低分影像辅助下的高分遥感影像厚云去除方法

Optical remote sensing images are often contaminated by thick clouds, resulting in important ground information lost. Cloud removal for remote sensing images has become a problem urgently to be solved. At present, most of the existing research work of cloud removal focused on using the multi-temporal images of the same sensor or the same spatial resolution. However, the revisit cycle of high spatial resolution remote sensing observation system is generally long. People are usually difficult to get time adjacent and good quality multi-temporal high spatial resolution images. Considering that the low spatial resolution images have good advantage of short observation period, the project intends to use the low spatial resolution image to effectively help the high spatial resolution image removing thick cloud. With single low spatial resolution auxiliary image, we fully mine the pixel location relationship and context between the low and high resolution images, and establish a structure-preserving global optimization method for cloud removal. With the multi-temporal low spatial resolution images and high spatial resolution images, we mine the spatio-temporal relationship and non-local relationship among the image data, and establish a spatio-temporal fusion-based non-local total variation method for cloud removal. Moreover, a radiation information correction method based on Poisson equation is established to solve the problem of edge artifacts and spectral deviation of the reconstructed image, realizing the seamless connection between the reconstruction area and its surrounding area in the image.

光学遥感影像中经常含有大量厚云，导致重要的地表信息缺失，云剔除已成为光学遥感影像预处理时需首要解决的问题之一。当前，已有的绝大部分研究工作集中在利用同一传感器或同一分辨率的多时相互补影像进行去云。然而，高空间分辨率遥感观测系统的重访周期一般较长，人们较难获取时间邻近、质量较好的多时相高分辅助影像。考虑到低空间分辨率影像具有观测周期短的良好优势，本项目拟利用低分影像作为辅助数据，有效实现高分影像厚云去除。在单幅低分辅助影像时，充分挖掘低分和高分影像之间的像元位置关系和上下文关系，建立一种加强空间结构的全局优化去云方法；在多时相低分和高分影像辅助时，挖掘影像数据之间的时空关系和非局部关系，建立一种基于时空数据融合的非局部变分去云方法。此外，建立基于泊松方程的辐射信息校正方法，解决去云后影像普遍存在的边缘伪痕和光谱偏差问题，实现影像重建区域与周围已知区域的无缝连接。

光学遥感影像中经常含有大量厚云，导致重要的地表信息缺失，云剔除已成为光学遥感影像预处理时需首要解决的问题之一。当前，已有的绝大部分研究工作集中在利用同一传感器或同一分辨率的多时相互补影像进行去云。然而，高空间分辨率遥感观测系统的重访周期一般较长，人们较难获取时间邻近、质量较好的多时相高分辅助影像。考虑到低空间分辨率影像具有观测周期短的良好优势，本项目利用低分影像作为辅助数据来实现高分影像厚云去除。项目组充分研究了不同时间与空间分辨率遥感影像之间的关联性，发展了单幅影像去云模型、多时相遥感数据时空融合去云模型、多传感器数据信息重建模型等不同数据条件的影像去云模型，有效建立了低分影像辅助下高分影像厚云去除方法和技术，实现了高分影像云覆盖区域的地物信息高精度重建，为高分辨率遥感影像厚云的处理提供了有效的解决途径。. 按照既定的研究计划，项目圆满完成了课题设定的研究内容，实现了预期目标，并在研究的深度和广度上都比既定计划有了进一步的扩展。在项目的资助下，项目组发表了科研论文10篇，其中SCI检索论文7篇，出版专著1部，发布开源软件1套，培养已毕业博士2人，已毕业硕士1人，在读博士生1名，获得测绘科技进步一等奖1项。