存在的不足之处，本发明提供一种遥感影像合成方法，仅存储无云碎片影像，降低数据存储量；采用分区域、多线程并行方式进行替换镶嵌处理，提高效率，可获取大范围无云镶嵌影像；采用局部直方图匹配方式，保证色调调整的同时，消除色调不一致问题；

本发明还提供一种遥感影像合成装置，以输出高效、高质量的遥感影像。

为了实现根据本发明的这些目的和其它优点，本发明通过以下技术方案实现：

本发明提供一种遥感影像合成方法，包括以下步骤：

获取原始遥感影像数据，提取所述原始遥感影像数据中的云覆盖区域；

对提取后的遥感影像数据进行掩膜裁剪，得到无云碎片影像数据并存储；

对欲合成的任务区进行分块划分，得到多个子任务区域；

根据无云镶嵌规则，基于所述无云碎片影像数据，分别对各个所述子任务区域进行替换镶嵌的并行化处理，输出各个所述子任务区域的合成无云影像数据块；

对各个所述子任务区域获取的无云影像数据块进行汇总，输出所述整体任务区的合成无云遥感影像。

优选的是，对提取云覆盖区域后的遥感影像数据进行裁剪，包括步骤：

根据云覆盖区域分布范围和面积，对云区提取后的遥感影像数据进行无云影像碎片裁剪。

优选的是，根据计算环境中各节点的可用CPU核个数，得到划分的所述子任务区域个数，即：

N_part＝ΣN_nodeN_core；N_part为计算环境中各节点的可用CPU核个数，N_node为节点个数，N_core为各节点所对应的计算机CPU核数。

优选的是，根据无云镶嵌规则，基于无云碎片影像数据，分别对各个所述子任务区域进行替换镶嵌的并行化处理，包括以下步骤：

确定所述子任务区域的镶嵌范围；

对存储的所述无云碎片影像数据进行镶嵌碎片的筛选；

根据所述镶嵌范围和所述镶嵌碎片进行匀色镶嵌处理。

优选的是，确定所述子任务区域的镶嵌范围，包括以下步骤：

根据单个所述子任务区域的分布范围、时相要求、镶嵌要求，在存储的无云碎片影像数据中筛选基准影像；

所述子任务区域的云区包括所述子任务区域中仍剩余的无数据空洞和所述基准影像中的云区范围，计算出云区的等面积缓冲区；

将所述云区范围和所述云区的等面积缓冲区域合并输出，作为该子任务区域的镶嵌范围。

优选的是，对存储的所述无云碎片影像数据进行镶嵌碎片的筛选，包括以下步骤：

筛选存储的所述无云碎片影像数据中与所述云区的等面积缓冲区存在重叠的无云碎片影像，并计算重叠区域的面积；

根据所述重叠区域的面积，确定候选替补碎片及所述候选替补碎片的有效性顺序；

根据所述候选替补碎片及所述候选替补碎片的有效性顺序确定替补影像，利用所述云区的等面积缓冲区对所述替补影像进行裁剪，输出镶嵌碎片。

优选的是，根据所述镶嵌范围和所述镶嵌碎片进行匀色镶嵌处理，包括以下步骤：

获取所述基准影像与所述替补影像重叠部分的分波段的辐射信息，并对所述重叠区进行辐射相似性分析；

根据所述重叠区的辐射相似性分析，构建碎片影像匀色匹配模型；

采用所述构建的匀色匹配模型，对所述镶嵌碎片的影像进行匀色处理；

利用匀色后的替补碎片进行对所述镶嵌范围进行替补，输出子任务区域的合成无云影像数据块。

一种高性能遥感影像合成装置，其特征在于，包括：

预处理模块，其用于获取原始遥感影像数据，提取所述原始遥感影像数据中的云覆盖区域；

裁剪模块，其用于对云覆盖区域提取后的遥感影像数据进行裁剪，得到无云碎片影像并存储；

区域划分模块，其用于对欲合成的任务区进行分块划分，得到多个子任务区域；

替换镶嵌处理模块，其用于根据云镶嵌规则对子任务区域进行并行的替换镶嵌处理，输出子任务区域对应的合成无云影像数据块；

汇总模块，其用于对子任务区域获取的多个合成无云影像数据库进行汇总，输出任务区的合成无云遥感影像。

本发明至少包括以下有益效果：

1)本发明提供的高性能遥感影像合成方法，通过对获取的原始遥感影像数据依次进行提取云覆盖区域、裁剪、划分、替换镶嵌以及汇总处理，输出整体任务区的合成无云遥感影像；该方法中对无云碎片影像数据的管理，回收利用原本由于云量过大而被丢弃的影像数据，使影像中少量的有效数据得到充分利用，为大范围无云影像的获取提供更为丰富的资源，尤其是全年多云雨区域和影像对时相要求严格的区域，提高影像利用率，减小数据冗余；

2)对整体欲合成的任务区进行分块划分，得到多个子任务区域；对每个子任务区域的无云碎片影像数据进行并行的替换镶嵌处理，最后输出任务区的无云合成影像；该过程实现自动化处理，无需人工；区域划分和替换镶嵌的并行处理方式，进一步提高了计算和处理效率；

3)相比于现有技术中两幅影像之间的直方图匀色处理，本发明对存储的无云碎片影像数据进行镶嵌碎片的筛选后，根据镶嵌范围和镶嵌碎片进行匀色镶嵌处理，该过程中，基于云区等面积缓冲区的局部影像色调调整技术，有效解决了以往对整张影像色调调整过程中造成的局部影像色调不一致问题，最大程度保证局部影像的色调一致性。

本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

附图说明

图1为本发明所述的遥感图像合成方法流程图；

图2(a)-2(c)为本发明所述的裁剪后尺寸较大的影像碎片的示意图；

图3(a)-3(d)为本发明所述的裁剪后尺寸较小的影像碎片的示意图；

图4为本发明所述的遥感影像划分区域后的示意图；

图5为本发明对多区域的无云碎片影像数据进行替换镶嵌处理的方法流程图；

图6为本发明所述的确定单个子任务区域的镶嵌范围的方法流程图；

图7(a)-图7(d)为本发明所述的确定云区等面积缓冲区的示意图；

图8为本发明对无云碎片影像数据进行镶嵌碎片筛选的方法流程图；

图9为本发明根据镶嵌范围和镶嵌碎片进行匀色镶嵌的方法流程图；

图10为本发明所述的遥感影像合成装置的示意图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不配出一个或多个其它元件或其组合的存在或添加。

实施例1

如图1所示，本发明提供一种遥感影像合成方法，其包括以下步骤：

S10，获取原始遥感影像数据，提取原始遥感影像数据中的云覆盖区域；

S20，对提取后的遥感影像数据进行掩膜裁剪，得到无云碎片影像数据并

存储；

S30，对欲合成的任务区进行分块划分，得到多个子任务区域；

S40，根据无云镶嵌规则，基于无云碎片影像数据，分别对各个子任务区域内的无云碎片影像数据进行替换镶嵌的并行化处理，输出各个子任务区域的合成无云影像数据块；

S50，对各个子任务区域获取的无云影像块进行汇总，输出整个任务区的合成无云遥感影像。

上述实施方式中，原始遥感影像数据中包括云覆盖数据和无云数据。依据云镶嵌规则，对任务区中的每个子任务区域进行基于无云碎片影像的替换镶嵌处理，以使得处理后的合成影像数据均为无云影像。对提取了云覆盖区域后的遥感影像数据进行掩膜裁剪，得到无云碎片影像数据并存储；对无云碎片影像数据依次进行划分区域、替换镶嵌以及汇总处理，输出整体任务区的合成无云遥感影像。相对于传统影像存储、管理都以影像为单位进行，一般对所有影像数据直接存储或将云量超标的数据直接丢弃而导致的数据量大、冗余大、管理不便，该方法中采用基于碎片影像数据的管理，将原始遥感数据提取云覆盖区后以无云碎片影像的方式进行存储，回收利用原本由于云量过大而被丢弃的影像数据，使影像中少量的有效数据得到充分利用，在最大程度保留无云有效数据的基础上减小数据存储量，为大范围无云影像的获取提供更为丰富的资源，尤其是全年多云雨区域和影像对时相要求严格的区域，提高影像利用率，大大降低数据冗余。至于步骤S10中，提取原始遥感影像数据中的云覆盖区域，可以通过云区检测与提取技术来实现。具体提取方法包括，设置影像值为0的区域作为云覆盖区域，将原始遥感影像数据中影像值设置为0的云覆盖区域提取出来。

作为本发明的优选实施方式，步骤S20中，对提取后的遥感影像数据进行掩膜裁剪，包括步骤：根据云覆盖区域分布范围和面积，对云区提取后的遥感影像数据进行无云影像碎片裁剪。

该实施方式中，根据提取后的遥感影像数据中无云数据对应的分布范围和面积进行裁剪，获得无云的影像碎片数据，并存储入库。合理规划碎片影像大小，以便最大程度保留有效数据、减小数据量，大大降低数据冗余。作为一种优选，对于无云有效数据范围较大且分布集中的区域，为了尽可能保证数据的一致性和完整性，可以裁剪为较大的影像碎片，图2(a)至图2(c)给出裁剪后的尺寸较大的影像碎片的示意，图2(a)至图2(c)中灰色部分可以表示云覆盖区域。作为另一种优选，对于无云有效数据范围较小且分布零散的区域，为了减小数据存储了，可以参见为较小的影像碎片，以便有效存储无云区域的有效数据。图3(a)-图3(d)给出了裁剪后的尺寸较小的影像碎片的示意，图3(a)-图3(d)中灰色部分可以表示云覆盖区域。裁剪得到无云碎片影像后，可以将裁剪后的碎片影像进行存储。作为优选，可以对无云碎片影像进行编码并进行存储。无云碎片影像的编码方式可以与原始遥感影像数据的编码方式相同。至于无云碎片影像的编码方式，可以采用现有技术中任意一种编码方法，本申请不作具体限定。

作为本发明的优选实施方式，步骤S30中，基于无云碎片影像数据，对欲合成影像的任务区进行分块划分，得到各个子任务区域。通过划分区域，为后续各子任务区域替换镶嵌以及各个子任务区域的替换镶嵌结果汇总做准备。这里的任务区一般为省界、市界或县界等矢量边界。具体地，根据并行计算硬件环境制定任务区的分区策略，对需合成的整体任务区域进行分块划分，生成固定大小的子任务区域；然后基于高性能计算环境，针对每个子任务区域进行并行化的影像合成镶嵌。更具体地，根据计算环境中各节点的可用CPU核个数，得到划分的子任务区域个数，即：N_part＝∑N_nodeN_core；N_part为计算环境中各节点的可用CPU核个数，N_node为节点个数，N_core为各节点所对应的计算机CPU核数。图4给出了江西省范围无云碎片影像数据划分区域后的示意图，假设计算得到的CPU核数为21，那么可以将江西省范围内的遥感影像数据划分为21个区域，图4中不规则区域即为江西省范围，白色区域表示需要进行划分区域的遥感影像区域，有阴影的区域可以表示无用区域，可以不予考虑。

作为本发明的优选实施方式，步骤S40中，根据无云镶嵌规则，基于无云碎片影像数据，分别对每个子任务区域的无云碎片影像数据进行替换镶嵌的并行化处理，输出各个子任务区域的合成无云影像数据块。如图5所示，包括以下步骤：S41，确定子任务区域的镶嵌范围；S42，对存储的无云碎片影像数据进行镶嵌碎片的筛选；S43，根据镶嵌范围和镶嵌碎片进行匀色镶嵌处理。

该实施方式中，步骤S41中，确定单个子任务区域的镶嵌范围，如图6所示，包括步骤：S411，根据单个子任务区域的分布范围、时相要求、镶嵌要求，在存储的无云碎片影像数据中筛选基准影像；S412，子任务区域的云区包括子任务区域中仍剩余的无数据空洞和基准影像中的云区范围，计算出云区的等面积缓冲区；S413，将云区范围和云区的等面积缓冲区域合并输出，作为该子任务区域的镶嵌范围。步骤S411中筛选基准影像，具体可以将划分的每个子任务区域范围内符合时相要求和镶嵌要求的无云碎片中有效面积最大的影像作为基准影像；基准影像范围内的云区范围可用通过影像值为0来筛选和提取。时相要求为根据成果数据对影像时相的要求实现自定义设置(可以设置连续或不连续时间段)；镶嵌要求包括分别设置去云镶嵌采用的方法以及分区镶嵌采用的方法，包括重叠区域像元灰度值的线性加权、小波变换算法、基于多尺度小波分解的图像镶嵌算法、重叠区域补偿均衡算法等。获得基准影像后，进一步计算、获取该子任务区域内仍剩余的无数据空白区以及基准影像中的云区范围，计算出各个空白区和云区的等面积缓冲区；将无数据空白区和基准影像云区，以及与其等面积的缓冲区一并作为该子任务区域的镶嵌范围进行输出。如图7(a)所示，当云区处于碎片中部时，缓冲区可向四周扩张，且缓冲区可以完全包含于碎片内；如图7(b)所示，当云区处于碎片中部时，缓冲区可向四周扩张，但部分方向不能完全扩张；如图7(c)所示，当云区处于碎片边缘时，缓冲区可向一侧扩张。如图7(d)所示，当云区处于碎片四角时，缓冲区只能向影像内部扩张。结合图7(a)、图7(b)、图7(c)以及图7(d)的示意，步骤S413中，将空白区、云区以及等面积缓冲区域合并输出并作为单个子任务区域的镶嵌范围。

该实施方式中，步骤S42中，对存储的无云碎片影像数据进行镶嵌碎片的筛选，如图8所示，包括以下步骤：S421，筛选存储的无云碎片影像数据中与云区的等面积缓冲区存在重叠的无云碎片影像，并计算重叠区域的面积；S422，根据重叠区域的面积，确定候选替补碎片及候选替补碎片的有效性顺序；S423，根据候选替补碎片及候选替补碎片的有效性顺序确定替补影像，利用云区的等面积缓冲区对替补影像进行裁剪，输出镶嵌碎片。其中，步骤S422具体可以包括：将重叠区域的面积越大的候选替补碎片作为有效性越大的候选替补碎片。步骤S423中，根据候选替补碎片及候选替补碎片的有效性顺序确定替补影像，包括：选取其中有效性最大的一张候选替补碎片作为替补影像碎片；或者，选取其中有效性最大的前N张候选替补碎片作为替补碎片。N为大于1的整数，N小于或等于候选替补碎片的总个数。例如，最佳情况为单张无云碎片影像完全覆盖缓冲区，如果单张无云碎片影像无法满足替补需求，则选择多张碎片实现缓冲区全覆盖。

该实施方式中，步骤S43中，根据镶嵌范围和镶嵌碎片进行匀色镶嵌处理，如图9所示，包括以下步骤：S431，获取基准影像与替补影像重叠部分的分波段的辐射信息，并对重叠区进行辐射相似性分析；S432，根据重叠区的辐射相似性分析，构建碎片影像匀色匹配模型；S433，采用构建的匀色匹配模型，对镶嵌碎片的影像进行匀色处理；S434，利用匀色后的替补碎片进行对基准影像的镶嵌范围进行替补，输出子区域范围内的合成无云影像数据块。该实施方式中，构建碎片影像匀色匹配模型，可以综合利用多种匀色匹配方法，以基准影像为基础进行构建。作为进一步优选，本发明还可以利用对重叠区域进行羽化来消除镶嵌形成的硬边，以保证影像连续一致。本发明以去云碎片影像数据库为基础，以任务区各个子任务区域的无云碎片影像的自动筛选、替换为主要方式，利用影像的局部匀色匹配，进行短时相、大范围、无云色彩一致的正射影像生产；该过程实现自动化处理，无需人工，提高工作效率。另外，相比于现有技术中两幅影像之间的直方图匀色处理，本发明实施方式对存储的无云碎片影像数据进行镶嵌碎片的筛选后，根据镶嵌范围和镶嵌碎片进行匀色镶嵌处理，该过程中，基于云区等面积缓冲区的局部影像色调调整技术，解决整张影像色调调整过程中造成的局部影像色调不一致问题，最大程度保证局部影像的色调一致性。

另外，根据无云镶嵌规则，对任务区中每个子任务区域的无云碎片影像数据进行并行的替换镶嵌处理，输出各个子任务区域的合成无云影像数据块。即，通过并行的处理方式，对每个子任务区域块同步并行计算。针对每个子任务区域的计算都包括基准影像选择、去云镶嵌等几个步骤，鉴于基准碎片影像数据情况，每个子任务区域中可能存在不止一个云区范围，因此对于单个的子任务区域还需针对每个云区逐一进行去云镶嵌过程，该过程同样采用并行处理过程，提高工作效率。

实施例2

在实施例1的基础上，本实施例提供一种遥感影像合成装置，如图10所示，包括：预处理模块10，其用于获取原始遥感影像数据，提取原始遥感影像数据中的云覆盖区域；裁剪模块20，其用于对提取后的遥感影像数据进行掩膜裁剪，得到无云碎片影像并存储；区域划分模块30，其用于对任务区进行多个子任务区域划分，得到至少一个子任务区域；替换镶嵌处理模块40，其用于根据云镶嵌规则对子任务区域进行并行的替换镶嵌处理，输出子任务区域对应的合成无云影像数据块；汇总模块50，其用于对多个子任务区域的合成影像数据块进行汇总，输出任务区的合成无云遥感影像。

本发明提供的高性能遥感影像合成装置对遥感图像进行合成的过程是，首先，通过预处理模块10对原始遥感影像数据提取云覆盖区域、裁剪模块20对提取后遥感图像进行裁剪，得到无云碎片影像并存储。其次，以无云碎片影像为基础，区域划分模块30对整个任务区(如省、市、县等范围)进行划分。替换镶嵌处理模块40用于对划分后的各个子任务区域进行并行的替换镶嵌处理。最后，汇总模块50对各子任务区域的合成影像数据块进行汇总，输出任务区的合成无云遥感影像。遥感图像合成的过程中，对无云碎片影像数据的管理，回收利用原本由于云量过大而被丢弃的影像数据，使影像中少量的有效数据得到充分利用，为大范围无云影像的获取提供更为丰富的资源，尤其是全年多云雨区域和影像对时相要求严格的区域，可有效提高影像利用率，减小数据存储冗余；任务区分块划分、基于无云碎片影像进行的子任务区域替换镶嵌均为自动处理过程，无需人工筛选、操作，，其区域划分和替换镶嵌采用了并行化的处理方式，提高了工作效率。对存储的无云碎片影像数据进行镶嵌碎片的筛选后，根据镶嵌范围和镶嵌碎片进行匀色镶嵌处理的过程中，基于云区等面积缓冲区的局部影像色调调整技术，解决整张影像色调调整过程中造成的局部影像色调不一致问题，最大程度保证局部影像的色调一致性，提高后期汇总模块50汇总、合成输出合成无云遥感影像的质量。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用。它完全可以被适用于各种适合本发明的领域。对于熟悉本领域的人员而言可容易地实现另外的修改。因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (8)

1.一种高性能遥感影像合成方法，其特征在于，包括以下步骤：

获取原始遥感影像数据，提取所述原始遥感影像数据中的云覆盖区域；

对提取后的遥感影像数据进行掩膜裁剪，得到无云碎片影像数据并存储；

对欲合成的任务区进行分块划分，得到多个子任务区域；

根据无云镶嵌规则，基于所述无云碎片影像数据，分别对各个所述子任务区域进行替换镶嵌的并行化处理，输出各个所述子任务区域的合成无云影像数据块；

对各个所述子任务区域获取的无云影像数据块进行汇总，输出所述整体任务区的合成无云遥感影像。

2.如权力要求1所述的高性能遥感影像合成方法，其特征在于，对提取云覆盖区域后的遥感影像数据进行裁剪，包括步骤：

根据云覆盖区域分布范围和面积，对云区提取后的遥感影像数据进行无云影像碎片裁剪。

3.如权力要求1所述的高性能遥感影像合成方法，其特征在于，根据计算环境中各节点的可用CPU核个数，得到划分的所述子任务区域个数，即：

N_part＝∑N_nodeN_core；N_part为计算环境中各节点的可用CPU核个数，N_node为节点个数，N_core为各节点所对应的计算机CPU核数。

4.如权力要求1所述的高性能遥感影像合成方法，其特征在于，根据无云镶嵌规则，基于无云碎片影像数据，分别对各个所述子任务区域进行替换镶嵌的并行化处理，包括以下步骤：

确定所述子任务区域的镶嵌范围；

对存储的所述无云碎片影像数据进行镶嵌碎片的筛选；

根据所述镶嵌范围和所述镶嵌碎片进行匀色镶嵌处理。

5.如权力要求4所述的高性能遥感影像合成方法，其特征在于，确定所述子任务区域的镶嵌范围，包括以下步骤：

根据单个所述子任务区域的分布范围、时相要求、镶嵌要求，在存储的无云碎片影像数据中筛选基准影像；

所述子任务区域的云区包括所述子任务区域中仍剩余的无数据空洞和所述基准影像中的云区范围，计算出云区的等面积缓冲区；

将所述云区范围和所述云区的等面积缓冲区域合并输出，作为该子任务区域的镶嵌范围。

6.如权力要求4或5所述的高性能遥感影像合成方法，其特征在于，对存储的所述无云碎片影像数据进行镶嵌碎片的筛选，包括以下步骤：

筛选存储的所述无云碎片影像数据中与所述云区的等面积缓冲区存在重叠的无云碎片影像，并计算重叠区域的面积；

根据所述重叠区域的面积，确定候选替补碎片及所述候选替补碎片的有效性顺序；

根据所述候选替补碎片及所述候选替补碎片的有效性顺序确定替补影像，利用所述云区的等面积缓冲区对所述替补影像进行裁剪，输出镶嵌碎片。

7.如权利要求6所述的高性能遥感影像合成方法，其特征在于，根据所述镶嵌范围和所述镶嵌碎片进行匀色镶嵌处理，包括以下步骤：

获取所述基准影像与所述替补影像重叠部分的分波段的辐射信息，并对所述重叠区进行辐射相似性分析；

根据所述重叠区的辐射相似性分析，构建碎片影像匀色匹配模型；

采用所述构建的匀色匹配模型，对所述镶嵌碎片的影像进行匀色处理；

利用匀色后的替补碎片进行对所述镶嵌范围进行替补，输出子任务区域的合成无云影像数据块。

8.一种应用如权利要求1-7中任一项所述的遥感影像合成方法的高性能遥感影像合成装置，其特征在于，包括：

预处理模块，其用于获取原始遥感影像数据，提取所述原始遥感影像数据中的云覆盖区域；

裁剪模块，其用于对云覆盖区域提取后的遥感影像数据进行裁剪，得到无云碎片影像并存储；

区域划分模块，其用于对欲合成的任务区进行分块划分，得到多个子任务区域；

替换镶嵌处理模块，其用于根据云镶嵌规则对子任务区域进行并行的替换镶嵌处理，输出子任务区域对应的合成无云影像数据块；

汇总模块，其用于对子任务区域获取的多个合成无云影像数据库进行汇总，输出任务区的合成无云遥感影像。