目的時空融合是解決當前傳感器無法兼顧遙感圖像的空間分辨率和時間分辨率的有效方法。在只有一對精細—粗略圖像作為先驗的條件下,當前的時空融合算法在預測地物變化時并不能取得令人滿意的結果。針對這個問題,本文提出一種基于線性模型的遙感圖像時空融合算法。方法使用線性關系表示圖像間的時間模型,并假設時間模型與傳感器無關。通過分析圖像時間變化的客觀規(guī)律,對模型進行全局和局部約束。此外引入一種多時相的相似像素搜尋策略,更靈活地選取相似像素,消除了傳統(tǒng)算法存在的模塊效應。結果在兩個數(shù)據(jù)集上與STARFM（spatial and temporal adaptive reflectance fusion model）算法和FSDAF（flexible spatiotemporal data fusion）算法進行比較,實驗結果表明,在主要發(fā)生物候變化的第1個數(shù)據(jù)集,本文方法的相關系數(shù)CC（correlation coefficient）分別提升了0. 25%和0. 28%,峰值信噪比PSNR（peak signal-to-noise ratio）分別提升了0. 153 1 d B和1. 379 d B,均方... 

【文章來源】：中國圖象圖形學報. 2020,25(03)北大核心CSCD

【文章頁數(shù)】：14 頁

【部分圖文】：

場景3觀測到的真實圖像

場景4觀測到的真實圖像

1.2節(jié)中的分析是基于局部一致性前提下進行的，然而在異質(zhì)區(qū)域進行參數(shù)估計時，并不能完全滿足局部一致性，尤其隨著局部塊增大，違背局部一致性的可能性加大。為了準確地進行參數(shù)估計，需要在局部區(qū)域內(nèi)搜尋相似像素，確保用來做參數(shù)估計的數(shù)據(jù)滿足局部一致性假設。另外，考慮到t1和t2時刻地物目標可能會發(fā)生變化，兩個時刻相似像素空間分布也可能會發(fā)生變化�；谝陨戏治�，提出一種多時相的相似像素搜尋策略，只有在基礎時間和預測時間都與中心像素有著相似光譜信息的像素，才會被認為是中心像素的相似像素。由于t2時刻可用的光譜信息都在粗略圖像中，如果直接在粗略圖像中搜尋相似像素，可能會產(chǎn)生嚴重的模塊效應，因此需要對粗略圖像做上采樣處理。考慮到粗略圖像與精細圖像之間巨大的分辨率差異，如果直接將粗略圖像上采樣到精細分辨率，可能會引入巨大的采樣誤差，因此將粗略圖像C1與C2上采樣到介于精細分辨率與粗略分辨率之間的中等分辨率，得到中等分辨率圖像M1與M2。然而上采樣得到的圖像缺少高頻信息，無法提供充足的光譜信息，因此引入了高通調(diào)制操作，具體為

【參考文獻】：
期刊論文
[1]基于徑向基函數(shù)（RBF）映射理論的遙感影像分類模型研究[J]. 駱劍承,周成虎,楊艷.  中國圖象圖形學報. 2000(02)
[2]多衛(wèi)星遙感數(shù)據(jù)的信息融合:理論、方法與實踐[J]. 何國金,李克魯,胡德永,從柏林,張雯華.  中國圖象圖形學報. 1999(09)



本文編號：3125302