[發明專利]基于考慮點擴散函數效應的時空超分辨率映射

在審

• 申請號: 202011572383.1
• 申請日: 2020-12-18
• 公開（公告）號: CN112686803A
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 王鵬;沈珣
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06T3/40
• 分類號: G06T3/40
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明通過考慮點擴散函數(point spread function，PSF)效應，提出了一種基于考慮點擴散函數效應的時空超分辨率映射的一般模型。包括如下步驟：(1)分別通過光譜解混從原始粗光譜圖像(original coarse spectral image，OCSI)和先驗細光譜圖像(prior fine spectral image，PFSI)得到粗分數圖像和細分數圖像。(2)在考慮PSF效應的情況下，從OCSI的粗分數圖像中獲得改進粗分數圖像，從PFSI的細分數圖像中獲得模擬粗分數圖像。(3)通過描述OCSI的改進粗分數圖像中像素之間的空間引力模型來導出空間依賴關系。(4)時間依賴關系包括描述OCSI的細分數圖像與PFSI的細分數圖像之間關系的細尺度，以及OCSI的改進粗分數圖像與PFSI的模擬粗分數圖像之間關系的粗尺度。(5)根據兩種依賴關系，通過類分配方法獲得映射結果。

技術領域

本發明涉及遙感圖像處理技術領域，是一種對光譜遙感圖像解混后的分數圖像進行處理的技術。

背景技術

由于土地覆蓋類型的多樣性和硬件遙感平臺設備的局限性，光譜遙感圖像會產生大量的混合像元。這些混合像元是限制光譜圖像空間分辨率的主要因素之一。光譜分解是處理混合像元的一項重要技術。雖然可以獲得比例屬于土地覆蓋類別的分形圖像，但是每個土地覆蓋類別的具體空間分布仍然不確定。超分辨率映射(Super-resolution mapping，SM)是光譜分解的后續處理步驟，它處理分數圖像，獲得每個土地覆蓋類的亞像素級空間分布。

1997年，阿特金森第一次提出了SM的概念，這是基于空間依賴理論。根據空間相關性的不同描述方法，SM在過去幾十年中發展了多種實用方法，如空間吸引模型、像素交換算法(pixel swapping algorithm，PSA)、克立格法、hopfield神經網絡、徑向基核函數插值(radial basis function interpolation，RBF)、反向傳播神經網絡、指標協克立格法等。由于SM是一個不適定的反問題，傳統的SM方法通常基于單時相圖像，缺乏對實際地理分布的精確先驗知識，導致結果的不確定性。為了解決這一問題，時空超分辨率映射(spatiotemporal super-resolution mapping，SSM)采用適當的先驗精細光譜圖像(priorfine spectral image，PFSI)作為先驗知識約束，近年來顯示出巨大的潛力。首先提出SSM的概念。然后進一步發展并應用于傳統的空間吸引模型、像素交換算法和hopfield神經網絡。然后，將時間相關引入到SSM中，形成空間-時間相關模型，改進了最終的映射結果。

然而，現有的SSM方法通常描述時間依賴性，即時間依賴性是原始粗譜圖像(original coarse spectral image，OCSI)的粗分數圖像和PFSI的精細分數圖像之間的關系，由于時間依賴性信息不準確且豐富。不同比例的兩個分數圖像。另外，王鵬等人最近證明，當減小點擴散函數(point spread function，PSF)效果時，基于單時相圖像的傳統SM方法的性能得到了改善，但在現有的SSM模型中仍未考慮PSF效果。在本文中，提出了一種基于考慮點擴散函數效應的的時空超分辨率映射(fine and coarse scales temporaldependence，FCSTD)。首先，分別通過光譜分解將OCSI的粗糙分數圖像和PFSI的精細分數圖像導出。其次，在考慮PSF效應的情況下，依次使用面積對點克里金法(area-to-pointkriging，ATPK)和理想的方波濾波器，從OCSI的粗糙分數圖像依次獲得OCSI的精細分數圖像和OCSI的改進的粗糙分數圖像。同時通過PSF濾波器從PFSI的精細分數圖像中獲得PFSI的模擬粗糙分數圖像。第三，通過描述在OCSI的改進的粗糙分數圖像中的中心子像素與相鄰像素或子像素之間的關系來導出空間依賴性。第四，時間依賴性包括由OCSI的精細分數圖像與PFSI的精細分數圖像之間的關系描述的精細尺度，以及由OCSI的改進的粗糙分數圖像與模擬的粗糙分數圖像之間的關系描述的粗糙尺度PFSI。最后，根據時空相關性結合空間和時間相關性，通過類分配方法將類標簽分配給子像素，產生最終的映射結果。

發明內容