本發(fā)明涉及遙感圖像處理，尤其涉及一種改進時空sg的遙感植被指數(shù)時序數(shù)據(jù)重建方法。

背景技術(shù)：

1、遙感植被指數(shù)(vi)時間序列數(shù)據(jù)是應(yīng)用最廣泛的遙感數(shù)據(jù)集之一。歸一化植被指數(shù)(normalized?difference?vegetation?index,ndvi)和增強型植被指數(shù)(enhancedvegetation?index,evi)時間序列數(shù)據(jù)，已被廣泛應(yīng)用于各種地表參數(shù)，包括葉面積指數(shù)、植被物候和土地覆蓋的研究。盡管高質(zhì)量的遙感ndvi/evi時間序列數(shù)據(jù)對這些應(yīng)用至關(guān)重要，但這些數(shù)據(jù)很容易受到不利大氣條件(如云覆蓋)的污染。

2、為了消除遙感vi時間序列產(chǎn)品中的殘留噪聲，已經(jīng)開發(fā)了多種方法。早期是基于時間的方法，這些方法利用各種時間濾波器平滑原始vi時間序列，或采用不同的數(shù)學函數(shù)來模擬vi時間序列的年度軌跡。近年來，為了重建遙感vi時間序列，提出了更復(fù)雜的集成時空信息的方法。這些方法既考慮了相鄰窗口中像素之間的空間相關(guān)性，也考慮了多年vi數(shù)據(jù)的時間相關(guān)性，從而在重建具有連續(xù)數(shù)據(jù)缺失的vi時間序列方面取得了顯著更好的性能。典型的基于時空的方法包括時空savitzky-golay(stsg)方法、時空張量補全方法以及具有時間序列諧波分析的時空預(yù)填充方法。

3、為了提高遙感植被指數(shù)時間序列數(shù)據(jù)的質(zhì)量，大多數(shù)先前的方法都集中在通過逼近vi時間序列的上包絡(luò)線來校正負偏差的vi噪聲。然而，這種方法可能會對時間序列中某些真實的局部低vi值造成過校正，從而導致植被物候特性的模擬不準確。此外，重建遙感vi時間序列的另一個挑戰(zhàn)是填補時間上的連續(xù)缺失值。早期的時空savitzky-golay(stsg)方法通過利用多年vi數(shù)據(jù)解決了這一問題，但其性能高度依賴于不同年份數(shù)據(jù)的一致性，如果在一些輪作明顯或者無法提供多年數(shù)據(jù)的情況下，重建精度將不能得到保證。因此，還需要進一步對遙感植被指數(shù)時間序列圖像重建方法進行改進。

技術(shù)實現(xiàn)思路

1、本發(fā)明提出了一種改進時空sg的遙感植被指數(shù)時序數(shù)據(jù)重建方法。本發(fā)明方法考慮了vi時間序列內(nèi)的自相關(guān)性，并利用當前年份的時空vi數(shù)據(jù)填補vi時間序列中的缺失值，重建植被指數(shù)時間序列圖像。

2、本發(fā)明采用的技術(shù)方案如下：

3、一種改進時空sg的遙感植被指數(shù)時序數(shù)據(jù)重建方法，其特征在于，該方法使用單年vi(植被指數(shù))時間序列作為原始數(shù)據(jù)，利用時間相關(guān)性和空間相關(guān)性重建vi時間序列圖像，具體地，包括以下步驟：

4、s1、對原始數(shù)據(jù)按照質(zhì)量標簽波段進行重分類，確定質(zhì)量指數(shù)(reliabilityindex，ri)并進行預(yù)處理，得到預(yù)處理后的vi時間序列。

5、s2、對步驟s1得到的vi時間序列，利用vi遙感影像的空間相關(guān)性以及vi時間序列的時間相關(guān)性，分別開空間窗口和時間窗口進行時空融合，生成初始vi估計值。

6、s3、根據(jù)質(zhì)量指數(shù)和初始vi估計值對預(yù)處理后的vi時間序列進行修正，得到修正后的vi時間序列。

7、s4、對修正后的vi時間序列進行迭代sg濾波，并保持物候特性，得到重建后的vi時間序列。

8、進一步地，s1步驟中，對原始數(shù)據(jù)按照質(zhì)量標簽波段進行重分類的方式為：對遙感圖像中的各像素進行標記，質(zhì)量良好的vi值，其ri(質(zhì)量指數(shù))標記為良好；質(zhì)量不確定的vi值，其ri標記為不確定；而質(zhì)量為空缺、存在云、存在冰雪的vi值，其ri標記為受污染。

9、預(yù)處理的方式為：保留標記為良好和不確定的vi值，將ri標記為受污染像素的vi值設(shè)置為缺失，同時將vi值小于給定閾值(如ndvi<0.15，即表示該像素位置不是植被，不需要重建)的值排除。

10、進一步地，s2步驟中，定義為目標像素p0在日期ti的受污染或不確定vi值，其初始值記為根據(jù)以日期ti為中心的時間窗口內(nèi)的vi值對初始值進行估算，公式如下：

11、

12、其中，表示日期tj處的vi值，和為線性回歸中的斜率和截距；tw表示時間半窗長的大小；

13、利用時間窗口內(nèi)標記為良好和不確定的vi值來估計和

14、

15、其中，和分別表示在一個空間相鄰像素pn的vi時間序列中的日期ti和tj處的良好或不確定的vi值。n表示以目標像素p0為中心的空間窗口內(nèi)相似像素(相關(guān)系數(shù)大于0.85的相鄰像素)的數(shù)量，空間半窗長被記為sw。

16、進一步地，s3步驟中，根據(jù)質(zhì)量指數(shù)和初始vi估計值對預(yù)處理后的vi時間序列進行修正的方式為：預(yù)處理后的vi時間序列中被標記為受污染的vi值直接被相應(yīng)的初始vi估計值所取代；預(yù)處理后的vi時間序列中被標記為不確定的vi值，將其與相應(yīng)的初始vi估計值進行比較，選擇較大的值保留，這是因為受污染的vi(ndvi和evi)值通常偏低；修正后的vi時間序列被記為vi(corrected)。

17、進一步地，s4步驟中，對修正后的vi時間序列進行迭代sg濾波并保持物候特性的方式為：應(yīng)用sg(savitzky-golay)濾波器對vi(corrected)進行平滑，在sg濾波器中設(shè)置多項式的窗長和階數(shù)分別為7和4，得到第一次濾波后的vi時間序列sg[vi(corrected)]1。

18、將修正后的vi時間序列vi(corrected)與濾波后的vi時間序列sg[vi(corrected)]1的每個值進行比較，保留vi(corrected)和sg[vi(corrected)]1之間的較大值得到融合后的濾波融合vi時間序列；重復(fù)濾波和融合過程，得到

19、

20、其中，表示目標像素p0在時間ti修正后的vi值，表示目標像素p0在時間ti第k次濾波融合后的vi值，k的值推薦為3。

21、定義歸一化到[0,1]區(qū)間的的表達式為：

22、

23、

24、其中，表示目標像素p0在時間ti的局部低值段的植被物候特征權(quán)重，該權(quán)重與局部低值段的植被物候特征有關(guān)，特征越明顯，則擁有更高的權(quán)重值；表示目標像素p0在以時間ti為中心的時間窗口內(nèi)的修正后的vi值，meanv代表了時間窗口中不包括中心時間ti的vi值的均值。

25、對和進行加權(quán)求和，生成重建后的

26、

27、其中，表示目標像素p0在日期ti的重建vi值。

28、相比于現(xiàn)有技術(shù)，本發(fā)明具有如下有益效果：本發(fā)明方法通過自動量化vi時間序列中可能的過度校正并做出相應(yīng)調(diào)整來更好地模擬重建vi時間序列中某些關(guān)鍵階段的植被物候特征，避免了過度追求上包絡(luò)線而導致的對一些真實局部低vi值的過度校正。本方法通過考慮vi時間序列的自相關(guān)性來填充vi時間序列中的缺失值，這使得新方法適用于具有時間上連續(xù)缺失值的vi時間序列。此外，本發(fā)明方法僅需要當前年份的vi時間序列數(shù)據(jù)，與需要多年歷史vi數(shù)據(jù)的stsg方法相比，具有更穩(wěn)定的性能并且能在重建準確性和計算效率之間取得良好的平衡。

技術(shù)特征：

1.一種改進時空sg的遙感植被指數(shù)時序數(shù)據(jù)重建方法，其特征在于，該方法使用單年vi時間序列作為原始數(shù)據(jù)，利用時間相關(guān)性和空間相關(guān)性重建vi時間序列圖像，具體地，包括以下步驟：

2.如權(quán)利要求1所述的一種改進時空sg的遙感植被指數(shù)時序數(shù)據(jù)重建方法，其特征在于，s1步驟中，對原始數(shù)據(jù)按照質(zhì)量標簽波段進行重分類的方式為：

3.如權(quán)利要求2所述的一種改進時空sg的遙感植被指數(shù)時序數(shù)據(jù)重建方法，其特征在于，s2步驟中，定義為目標像素p0在日期ti的受污染或不確定vi值，其初始值記為根據(jù)以日期ti為中心的時間窗口內(nèi)的vi值對初始值進行估算，公式如下：

4.如權(quán)利要求3所述的一種改進時空sg的遙感植被指數(shù)時序數(shù)據(jù)重建方法，其特征在于，s3步驟中，根據(jù)質(zhì)量指數(shù)和初始vi估計值對預(yù)處理后的vi時間序列進行修正的方式為：

5.如權(quán)利要求4所述的一種改進時空sg的遙感植被指數(shù)時序數(shù)據(jù)重建方法，其特征在于，s4步驟中，對修正后的vi時間序列進行迭代sg濾波并保持物候特性的方式為：應(yīng)用sg濾波器對vi(corrected)進行平滑處理，在sg濾波器中設(shè)置多項式的窗長和階數(shù)分別為7和4，得到第一次濾波后的vi時間序列sg[vi(corrected)]1；

技術(shù)總結(jié)
本發(fā)明提供了一種改進時空SG的遙感植被指數(shù)時序數(shù)據(jù)重建方法，屬于遙感圖像處理技術(shù)領(lǐng)域。本發(fā)明方法首先獲取整年的遙感植被指數(shù)時序數(shù)據(jù)，然后根據(jù)質(zhì)量標簽波段對數(shù)據(jù)進行預(yù)處理和再標記；利用每個像素時間窗口下的時間相關(guān)性和空間窗口下的空間相關(guān)性獲得初始估計遙感植被指數(shù)時間序列；然后引入一個指標來量化遙感植被指數(shù)時間序列中潛在的過校正情況使用迭代SG濾波方式完成重建。本發(fā)明提出的改進時空SG的遙感植被指數(shù)時序數(shù)據(jù)重建方法，顯著優(yōu)于已有的基于SG濾波派生的重建方法。

技術(shù)研發(fā)人員：曹入尹,王巍嶧,楊詩敏,蔣雨晨
受保護的技術(shù)使用者：電子科技大學
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6