CN109934788A - 一种基于标准遥感图像的遥感图像缺失数据修复方法 - Google Patents
一种基于标准遥感图像的遥感图像缺失数据修复方法 Download PDFInfo
- Publication number
- CN109934788A CN109934788A CN201910221449.3A CN201910221449A CN109934788A CN 109934788 A CN109934788 A CN 109934788A CN 201910221449 A CN201910221449 A CN 201910221449A CN 109934788 A CN109934788 A CN 109934788A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- sensing images
- data
- pixel
- repaired
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于标准遥感图像的遥感图像缺失数据修复方法,其特点是,该方法是首先将不存在缺失数据的参照遥感图像的光谱值校正到待修复遥感图像的光照条件下的光谱值,构建标准遥感图像;以待修复遥感图像中缺失数据像元和标准遥感图像中相同坐标像元为中心,分别构建局部窗口;在标准遥感图像窗口内,进行光谱分类,确定并记录下窗口内与中心像元光谱最相似的像元的位置(x,y)和该像元同中心像元在各波段上的光谱值的比值Ki;在待修复遥感图像窗口内,用相同位置(x,y)上的像元光谱值除以Ki,来填充窗口中心像元缺失的光谱值;本发明减少了运算量,克服了太阳光照不同所导致的图像光谱畸变对像元分类精度的影响,具有修复精度高、计算量小的优点。
Description
技术领域:
本发明涉及数字图像修复技术领域,具体地讲是一种基于标准遥感图像的遥感图像缺失数据修复方法,是基于相同的地形-传感器-太阳几何关系下不同时相遥感图像的光谱相关性更强的特点,采用cosine地形校正的方法,将没有数据缺失的参照图像校正到同一地区待修复遥感图像的地形-传感器-太阳成像几何下的光谱图像,构造标准图像,并基于标准图像,通过局部窗口像元SAM分类技术确定待修复遥感图像缺失像元的光谱值。该方法可用于修复由于传感器硬、软件或者人为等故障所导致遥感图像缺失数据的场合。
背景技术:
以美国陆地卫星7号(Landsat-7)为例,搭载于该卫星上的增强型主题成像仪传感器(ETM+)于2003年5月31日发生了扫描行校正器(Scan Lines Corrector,简称SLC)突然故障,导致该传感器此后获取的遥感图像出现数据重叠和大约25%的数据丢失,称之为SLC-OFF数据。在SLC-OFF数据中,那些没发生SLC故障的像元仍然保持了良好的几何特性和辐射特性。在卫星遥感图像获取过程中,不可避免的会发生由卫星搭载的传感器软件、硬件故障乃至人为因素所导致的获取的遥感图像数据存在数据丢失现象。ETM+遥感图像发生数据丢失大大影响和限制了数据的使用,但是该数据仍然可以成功的运用到很多科学领域,尤其是在遥感图像时间序列分析和热点区域研究中具有不可或缺的地位。如何通过遥感图像处理方式,有效、快速的修复这些缺失数据,成为遥感图像数据恢复领域中的热门问题,引起国内外诸多专家关注和研究。
目前,对卫星遥感图像缺失数据修复的研究主要集中于对Landsat-7 ETM+ SLC-OFF 遥感图像缺失数据的修复方法研究,主要有三类方法:(1)基于单图像插值修复法,该方法利用 SLC-OFF 单景遥感图像,只依赖缺失数据像元周边的有数据的像元值,采用克里金、临近像元或三角插值等算法,预测插值缺失数据像元值。这种方法的优点是只依赖SLC-OFF单景遥感图像,操作简单,修复效率高,缺点是修复效果差,尤其是对于诸如水陆等不同地物边界处的插值结果同实际情况相差甚远;(2)基于多遥感图像填充法,借助覆盖同一地区的、不同时相的、没有数据缺失的Landsat-7 ETM+影像、其他 Landsat1-5系列具有相似光谱特征的卫星影像或者其他诸如MODIS、ASTER、中巴地球资源卫星等不同类型卫星提供的数据作为参照图像,来预测SLC-OFF故障后ETM+遥感图像中的缺失数据。其中,美国地质调查局EROS数据中心学者(USGS EDC)提出了全景直方图匹配、局部直方图匹配和自适应窗口直方图匹配方法三种基于多时相遥感图像Landsat ETM+ SLC-OFF数据的填充方法。田晓红等在局部直方图匹配算法基础上提出了自适应局部回归匹配算法. 钱乐祥等利用影像自适应局部回归模型和影像固定窗口局部回归模型,分别以 Landsat TM 为参照图像,对SLC-OFF 影像作条带数据进行修复,并对应用不同修复方法和不同方法所修复的遥感图像的应用价值进行评价。Chen等提出了邻近相似像元插值法(NSPI),Zeng 等提出了加权线性回归法(The Weighted Liner Regression,WLR),NSPI和WLR方法提高了影像修复的准确性,即使在边缘区域也能得到较好的修复。缺点是只考虑了不同时相遥感图像的光谱显示效果的相似性,而忽略不同时相遥感图像成像几何关系的差异所产生的光谱差异性,并且算法比较复杂,因而严重影响了定量遥感的应用。另外,WLR算法中,权重阈值的选择具有主观性,不便于大范围、快速应用;(3)遥感图像分割法,Maxwell(2004)先对没有数据缺失的参照遥感图像进行图像分割,将分割后的图斑覆盖到SLC-OFF遥感图像中,以便确定缺失数据条带中各个像元分别属于哪一类图斑,并用对应图斑中像元值预测和填充缺失数据的光谱值。该方法的优点是完全基于SLC-OFF遥感图像的光谱值填充缺失数据像元的光谱值,缺点是遥感图像分割参数(分割尺度和均质度)对分割图斑影响显著,进而影响到缺失数据的修复精度,并且算法过于复杂。上述图像修复方法均没有考虑参照图像同待修复图像间因为地形-传感器-太阳成像几何关系所导致的两图像光谱变异的问题。实际上复杂地形下遥感影像受地形-传感器-太阳几何关系影响,造成阴坡接收到的太阳照度较弱从而具有较低的光谱值,阳坡接收到的太阳照度较强从而具有较高的光谱值,这个问题直接导致了不同时相的遥感图像间不可避免的存在明显的光谱畸变问题。基于存在明显光谱畸变的参照图像去修复其他时相的图像,显然降低了图像修复的精度。
发明内容:
本发明的目的是克服上述基于多遥感图像填充法没有对参照图像进行地形-传感器-太阳几何校正,两幅图像间光谱存在畸变所导致的修复精度不高的不足,而提供一种基于标准遥感图像的遥感图像缺失数据修复方法,主要解决了传统的基于多遥感图像填充法因为没有考虑到参照图像和待修复图像成像时刻的地形-传感器-太阳成像几何不同而导致的两图像间光谱畸变较明显,以至于修复后图像光谱失真明显,难以被应用于定量遥感研究中的问题。
本发明的技术方案是:一种基于标准遥感图像的遥感图像缺失数据修复方法,其特殊之处在于,包括以下步骤:
a 获得覆盖同一地区的无数据缺失的参照遥感图像T01、存在数据缺失的待修复遥感图像T02和数字高程模型数据DEM0;
b 对无数据缺失的参照遥感图像T01、存在数据缺失的待修复遥感图像T02和数字高程模型数据DEM0进行几何配准,得到配准后无数据缺失的参照遥感图像T01’、配准后待修复遥感图像T2和配准后数字高程模型数据DEM0’;
c 根据无数据缺失的参照遥感图像T01的成像时刻太阳天顶角、方位角参数和配准后数字高程模型数据DEM0’,按照如下步骤将配准后无数据缺失的参照遥感图像T01’校正成水平光谱图像;
①根据式(1)计算无数据缺失的参照遥感图像T01获取图像时刻的地形-传感器-太阳成像几何下的地形阴影数据
(1)
式中,分别是无数据缺失的参照遥感图像T01的成像时刻太阳天顶角和太阳方位角, 是地形坡度,是地形坡向;
②由式(2)计算配准后无数据缺失的参照遥感图像T01’的水平光谱图像
(2)
式中,是配准后无数据缺失的参照遥感图像T01’光谱图像,是配准后无数据缺失的参照遥感图像T01’的水平光谱图像;
d 根据存在数据缺失的待修复遥感图像T02成像时刻的太阳天顶角和太阳方位角(式3-4),按照如下步骤将配准后无数据缺失的参照遥感图像T01’的水平光谱图像校正到存在数据缺失的待修复遥感图像T02成像时刻的地形-传感器-太阳光照几何条件下的光谱图像,得到地形-传感器-太阳光照几何关系校正后无数据缺失的标准遥感图像T1:
①由式(3)计算存在数据缺失的待修复遥感图像T02时刻地形阴影
(3)
式中,分别是存在数据缺失的待修复遥感图像T02成像时刻太阳天顶角和太阳方位角, 是地形坡度,是地形坡向;
② (4)
式中, 是配准后无数据缺失的参照遥感图像T01’的水平光谱图像, 是配准后无数据缺失的参照遥感图像T01’在存在数据缺失的待修复遥感图像T02成像时地形-传感器-太阳光照条件下的光谱图像,即标准遥感图像T1;
e 搜索配准后待修复遥感图像T2缺失数据像元,记录缺失数据像元P(x,y;T2)的坐标(x,y),并在配准后待修复遥感图像T2内以该像元P(x,y;T2)为中心构建一尺寸为w的局部窗口;
f 在标准遥感图像T1内以同P(x,y;T2)坐标相同的像元P(x,y;T1)为中心构建一尺度为w的局部窗口;
g 在标准遥感图像T1窗口内,以窗口中心点P(x,y;T1,i)在各波段上的光谱值对窗口内各临近像元的光谱进行光谱分类处理,获得同中心像元点光谱最相近的像元Ps(x’,y’;T1),并记录下该像元该像元的图像坐标(x’,y’)、该像元在各波段上的光谱值Ps(x’,y’;T1,i)及其同中心像元点对应波段上光谱值的比例系数Ki(式5);
Ki=Ps(x’,y’;T1,i)/P(x,y;T1,i) (5)
其中 i为波段序号,Ps(x’,y’;T1,i)、P(x,y;T1,i)分别是标准遥感图像T1内坐标为(x’,y’)、(x,y)像元在波段i上的光谱值;
h 在配准后待修复遥感图像T2相对应的窗口内,以坐标为(x’,y’)的像元各波段上的光谱值Ps(x’,y’;T2,i),和对应的比例系数Ki;按式(6)计算出并填充配准后待修复遥感图像T2内窗口中心像元各波段光谱值Ps(x,y;T2,i):
Ps(x,y;T2,i)=Ps(x’,y’;T2,i)/Ki (6)
i 对配准后待修复遥感图像T2中的全体缺失数据的像元,做上述的操作,进行填充。
进一步的,所述的存在数据缺失的待修复遥感图像是指由于遥感传感器软件、硬件故障及人为因素导致所获得的遥感图像中存在部分像元缺失数值;存在数据缺失的待修复遥感图像需要被修复后才能正常使用。
进一步的,所述的构建一尺度为w的局部窗口是指以某一像元(横坐标为x, 纵坐标y)为中心点,遥感图像横坐标取值范围是x-Nx*Rx至x+Nx*Rx,和横坐标取值范围是y-Ny*Ry至y+Ny*Ry,所围成的各像元所组成的区域,其中Nx=1,2,3…,Ny=1,2,3…, Rx 为图像在东西向上的空间分辨率, Ry为图像在南北向上的空间分辨率,w=Nx*Ny,。
进一步的,所述的对无数据缺失的参照遥感图像T01、存在数据缺失的待修复遥感图像T02和数字高程模型数据DEM进行几何配准,其中的几何配准是指将不同时间、不同遥感器系统所获得的同一地区的遥感图像(数据),经几何投影变换至相同的投影坐标系,使同名像点在位置上和方位上完全叠合的操作。
进一步的,所述的在标准遥感图像T1窗口内,以窗口中心点P(x,y;T1,i)在各波段上的光谱值对窗口内各临近像元的光谱进行光谱分类,其中的光谱值,是指图像像元所记录无物理单位的图像灰度值亦可是诸如亮度值、反射率值等具有某一物理单位的记录值。
进一步的,所述的在标准遥感图像T1窗口内,以窗口中心点P(x,y;T1,i)在各波段上的光谱值对窗口内各临近像元进行光谱分类处理,其中的光谱分类处理是指采用诸如判别分析、最大似然分析、特征分析、序贯分析和图形识别等图像光谱监督分类算法来实现。
进一步的,所述的按照如下步骤将配准后无数据缺失的参照遥感图像T01’校正成水平光谱图像;其中的水平光谱图像是指通过变换,将所有像元的光谱值变换到水平参照面光谱值,从而消除由于成像时刻的地形-传感器-太阳几何关系而引起的图像光谱值的变异,使图像更好地反映地物的光谱特征。
本发明的一种基于标准遥感图像的遥感图像缺失数据修复方法与已有技术相比具有突出的实质性特点和显著进步:1、通过对无数据缺失的参照遥感图像进行地形-传感器-太阳成像几何校正,构建了标准图像。该标准图像具有同待修复图像相同的地形-传感器-太阳成像几何关系,因而,尽管标准图像和待修复图像成像时刻不同,但具有相同的光照条件,其图像光谱具有很高的相似性。克服了传统的基于多遥感图像填充法因为参照图像和待修复图像的时相不同,感图像光谱差异较大,所导致修复后光谱差异明显的不足。2、对同待修复图像具有相同的光照条件的标准遥感图像局部窗口内像元进行光谱分类处理,确定同窗口中心像元同类的像元的坐标值、各波段上光谱值及其同中心像元各波段光谱值的比例系数Ki,并在待修复图像中,以相同位置像元各波段光谱值除以比例系数Ki,来填充中心像元对应波段光谱值。由待修复遥感图像本身的数据来填充缺失的数据,光谱损失小;3、在时序遥感图像定量分析和应用的研究中,具有重要意义。
附图说明:
图1是本发明的计算流程图。
具体实施方式:
为了更好的理解与实施,下面结合附图给出具体实施例详细说明本发明一种基于标准遥感图像的遥感图像缺失数据修复方法;所举实施例仅用于解释本发明,并非用于限制本发明的范围。
实施例1,参见图1,基于标准遥感图像的遥感图像缺失数据修复方法,包括以下步骤:
第一步,获得覆盖同一地区的无数据缺失的参照遥感图像T01、存在数据缺失的待修复遥感图像T02和数字高程模型数据DEM0;
第二步,对无数据缺失的参照遥感图像T01、存在数据缺失的待修复遥感图像T02和数字高程模型数据DEM0进行几何配准,得到配准后无数据缺失的参照遥感图像T01’、配准后待修复遥感图像T2和配准后数字高程模型数据DEM0’;
第三步,根据无数据缺失的参照遥感图像T01的成像时刻太阳天顶角、方位角参数和配准后数字高程模型数据DEM0’,按照如下步骤将配准后无数据缺失的参照遥感图像T01’校正成水平光谱图像;
①根据式(1)计算无数据缺失的参照遥感图像T01获取图像时刻的地形-传感器-太阳成像几何下的地形阴影数据
(1)
式中, 分别是无数据缺失的参照遥感图像T01的成像时刻太阳天顶角和太阳方位角, 是地形坡度,是地形坡向;
②由式(2)计算配准后无数据缺失的参照遥感图像T01’的水平光谱图像
(2)
式中,是配准后无数据缺失的参照遥感图像T01’光谱图像,是配准后无数据缺失的参照遥感图像T01’的水平光谱图像;
第四步,根据存在数据缺失的待修复遥感图像T02成像时刻的太阳天顶角和太阳方位角(式3-4),按照如下步骤将配准后无数据缺失的参照遥感图像T01’的水平光谱图像校正到存在数据缺失的待修复遥感图像T02成像时刻的地形-传感器-太阳光照几何条件下的光谱图像,得到地形-传感器-太阳光照几何关系校正后无数据缺失的标准遥感图像T1:
①由式(3)计算存在数据缺失的待修复遥感图像T02时刻地形阴影
(3)
式中,分别是存在数据缺失的待修复遥感图像T02成像时刻太阳天顶角和太阳方位角, 是地形坡度,是地形坡向;
② (4)
式中, 是配准后无数据缺失的参照遥感图像T01’的水平光谱图像, 是配准后无数据缺失的参照遥感图像T01’在存在数据缺失的待修复遥感图像T02成像时地形-传感器-太阳光照条件下的光谱图像,即标准遥感图像T1;
第五步,搜索配准后待修复遥感图像T2缺失数据像元,记录缺失数据像元P(x,y;T2)的坐标(x,y),并在配准后待修复遥感图像T2内以该像元P(x,y;T2)为中心构建一尺寸为w的局部窗口;
第六步,在标准遥感图像T1内以同P(x,y;T2)坐标相同的像元P(x,y;T1)为中心构建一尺度为w的局部窗口;
第七步,在标准遥感图像T1窗口内,以窗口中心点P(x,y;T1,i)在各波段上的光谱值对窗口内各临近像元的光谱进行光谱分类处理,获得同中心像元点光谱最相近的像元Ps(x’,y’;T1),并记录下该像元该像元的图像坐标(x’,y’)、该像元在各波段上的光谱值Ps(x’,y’;T1,i)及其同中心像元点对应波段上光谱值的比例系数Ki(式5);
Ki=Ps(x’,y’;T1,i)/P(x,y;T1,i) (5)
其中i为波段序号,Ps(x’,y’;T1,i)、P(x,y;T1,i)分别是标准遥感图像T1内坐标为(x’,y’)、(x,y)像元在波段i上的光谱值;
第八步,在配准后待修复遥感图像T2相对应的窗口内,以坐标为(x’,y’)的像元各波段上的光谱值Ps(x’,y’;T2,i),和对应的比例系数Ki;按式(6)计算出并填充配准后待修复遥感图像T2内窗口中心像元各波段光谱值Ps(x,y;T2,i):
Ps(x,y;T2,i)=Ps(x’,y’;T2,i)/Ki (6)
第九步,对配准后待修复遥感图像T2中的全体缺失数据的像元,做上述的操作,进行填充。
Claims (7)
1.一种基于标准遥感图像的遥感图像缺失数据修复方法,其特征在于,包括以下步骤:
a 获得覆盖同一地区的无数据缺失的参照遥感图像T01、存在数据缺失的待修复遥感图像T02和数字高程模型数据DEM0;
b 对无数据缺失的参照遥感图像T01、存在数据缺失的待修复遥感图像T02和数字高程模型数据DEM0进行几何配准,得到配准后无数据缺失的参照遥感图像T01’、配准后待修复遥感图像T2和配准后数字高程模型数据DEM0’;
c 根据无数据缺失的参照遥感图像T01的成像时刻太阳天顶角、方位角参数和配准后数字高程模型数据DEM0’,按照如下步骤将配准后无数据缺失的参照遥感图像T01’校正成水平光谱图像;
①根据式(1)计算无数据缺失的参照遥感图像T01获取图像时刻的地形-传感器-太阳成像几何下的地形阴影数据
(1)
式中, 分别是无数据缺失的参照遥感图像T01的成像时刻太阳天顶角和太阳方位角, 是地形坡度,是地形坡向;
②由式(2)计算配准后无数据缺失的参照遥感图像T01’的水平光谱图像
(2)
式中,是配准后无数据缺失的参照遥感图像T01’光谱图像,是配准后无数据缺失的参照遥感图像T01’的水平光谱图像;
d 根据存在数据缺失的待修复遥感图像T02成像时刻的太阳天顶角和太阳方位角(式3-4),按照如下步骤将配准后无数据缺失的参照遥感图像T01’的水平光谱图像校正到存在数据缺失的待修复遥感图像T02成像时刻的地形-传感器-太阳光照几何条件下的光谱图像,得到地形-传感器-太阳光照几何关系校正后无数据缺失的标准遥感图像T1:
①由式(3)计算存在数据缺失的待修复遥感图像T02时刻地形阴影
(3)
式中,分别是存在数据缺失的待修复遥感图像T02成像时刻太阳天顶角和太阳方位角, 是地形坡度,是地形坡向;
② (4)
式中, 是配准后无数据缺失的参照遥感图像T01’的水平光谱图像, 是配准后无数据缺失的参照遥感图像T01’在存在数据缺失的待修复遥感图像T02成像时地形-传感器-太阳光照条件下的光谱图像,即标准遥感图像T1;
e 搜索配准后待修复遥感图像T2缺失数据像元,记录缺失数据像元P(x,y;T2)的坐标(x,y),并在配准后待修复遥感图像T2内以该像元P(x,y;T2)为中心构建一尺寸为w的局部窗口;
f 在标准遥感图像T1内以同P(x,y;T2)坐标相同的像元P(x,y;T1)为中心构建一尺度为w的局部窗口;
g 在标准遥感图像T1窗口内,以窗口中心点P(x,y;T1,i)在各波段上的光谱值对窗口内各临近像元的光谱进行光谱分类处理,获得同中心像元点光谱最相近的像元Ps(x’,y’;T1),并记录下该像元该像元的图像坐标(x’,y’)、该像元在各波段上的光谱值Ps(x’,y’;T1,i)及其同中心像元点对应波段上光谱值的比例系数Ki(式5);
Ki=Ps(x’,y’;T1,i)/P(x,y;T1,i) (5)
其中 i为波段序号,Ps(x’,y’;T1,i)、P(x,y;T1,i)分别是标准遥感图像T1内坐标为(x’,y’)、(x,y)像元在波段i上的光谱值;
h 在配准后待修复遥感图像T2相对应的窗口内,以坐标为(x’,y’)的像元各波段上的光谱值Ps(x’,y’;T2,i),和对应的比例系数Ki;按式(6)计算出并填充配准后待修复遥感图像T2内窗口中心像元各波段光谱值Ps(x,y;T2,i):
Ps(x,y;T2,i)=Ps(x’,y’;T2,i)/Ki (6)
i 对配准后待修复遥感图像T2中的全体缺失数据的像元,做上述的操作,进行填充。
2.根据权利要求1所述的一种基于标准遥感图像的遥感图像缺失数据修复方法,其特征在于,所述的存在数据缺失的待修复遥感图像是指由于遥感传感器软件、硬件故障及人为因素导致所获得的遥感图像中存在部分像元缺失数值;存在数据缺失的待修复遥感图像需要被修复后才能正常使用。
3.根据权利要求1所述的一种基于标准遥感图像的遥感图像缺失数据修复方法,其特征在于,所述的构建一尺度为w的局部窗口是指以某一像元(横坐标为x, 纵坐标y)为中心点,遥感图像横坐标取值范围是x-Nx*Rx至x+Nx*Rx,和横坐标取值范围是y-Ny*Ry至y+Ny*Ry,所围成的各像元所组成的区域,其中Nx=1,2,3…,Ny=1,2,3…, Rx 为图像在东西向上的空间分辨率, Ry为图像在南北向上的空间分辨率,w=Nx*Ny,。
4.根据权利要求1所述的一种基于标准遥感图像的遥感图像缺失数据修复方法,其特征在于,所述的对无数据缺失的参照遥感图像T01、存在数据缺失的待修复遥感图像T02和数字高程模型数据DEM进行几何配准,其中的几何配准是指将不同时间、不同遥感器系统所获得的同一地区的遥感图像(数据),经几何投影变换至相同的投影坐标系,使同名像点在位置上和方位上完全叠合的操作。
5.根据权利要求1所述的一种基于标准遥感图像的遥感图像缺失数据修复方法,其特征在于,所述的在标准遥感图像T1窗口内,以窗口中心点P(x,y;T1,i)在各波段上的光谱值对窗口内各临近像元的光谱进行光谱分类,其中的光谱值,是指图像像元所记录无物理单位的图像灰度值亦可是诸如亮度值、反射率值等具有某一物理单位的记录值。
6.根据权利要求1所述的一种基于标准遥感图像的遥感图像缺失数据修复方法,其特征在于,所述的在标准遥感图像T1窗口内,以窗口中心点P(x,y;T1,i)在各波段上的光谱值对窗口内各临近像元进行光谱分类处理,其中的光谱分类处理是指采用诸如判别分析、最大似然分析、特征分析、序贯分析和图形识别等图像光谱监督分类算法来实现。
7.根据权利要求1所述的一种基于标准遥感图像的遥感图像缺失数据修复方法,其特征在于,所述的按照如下步骤将配准后无数据缺失的参照遥感图像T01’校正成水平光谱图像;其中的水平光谱图像是指通过变换,将所有像元的光谱值变换到水平参照面光谱值,从而消除由于成像时刻的地形-传感器-太阳几何关系而引起的图像光谱值的变异,使图像更好地反映地物的光谱特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910221449.3A CN109934788B (zh) | 2019-03-22 | 2019-03-22 | 一种基于标准遥感图像的遥感图像缺失数据修复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910221449.3A CN109934788B (zh) | 2019-03-22 | 2019-03-22 | 一种基于标准遥感图像的遥感图像缺失数据修复方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109934788A true CN109934788A (zh) | 2019-06-25 |
CN109934788B CN109934788B (zh) | 2022-12-30 |
Family
ID=66987968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910221449.3A Active CN109934788B (zh) | 2019-03-22 | 2019-03-22 | 一种基于标准遥感图像的遥感图像缺失数据修复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109934788B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242882A (zh) * | 2020-01-08 | 2020-06-05 | 长春工程学院 | 一种高光谱遥感地质勘测控制系统、方法及应用 |
CN111257854A (zh) * | 2020-01-19 | 2020-06-09 | 中南林业科技大学 | 一种通用的基于遥感影像分割单元的地形校正优化方法 |
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 |
CN111583133A (zh) * | 2020-04-20 | 2020-08-25 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种自适应遥感图像像元缺值填补方法、装置、设备及介质 |
CN112070151A (zh) * | 2020-09-07 | 2020-12-11 | 北京环境特性研究所 | 一种mstar数据图像的目标分类识别方法 |
CN114723619A (zh) * | 2022-02-25 | 2022-07-08 | 中国科学院空天信息创新研究院 | 地表辐射产品修复方法、装置、电子设备及存储介质 |
Citations (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101034477A (zh) * | 2007-03-29 | 2007-09-12 | 上海大学 | 遥感数字图像上阴影消除和阴影中像元遥感值恢复方法 |
CN101526620A (zh) * | 2009-03-26 | 2009-09-09 | 上海大学 | 机载或星载激光扫描成像的地形校正方法 |
CN101710416A (zh) * | 2009-12-07 | 2010-05-19 | 中国科学院新疆生态与地理研究所 | 多目标遥感图像云的处理方法 |
CN102013092A (zh) * | 2010-11-26 | 2011-04-13 | 重庆大学 | 一种基于光照校正的图像复原方法 |
CN102034269A (zh) * | 2010-12-10 | 2011-04-27 | 天津中科遥感信息技术有限公司 | 太阳直射光遥感数字图像的辐射变换虚拟仿真方法 |
CN102073038A (zh) * | 2010-11-29 | 2011-05-25 | 上海大学 | 基于微小地形的遥感影像的地形校正的方法 |
WO2012039719A1 (en) * | 2010-09-24 | 2012-03-29 | Hewlett-Packard Development Company, L.P. | Image registration |
CN102565778A (zh) * | 2011-12-12 | 2012-07-11 | 中国科学院遥感应用研究所 | 一种自动提取伪不变特征的遥感图像相对辐射校正方法 |
CN102609918A (zh) * | 2012-02-15 | 2012-07-25 | 国家海洋局第二海洋研究所 | 基于图像特征配准的航空多光谱遥感影像几何精校正方法 |
CN103198314A (zh) * | 2013-02-20 | 2013-07-10 | 北京农业信息技术研究中心 | 遥感图像辐射校正方法 |
US20130336540A1 (en) * | 2012-06-14 | 2013-12-19 | Hitachi, Ltd. | Decomposition apparatus and method for refining composition of mixed pixels in remote sensing images |
CN103810706A (zh) * | 2014-01-27 | 2014-05-21 | 鲁东大学 | 一种地表粗糙度参与阴影模型的遥感图像反立体校正方法 |
DE102012221667A1 (de) * | 2012-11-27 | 2014-05-28 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Vorrichtung und Verfahren zum Verarbeiten von Fernerkundungsdaten |
CN103940407A (zh) * | 2014-02-13 | 2014-07-23 | 鲁东大学 | 一种基于地形和遥感影像融合技术提取冲沟方法 |
CN104077740A (zh) * | 2013-03-29 | 2014-10-01 | 中国科学院国家天文台 | 月球遥感图像的灰度均衡处理方法 |
CN104700356A (zh) * | 2015-04-07 | 2015-06-10 | 北京师范大学 | 一种遥感图像反立体校正方法 |
WO2015101062A1 (zh) * | 2013-12-30 | 2015-07-09 | 华中科技大学 | 一种多波段共光路图谱联合遥感测量系统及方法 |
CN104834814A (zh) * | 2015-04-29 | 2015-08-12 | 西北师范大学 | 遥感影像地形标准化方法 |
CN105046251A (zh) * | 2015-08-04 | 2015-11-11 | 中国资源卫星应用中心 | 一种基于环境一号卫星遥感影像的自动正射校正方法 |
WO2016106950A1 (zh) * | 2014-12-30 | 2016-07-07 | 华中科技大学 | 一种基于太阳照射阴影补偿的带状地下结构探测方法 |
CN106157292A (zh) * | 2015-04-23 | 2016-11-23 | 尤淑撑 | 基于两时相遥感图像的国土资源变化监测 |
CN106327452A (zh) * | 2016-08-14 | 2017-01-11 | 曾志康 | 一种面向多云雨地区的碎片化遥感影像合成方法及装置 |
CN106780353A (zh) * | 2016-11-10 | 2017-05-31 | 哈尔滨工业大学 | 一种基于时相光谱角度量的多时相云遮挡数据恢复方法 |
CN106897973A (zh) * | 2017-01-23 | 2017-06-27 | 鲁东大学 | 一种基于pca变换的遥感反射率图像反立体校正方法 |
CN107944368A (zh) * | 2017-11-16 | 2018-04-20 | 中国科学院遥感与数字地球研究所 | 一种基于时序遥感图像的水体提取方法 |
CN108171647A (zh) * | 2017-11-24 | 2018-06-15 | 同济大学 | 一种考虑地表形变的Landsat 7条带影像修复方法 |
CN108305237A (zh) * | 2018-01-23 | 2018-07-20 | 中国科学院遥感与数字地球研究所 | 考虑不同光照成像条件的多立体影像融合制图方法 |
US20180218197A1 (en) * | 2017-01-27 | 2018-08-02 | Signal Processing, Inc. | Method and System for Enhancing Predictive Accuracy of Planet Surface Characteristics from Orbit |
KR101898033B1 (ko) * | 2018-05-24 | 2018-09-12 | (주)해양정보기술 | 원격탐사로 관측된 하이퍼와 울트라 스펙트럴 자료 오차의 정밀 보정방법 |
CN108961360A (zh) * | 2018-06-08 | 2018-12-07 | 浙江工业大学 | 梯度特征保持的时间序列遥感影像缺失区域填充方法 |
-
2019
- 2019-03-22 CN CN201910221449.3A patent/CN109934788B/zh active Active
Patent Citations (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101034477A (zh) * | 2007-03-29 | 2007-09-12 | 上海大学 | 遥感数字图像上阴影消除和阴影中像元遥感值恢复方法 |
CN101526620A (zh) * | 2009-03-26 | 2009-09-09 | 上海大学 | 机载或星载激光扫描成像的地形校正方法 |
CN101710416A (zh) * | 2009-12-07 | 2010-05-19 | 中国科学院新疆生态与地理研究所 | 多目标遥感图像云的处理方法 |
WO2012039719A1 (en) * | 2010-09-24 | 2012-03-29 | Hewlett-Packard Development Company, L.P. | Image registration |
CN102013092A (zh) * | 2010-11-26 | 2011-04-13 | 重庆大学 | 一种基于光照校正的图像复原方法 |
CN102073038A (zh) * | 2010-11-29 | 2011-05-25 | 上海大学 | 基于微小地形的遥感影像的地形校正的方法 |
CN102034269A (zh) * | 2010-12-10 | 2011-04-27 | 天津中科遥感信息技术有限公司 | 太阳直射光遥感数字图像的辐射变换虚拟仿真方法 |
CN102565778A (zh) * | 2011-12-12 | 2012-07-11 | 中国科学院遥感应用研究所 | 一种自动提取伪不变特征的遥感图像相对辐射校正方法 |
CN102609918A (zh) * | 2012-02-15 | 2012-07-25 | 国家海洋局第二海洋研究所 | 基于图像特征配准的航空多光谱遥感影像几何精校正方法 |
US20130336540A1 (en) * | 2012-06-14 | 2013-12-19 | Hitachi, Ltd. | Decomposition apparatus and method for refining composition of mixed pixels in remote sensing images |
DE102012221667A1 (de) * | 2012-11-27 | 2014-05-28 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Vorrichtung und Verfahren zum Verarbeiten von Fernerkundungsdaten |
CN103198314A (zh) * | 2013-02-20 | 2013-07-10 | 北京农业信息技术研究中心 | 遥感图像辐射校正方法 |
CN104077740A (zh) * | 2013-03-29 | 2014-10-01 | 中国科学院国家天文台 | 月球遥感图像的灰度均衡处理方法 |
WO2015101062A1 (zh) * | 2013-12-30 | 2015-07-09 | 华中科技大学 | 一种多波段共光路图谱联合遥感测量系统及方法 |
CN103810706A (zh) * | 2014-01-27 | 2014-05-21 | 鲁东大学 | 一种地表粗糙度参与阴影模型的遥感图像反立体校正方法 |
CN103940407A (zh) * | 2014-02-13 | 2014-07-23 | 鲁东大学 | 一种基于地形和遥感影像融合技术提取冲沟方法 |
WO2016106950A1 (zh) * | 2014-12-30 | 2016-07-07 | 华中科技大学 | 一种基于太阳照射阴影补偿的带状地下结构探测方法 |
CN104700356A (zh) * | 2015-04-07 | 2015-06-10 | 北京师范大学 | 一种遥感图像反立体校正方法 |
CN106157292A (zh) * | 2015-04-23 | 2016-11-23 | 尤淑撑 | 基于两时相遥感图像的国土资源变化监测 |
CN104834814A (zh) * | 2015-04-29 | 2015-08-12 | 西北师范大学 | 遥感影像地形标准化方法 |
CN105046251A (zh) * | 2015-08-04 | 2015-11-11 | 中国资源卫星应用中心 | 一种基于环境一号卫星遥感影像的自动正射校正方法 |
CN106327452A (zh) * | 2016-08-14 | 2017-01-11 | 曾志康 | 一种面向多云雨地区的碎片化遥感影像合成方法及装置 |
CN106780353A (zh) * | 2016-11-10 | 2017-05-31 | 哈尔滨工业大学 | 一种基于时相光谱角度量的多时相云遮挡数据恢复方法 |
CN106897973A (zh) * | 2017-01-23 | 2017-06-27 | 鲁东大学 | 一种基于pca变换的遥感反射率图像反立体校正方法 |
US20180218197A1 (en) * | 2017-01-27 | 2018-08-02 | Signal Processing, Inc. | Method and System for Enhancing Predictive Accuracy of Planet Surface Characteristics from Orbit |
CN107944368A (zh) * | 2017-11-16 | 2018-04-20 | 中国科学院遥感与数字地球研究所 | 一种基于时序遥感图像的水体提取方法 |
CN108171647A (zh) * | 2017-11-24 | 2018-06-15 | 同济大学 | 一种考虑地表形变的Landsat 7条带影像修复方法 |
CN108305237A (zh) * | 2018-01-23 | 2018-07-20 | 中国科学院遥感与数字地球研究所 | 考虑不同光照成像条件的多立体影像融合制图方法 |
KR101898033B1 (ko) * | 2018-05-24 | 2018-09-12 | (주)해양정보기술 | 원격탐사로 관측된 하이퍼와 울트라 스펙트럴 자료 오차의 정밀 보정방법 |
CN108961360A (zh) * | 2018-06-08 | 2018-12-07 | 浙江工业大学 | 梯度特征保持的时间序列遥感影像缺失区域填充方法 |
Non-Patent Citations (9)
Title |
---|
GUANGBAO REN: "A method for classificaiton training samples spatial-time expanding of remote sensing iamge", 《INTERNATIONAL CONFERENCE ON SPACE INFORMATION TECHNOLOGY 2009》 * |
HUANG ZHENCHUN: "On-Demand Processing for Remote Sensing Big Data Analysis", 《IEEE INTERNATIONAL SYMPOSIUM ON PARALLEL AND DISTRIBUTED PROCESSING WITH APPLICATIONS》 * |
SHEN HUANFENG: "Missing informaiton reconstruction of remote Sensing Data:A Technical Review", 《IEEE GEOSCIENCE AND REMOTE SENSING MAGAZINE》 * |
余哲修: "阴阳坡不同划分方法的坡度匹配模型地形校正研究", 《西南林业大学学报(自然科学) 》 * |
李先华: "月球表面遥感图像阴影消除及其信息恢复研究", 《应用光学》 * |
李军: "基于最优插值的土壤含水量遥感反演缺失数据插补", 《国土资源遥感 》 * |
王建: "卫星遥感雪盖制图方法对比与分析", 《遥感技术与应用》 * |
赵延芳: "基于ZY3遥感图像的反立体校正方法研究", 《信息技术》 * |
陶金鹏: "光机扫描式高光谱图像边缘辐射校正及并行优化研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242882A (zh) * | 2020-01-08 | 2020-06-05 | 长春工程学院 | 一种高光谱遥感地质勘测控制系统、方法及应用 |
CN111257854A (zh) * | 2020-01-19 | 2020-06-09 | 中南林业科技大学 | 一种通用的基于遥感影像分割单元的地形校正优化方法 |
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 |
CN111583133A (zh) * | 2020-04-20 | 2020-08-25 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种自适应遥感图像像元缺值填补方法、装置、设备及介质 |
CN111583133B (zh) * | 2020-04-20 | 2023-04-07 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种自适应遥感图像像元缺值填补方法、装置、设备及介质 |
CN112070151A (zh) * | 2020-09-07 | 2020-12-11 | 北京环境特性研究所 | 一种mstar数据图像的目标分类识别方法 |
CN112070151B (zh) * | 2020-09-07 | 2023-12-29 | 北京环境特性研究所 | 一种mstar数据图像的目标分类识别方法 |
CN114723619A (zh) * | 2022-02-25 | 2022-07-08 | 中国科学院空天信息创新研究院 | 地表辐射产品修复方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109934788B (zh) | 2022-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109934788A (zh) | 一种基于标准遥感图像的遥感图像缺失数据修复方法 | |
CN103413272B (zh) | 低空间分辨率多源遥感图像空间一致性校正方法 | |
Wu et al. | Developing improved time-series DMSP-OLS-like data (1992–2019) in China by integrating DMSP-OLS and SNPP-VIIRS | |
CN101916436B (zh) | 一种多尺度空间投影遥感影像融合方法 | |
CN102073874B (zh) | 附加几何约束的航天三线阵ccd相机多影像立体匹配方法 | |
CN111383192A (zh) | 一种融合sar的可见光遥感图像去雾方法 | |
CN110569797B (zh) | 地球静止轨道卫星影像山火检测方法、系统及其存储介质 | |
CN107507152A (zh) | 一种基于多图像局部插值的遥感图像缺失数据修复方法 | |
CN112348775B (zh) | 基于车载环视的路面坑塘检测系统及方法 | |
CN114022783A (zh) | 基于卫星图像的水土保持生态功能遥感监测方法和装置 | |
CN108364279A (zh) | 确定静止轨道遥感卫星指向偏差的方法 | |
CN109671038A (zh) | 一种基于伪不变特征点分类分层的相对辐射校正方法 | |
CN104778668A (zh) | 基于可见光波段光谱统计特征的光学遥感图像薄云去除方法 | |
CN106920231A (zh) | 一种基于全色图像统计特征的遥感图像云评估方法 | |
CN103743488B (zh) | 遥感卫星地球临边背景特性的红外成像仿真方法 | |
CN104992150A (zh) | 一种基于高分辨率遥感图像城市道路的自动提取方法 | |
CN109767465B (zh) | 一种基于h8/ahi的白天雾快速提取的方法 | |
Liu et al. | PMDRnet: A progressive multiscale deformable residual network for multi-image super-resolution of AMSR2 Arctic sea ice images | |
CN113936031A (zh) | 一种基于机器视觉的云影轨迹预测方法 | |
Cui et al. | Combined Model Color-Correction Method Utilizing External Low-Frequency Reference Signals for Large-Scale Optical Satellite Image Mosaics. | |
CN107576399B (zh) | 面向modis林火探测的亮温预测方法和系统 | |
CN117115359B (zh) | 一种基于深度图融合的多视图电网三维空间数据重建方法 | |
CN105681677B (zh) | 一种高分辨率光学遥感卫星相机最佳焦面确定方法 | |
CN116245757B (zh) | 多模态数据的多场景通用性遥感影像云修复方法和系统 | |
CN109727217B (zh) | 基于改进Criminisi算法的地基云图修复方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |