[发明专利]基于改进时空融合模型的积雪日变化监测方法在审
申请号: | 202210290763.9 | 申请日: | 2022-03-23 |
公开(公告)号: | CN114663399A | 公开(公告)日: | 2022-06-24 |
发明(设计)人: | 顾玲嘉;王钰涵;任瑞治 | 申请(专利权)人: | 吉林大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/30;G06T7/62;G06T7/70;G06K9/62;G06V10/764;G06V10/80 |
代理公司: | 吉林省中玖专利代理有限公司 22219 | 代理人: | 李泉宏 |
地址: | 130012 吉林省长春市*** | 国省代码: | 吉林;22 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 改进 时空 融合 模型 积雪 变化 监测 方法 | ||
1.基于改进时空融合模型的积雪日变化监测方法,其特征在于,该方法的具体步骤如下:
步骤一、影像预处理:对时空融合初期T0和末期Tk所对应的2幅Landsat8中多光谱数据进行辐射定标以及大气校正,对T0~Tk之间每天不同条带号的MOD09GA光谱反射率数据进行多数据拼接,而后将处理好的Landsat8数据和MOD09GA数据配准,最后裁剪选取实验区;
步骤二、利用STDFA模型生成时空融合数据:以初期T0和末期Tk的Landsat8数据和MOD09GA数据以及融合时期Ti(i=1~k-1)的MOD09GA数据为STDFA模型输入数据生成时空融合数据;
步骤三、构建STDFA-Matching-Pix2pixGAN网络:通过构建可以改进STDFA时空模型的STDFA-Matching-Pix2pixGAN网络,经过迭代改善光谱失真,最终得到无失真的高时空分辨率的融合影像;
步骤四、利用NDSI指数监测积雪:本发明利用归一化差分积雪指数NDSI对实验区的积雪进行判识;
NDSI的计算公式如公式(5);
其中b4为绿色波段,b6为短波红外波段;
步骤三中,STDFA-Matching-Pix2pixGAN网络组成分为三个部分:
(a)预匹配过程:将T0或Tk所对应的Landsat8数据作为目标图像(y)和步骤二获得的STDFA模型输出的时空融合影像(x)作为输入源数据,预匹配模块首先使用直方图匹配算法得到初步改进结果(X),使初步改进结果(X)具有Landsat8数据作为目标图像(y)的光谱特征;
(b)Pix2pixGAN过程:将步骤(a)预匹配模块输出的结果(X)与邻近日期的目标图像(y)组成成对的训练数据集,并送入Pix2pixGAN网络中进行训练;Pix2pixGAN首先构建了一个生成器(称为G),用于生成所需的目标高分辨率图像G(X);然后将G(X)和y一起输入到鉴别器D中,鉴别器D会连续比较G(X)和y之间的差异,判断G(X)是否仍然存在光谱失真;如果输出图像G(X)被判定为仍存在光谱失真,则将结果反馈给生成器,以继续优化生成的图像G(X),直到得到无失真的最优生成结果Pix2pixGAN图像(P);网络的损失函数如公式4;
其中,G*是Pix2pixGAN的损失函数,G代表生成器,D代表鉴别器;通过Pix2pixGAN的循环机制,可改善STDFA时空融合结果的光谱失真,使融合影像具有高空间分辨率特征;
(c)后匹配过程:后匹配模块利用同一天MOD09GA数据(m)的光谱信息,通过直方图匹配使Pix2pixGAN图像(P)具有与m相似的光谱信息,进一步改善时空融合结果。
2.根据权利要求1所述的基于改进时空融合模型的积雪日变化监测方法,其特征在于,
步骤一、影像预处理包括如下处理步骤:
(a)辐射定标的方法:辐射定标就是将图像的数字量化值(DN)转化为辐射亮度值、反射率或者表面温度等物理量的处理过程;辐射定标参数一般放在元数据文件中,利用完整的遥感图像处理平台ENVI的辐射定标工具能自动从元数据文件中读取参数,从而完成辐射定标;
(b)大气校正的方法:利用完整的遥感图像处理平台ENVI的大气校正工具FLASSH来消除由于大气影响所造成的辐射误差,反演地物真实的表面反射率;
(c)MOD09GA数据拼接的方法:利用MODIS Reprojection Tool软件实现不同条带号数据的拼接,形成覆盖实验区的完整数据;
(d)图像配准的方法:从不同传感器和不同角度拍摄的图像会发生偏移,图像配准是将不同拍摄角度或不同传感器的两幅图像进行匹配、叠加实现图像统一的过程;选择Landsat8数据为基准影像,利用完整的遥感图像处理平台ENVI的图像配准工具,实现Landsat8卫星数据与MOD09GA光谱反射率数据的自动配准;
(e)图像剪裁用于获得感兴趣的研究区域ROI。
3.根据权利要求1所述的基于改进时空融合模型的积雪日变化监测方法,其特征在于,步骤二中所述STDFA模型由以下四个步骤组成:
(a)对初期(T0)和末期(Tk)的两幅Landsat8数据进行分类,确定地物类别;
(b)利用式(1)计算MOD09GA数据每个低空间分辨率像素内各端元的丰度
是MOD09GA低空间分辨像素的位置,是c类地物在位置的丰度,为位置上的MOD09GA像素中属于c类的Landsat8像素个数,n为MOD09GA像素中包含的Landsat8像素总数;
(c)根据公式(2),计算出每一类地物的时间序列平均反射率;
条件包括:和
其中,是MOD09GA低空间分辨像素的位置,是由公式(1)得到的c类地物在位置的丰度,是MOD09GA低空间分辨像素在Ti时刻的表面反射率,是c类地物在Ti时刻的平均反射率,M是总类别数,是残余项;
(d)根据公式(3)得到具有高空间高时间分辨率的融合影像;
其中,(x,y)是Landsat8高空间分辨率像素的位置,r(x,y,T0)和r(x,y,Ti)分别是Landsat8高空间分辨率像素在位置(x,y)T0时刻和Ti时刻的表面反射率,和是c类地物在T0时刻和Ti时刻的平均反射率。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于吉林大学,未经吉林大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210290763.9/1.html,转载请声明来源钻瓜专利网。