[發(fā)明專利]一種基于多圖像局部插值的遙感圖像缺失數(shù)據(jù)修復(fù)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710822026.8
• 申請(qǐng)日: 2017-09-13
• 公開（公告）號(hào): CN107507152A
• 公開（公告）日: 2017-12-22
• 發(fā)明（設(shè)計(jì)）人: 王濤;顧麗娟;張振華;蔣衛(wèi)國;吳孟泉
• 申請(qǐng)（專利權(quán)）人: 魯東大學(xué)
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 煙臺(tái)雙聯(lián)專利事務(wù)所(普通合伙)37225
• 代理人: 矯智蘭

技術(shù)領(lǐng)域：

本發(fā)明涉及圖像計(jì)算機(jī)恢復(fù)技術(shù)領(lǐng)域，具體地講是一種基于多圖像局部插值的遙感圖像缺失數(shù)據(jù)修復(fù)方法。該方法是基于遙感圖像中空間上近鄰的像元通常是同類地物，因而空間上近鄰的像元通常具有較強(qiáng)的光譜相似性的特點(diǎn)，采用無數(shù)據(jù)缺失的遙感圖像中近鄰像元間的類屬關(guān)系或光譜相似程度，估算待填充圖像中缺失數(shù)據(jù)像素的數(shù)值；本發(fā)明可用于快速、有效的修復(fù)遙感圖像中缺失的數(shù)據(jù)的場(chǎng)合，提高了遙感圖像的利用率，為基于多時(shí)相遙感圖像進(jìn)行時(shí)序分析提供了基礎(chǔ)數(shù)據(jù)的修復(fù)校正方法。

背景技術(shù)：

目前全球大約有上千顆陸地資源遙感衛(wèi)星，這些衛(wèi)星獲取的地球表面圖像被廣泛應(yīng)用于農(nóng)業(yè)、林業(yè)、地質(zhì)、海洋、氣象、水文、軍事等領(lǐng)域。然而，因?yàn)樾l(wèi)星系統(tǒng)的軟件、硬件等故障，往往會(huì)導(dǎo)致衛(wèi)星圖像存在缺失部分?jǐn)?shù)據(jù)的問題。存在缺失數(shù)據(jù)的衛(wèi)星圖像，對(duì)熱點(diǎn)地區(qū)的時(shí)間序列監(jiān)測(cè)研究、熱點(diǎn)衛(wèi)星傳感器的使用產(chǎn)生較明顯的影響。以美國陸地衛(wèi)星7號(hào)（Landsat-7）為例，搭載于該衛(wèi)星上的增強(qiáng)型主題成像儀傳感器（ETM+）于2003年5月31日發(fā)生了掃描行校正器（Scan Lines Corrector，簡(jiǎn)稱SLC）突發(fā)、永久性故障，導(dǎo)致獲取的圖像出現(xiàn)數(shù)據(jù)重疊和大約25％的數(shù)據(jù)丟失，而沒發(fā)生SLC-OFF故障的像素（一景圖像大約65%）仍然保持了良好的幾何特性和輻射特性。從1972年7月23日以來， 美國NASA已連續(xù)發(fā)射8顆Landsat衛(wèi)星（第6顆發(fā)射失敗），為長時(shí)間序列監(jiān)測(cè)地球做出了巨大貢獻(xiàn)。目前Landsat1—4均相繼失效，Landsat 5于2013年6月退役，于1999年4月15日發(fā)射升空Landsat 7其獲取的ETM+ SLC-OFF圖像仍具有較高的科學(xué)研究和應(yīng)用價(jià)值。然而，Landsat7 ETM+發(fā)生SLC-OFF故障，導(dǎo)致了數(shù)據(jù)丟失，大大影響和限制了該傳感器所拍攝的數(shù)據(jù)的使用，明顯影響到Landsat系列衛(wèi)星（1-8號(hào)星）獲取的近30年的地球遙感圖像的時(shí)間序列分析。諸如Landsat7 ETM+這類熱點(diǎn)傳感器，盡管已經(jīng)發(fā)生數(shù)據(jù)缺失的永久性故障，但其獲取的數(shù)據(jù)仍然可以成功的運(yùn)用到很多科學(xué)領(lǐng)域，在遙感圖像時(shí)間序列分析中具有不可或缺的地位。如何通過圖像處理方式，有效、快速的修復(fù)這些缺失數(shù)據(jù)，成為遙感圖像數(shù)據(jù)恢復(fù)領(lǐng)域中的熱門問題，引起國內(nèi)外諸多專家關(guān)注和研究。

目前，對(duì)衛(wèi)星圖像缺失數(shù)據(jù)修復(fù)的研究主要集中于對(duì)Landsat-7 ETM+ SLC-OFF 圖像的缺失數(shù)據(jù)的修復(fù)方法研究，其主要方法有如下幾類：（1）基于單圖像插值修復(fù)法，即利用 SLC-OFF 單景圖像，采用克里金、最鄰近插值、雙線性插值、三次卷積插值或三角插值等插值算法，基于缺失數(shù)據(jù)像元周邊的像元值，估算出缺失數(shù)據(jù)像元值。這種方法的優(yōu)點(diǎn)是只依賴SLC-OFF單景圖像，操作簡(jiǎn)單，修復(fù)效率高，缺點(diǎn)是修復(fù)效果差，尤其是對(duì)于諸如水陸等不同地物邊界處的插值效果同實(shí)際情況相差甚遠(yuǎn)；存在著明顯的填充邊界。而且所填充的值是由缺失數(shù)據(jù)的相鄰地區(qū)的像元灰度計(jì)算出來的，不是地表信息的真實(shí)反映，與實(shí)際數(shù)據(jù)沒有真正意義上的聯(lián)系，真實(shí)性和可行性均有待于檢驗(yàn)。（2）基于多圖像直方圖匹配填充法，借助覆蓋同一地區(qū)的沒有缺失數(shù)據(jù)的 Landsat-7 ETM+圖像或其他 Landsat 系列衛(wèi)星圖像等，來估算缺失數(shù)據(jù)圖像中缺失數(shù)據(jù)像元的數(shù)值。以美國地質(zhì)調(diào)查局EROS數(shù)據(jù)中心學(xué)者（USGS EDC）為代表，先后提出了全景直方圖匹配（global histogram match）、全景差分直方圖匹配（global differential histogram match）、局部差分直方圖匹配（local differential histogram match）、自適應(yīng)局部回歸（adaptive local regression）、局部直方圖匹配（local histogram match）修復(fù)方法。國內(nèi)，壽敬文等（2006）曾對(duì)這5種方法進(jìn)行了比較研究指出，自適應(yīng)局部回歸法通過建立基礎(chǔ)圖像（SLC-ON 影像或 SLC-OFF）和待修復(fù)圖像（SLC-OFF 影像）非缺失數(shù)據(jù)像元值（DN 值）的線性或非線性回歸方程，來預(yù)測(cè)主影像缺失數(shù)據(jù)像元的數(shù)值，算法簡(jiǎn)單，修復(fù)后的圖像完整沒有明顯的修復(fù)邊界，被USGS廣泛應(yīng)用于Landsat7 ETM+ SLC-OFF數(shù)據(jù)的修復(fù)。但該方法修復(fù)效果依賴于基礎(chǔ)圖像和待修復(fù)圖像的質(zhì)量，并且對(duì)于局部窗口內(nèi)存在多種地物時(shí)，很難處理好不同地物邊界的像元。除此之外，國內(nèi)外學(xué)者也對(duì)該類算法進(jìn)行了研究和改進(jìn)。田曉紅等（2007）在局部直方圖匹配算法基礎(chǔ)上提出了自適應(yīng)局部回歸匹配算法。錢樂祥等（2012）利用影像自適應(yīng)局部回歸模型和影像固定窗口局部回歸模型，分別以 Landsat TM 和 SLC-OFF 影像作為填充圖像對(duì)條帶數(shù)據(jù)進(jìn)行修復(fù)，并對(duì)應(yīng)用不同修復(fù)方法和不同填充圖像所修復(fù)的圖像的應(yīng)用價(jià)值進(jìn)行評(píng)價(jià)。Chen Jin（2011）提出了the Neighborhood Similar Pixel Interpolator （NSPI）方法，該方法采用給定窗口內(nèi)同待修復(fù)像元光譜相似性的臨近像元值不同的權(quán)重和局部直方圖匹配相結(jié)合的方法來預(yù)測(cè)待修復(fù)像元值。如果局部窗口內(nèi)存在滿足由衡量光譜相似程度方差均方根（RMSD）和像素間的空間距離構(gòu)建權(quán)重閾值的像素，則由這些像素來確定待填充像元的數(shù)值。如果不存在滿足條件的像素，則采用已有的局部直方圖匹配算法來填充。該方法考慮了臨近像元通常屬于同類地物，因而其光譜特征通常具有較高的相似性，但該方法采用的衡量光譜相似程度的指標(biāo)RMSD過于簡(jiǎn)單，且權(quán)重參數(shù)值依賴于待修復(fù)像元和局部臨近像元間的空間和光譜距離，因而具有經(jīng)驗(yàn)性。這些不足降低了NSPI方法的普適性。鑒于此，Xiaolin Zhu（2012）提出了Geostatistical Neighborhood Similar Pixel Interpolator（GNSPI）方法，首先在搜索窗口內(nèi)，采用ISODATA非監(jiān)督分類算法將基礎(chǔ)圖像各像素自動(dòng)分為水體、植被、土壤等類別，然后基于時(shí)間序列上的多景未缺失數(shù)據(jù)圖像，選擇采樣像元，基于待修復(fù)圖像，分析窗口內(nèi)每一類地物的時(shí)間關(guān)系生成殘差圖和每一類的半方差圖，并采用普通克里金方法預(yù)測(cè)殘差，結(jié)合各類的時(shí)間趨勢(shì)，預(yù)測(cè)缺失數(shù)據(jù)像元的數(shù)值。同NSPI方法相比較，該方法修復(fù)效果更好，并且能夠?qū)︻A(yù)測(cè)值的不確定性進(jìn)行分析，可用于基于修復(fù)圖像應(yīng)用不確定性的評(píng)價(jià)。但是諸如樣本像素?cái)?shù)量和自動(dòng)分類數(shù)量這些經(jīng)驗(yàn)性參數(shù)值對(duì)該方法的修復(fù)效果影響顯著，并且修復(fù)處理的時(shí)間效率和空間效率很低，不便于大范圍應(yīng)用，降低了該方法的普適性。Zeng Chao（2013）等提出的加權(quán)線性回歸法（The Weighted Liner Regression，WLR）改進(jìn)了自適應(yīng)局部回歸法。該方法提高了圖像修復(fù)的準(zhǔn)確性，即使在邊緣區(qū)域也能得到較好的修復(fù)。缺點(diǎn)是只考慮了不同時(shí)相遙感圖像的光譜顯示效果的相似性，而忽略不同時(shí)相遙感圖像成像幾何關(guān)系、地形的差異所產(chǎn)生的光譜差異性，并且執(zhí)行效率不高。另外，同NSPI方法和GNSPI方法類似，WLR方法中的權(quán)重閾值的選擇對(duì)修復(fù)效果影響顯著且具有主觀性，因而，該方法不便于大范圍、快速應(yīng)用。（3）圖像分割法。Maxwell（2004）先對(duì)SLC-ON圖像進(jìn)行分割和圖斑分類，將分類后的圖斑覆蓋到SLC-OFF圖像中，以便確定缺失數(shù)據(jù)條帶中各個(gè)像素分別屬于哪一類圖斑，并用對(duì)應(yīng)圖斑中像素值預(yù)測(cè)來填充缺失數(shù)據(jù)的光譜值。該方法的優(yōu)點(diǎn)是完全基于SLC-OFF圖像的光譜值填充缺失數(shù)據(jù)像素的光譜值，缺點(diǎn)是對(duì)圖像分割效果影響顯著的圖像分割參數(shù)（分割尺度和均質(zhì)性）具有主觀性，選擇的好壞直接影響到缺失數(shù)據(jù)的修復(fù)精度。另外該算法執(zhí)行效率依賴于圖像分割算法的執(zhí)行效率，因而通常執(zhí)行效率不高。（4）圖像融合方法。朱長明等（2010）采用時(shí)空自適應(yīng)反射率融合模型（STARFM）算法將MODIS09數(shù)據(jù)和TM/ETM+數(shù)據(jù)相融合，獲得與SLC-OFF數(shù)據(jù)相同時(shí)相和空間分辨率的融合數(shù)據(jù)，然后采用局部線性直方圖匹配完成對(duì)SLC-OFF數(shù)據(jù)填充。該方法修復(fù)效果受圖像融合算法影響明顯，且修復(fù)處理的效率較低。（5）地統(tǒng)計(jì)方法。前四種方法是確定性（deterministic）填充修復(fù)方法，而地統(tǒng)計(jì)方法則是基于地統(tǒng)計(jì)學(xué)的非確定性方法。該類方法是用普通克里金、協(xié)同克里金等地統(tǒng)計(jì)方法來預(yù)測(cè)缺失數(shù)據(jù)像元值。該類方法是假設(shè)遙感圖像中像素的數(shù)值是符合地統(tǒng)計(jì)學(xué)的數(shù)據(jù)，而在存在諸如細(xì)長道路、河流、水庫等圖像紋理和光譜差異明顯的遙感圖像中，像素值的空間分布很難符合地統(tǒng)計(jì)學(xué)的要求，圖像修復(fù)的效率和效果明顯降低。