[发明专利]一种综合时空特征的时间序列植被指数图像重建方法

说明书

本发明公开一种综合时空特征的时间序列植被指数图像重建方法，首先根据原始时间序列VI图像中缺失值的位置，判断连续缺失的长度，利用HANTS模型重建连续缺失长度较小的缺失值；然后，对于存在较大时间连续缺失的像素，将其作为目标像素，以其为中心设置一个搜索窗口，从窗口内选取与目标像素具有相似VI时间变化特征的像素；建立目标像素与相似像素之间的回归模型，利用同一时间相似像素有效但目标像素无效的VI值，通过回归模型预测目标像素的缺失值；最后，通过权重综合窗口内不同相似像素的预测结果；最终，再次对时间序列VI图像进行平滑处理。本发明可以有效提高基于时间维重建方法的精度。

技术领域

本发明属于图像处理技术领域，尤其涉及一种综合时空特征的时间序列植被指数图像重建方法。

背景技术

植被覆盖情况影响越野机动中的地表可通行性和隐蔽性。遥感技术是获得大范围植被信息的重要手段，基于卫星遥感图像计算的植被指数(Vegetation Index,VI)图像能够有效地反映植被的生长状态。但是，在遥感图像获取过程中，气溶胶、云/云阴影等因素对地物反射辐射的影响，导致VI图像上包含了噪声和信息缺失的低质量像素(此后称为缺失值)，降低了图像质量，数据的实时性、可用性受到限制。通过对历史获取的时间序列植被指数图像进行分析，建立区域植被变化模型，可以更好的开展植被覆盖类型解译、植被覆盖情况预测等分析工作，进而更科学地为越野机动通行提供辅助决策。

时间序列VI图像分析中需要解决的问题是缺失值的重建。针对这一问题，时间序列VI图像的重建方法得到了研究，目前，基于时间维的重建方法研究最为广泛，此类方法仅利用单个像素内的时间序列VI值构建重建模型。HANTS(Harmonic ANalysis of TimeSeries)是具有代表性的基于时间维的VI图像重建方法，其基本原理是傅里叶变换，它将植被生长过程中VI值的周期变化，表示为不同频率的正、余弦函数的叠加，通过设置正、余弦波的个数，HANTS模型可以表示复杂的植被变化，具有较高的灵活性。利用单个像素内的时间序列中有效的VI值，通过拟合得到HANTS模型参数，然后可以计算周期内任意时间的VI值。但是，当单个像素中的缺失值个数较多，特别是具有时间连续的缺失值时，存在建立的HANTS模型精度较低的缺陷。

发明内容

本发明针对基于时间维的VI图像重建方法仅利用了单个像素内的时间序列VI值构建重建模型，对于存在较大连续缺失的像素，重建精度较低的问题，提出一种综合时空特征的时间序列植被指数图像重建方法。

为了实现上述目的，本发明采用以下技术方案：

一种综合时空特征的时间序列植被指数图像重建方法，包括：

步骤1：根据时间序列植被指数图像中时间连续缺失值的位置判断时间连续缺失值的长度，通过设定阈值l_th作为长度较小的时间连续缺失值的重建标准，采用逐像素处理的方式，利用HANTS模型重建长度较小的时间连续缺失值；

步骤2：综合时空特征重建长度较大的时间连续缺失值；包括：

步骤2.1：对于步骤1处理后的时间序列植被指数图像中存在较大时间连续缺失值的像素，将其作为目标像素，以其为中心设置一个搜索窗口，从窗口内选取与目标像素具有相似植被指数时间变化特征的像素；

步骤2.2：建立目标像素与相似像素之间的时空回归模型，利用同一时间相似像素有效但目标像素无效的植被指数值，通过时空回归模型预测目标像素的时间连续缺失值；

步骤2.3：通过权重综合窗口内不同相似像素的预测结果，以提高重建的稳定性，减小单个相似像素预测结果中包含的随机误差；

步骤2.4：再次按照步骤1的方式对时间序列植被指数图像进行平滑处理；

步骤2.5：按照步骤2.1～步骤2.4的方式对时间序列植被指数图像中所有长度较大的时间连续缺失值进行修复，保存修复结果，得到无缺失值的时间序列植被指数图像。