基于空间丰度约束非负矩阵分解的时空谱融合算法研究

Limited by the remote sensing sensor imaging technology, it is unable to satisfy the urgent requirement of remote sensing data in high temporal changing analysis which needs high spatial-spectral-temporal resolution. The traditional discrete temporal-spatial, spatial-spectral or spatial-spectral-temporal fusion algorithm at a single point in time can not satisfy this requirement. Therefore, this study constructs multi-source remote sensing " temporal- spectral " data by multi-dimensional remote sensing data organization, study the multi-source temporal- spectral data fusion algorithm based on spatial constrained nonnegative matrix decomposition, and develop spatial-spectral-temporal fusion model which enhance the spatial resolution of temporal- spectral data, to format a fast acquisition technique for time series spectral feature cube with high spatial resolution and achieve remote sensing data spatial-spectral-temporal fusion, enhance the multi-source remote sensing data integrated application capabilities.

受到遥感传感器成像技术的限制，目前缺乏用于遥感时序变化分析的高时空谱分辨率遥感数据。传统离散式的单个时间点的时空、空谱或时空谱融合算法均无法很好的满足这一需求。因此，本研究通过多维遥感数据组织，构建多源遥感“时谱”数据图像；研究基于空间约束非负矩阵分解的多源时谱数据融合算法，发展增强时谱数据空间分辨率的时空谱融合模型，形成高空间分辨率光谱特征时序立方体数据的快速获取技术方法，实现遥感数据的时空谱多维融合和高空间尺度下光谱特征时序数据的直接获取，弥补了目前多维数据融合时间特征离散、处理过程繁琐、误差累积等不足，提升多源遥感数据的综合应用能力。

因为受限于传感器硬件技术瓶颈，在一定信噪比水平下，单一光学遥感传感器图像的时间分辨率、空间分辨率和光谱分辨率等要素之间是相互制约的，不能同时满足。为了打破遥感传感器的硬件限制实现图像质量的提升，需要融合多个图像中的互补信息，在不改变现有观测系统的条件下提高遥感图像的空间和时间分辨率。传统离散式的单个时间点的时空、空谱或时空谱融合算法均无法很好的满足这一需求。因此，本研究通过开展时空谱融合算法发展现状研究、基于多维遥感数据组织的时谱提取方法研究、基于时谱数据混合像元解混的高空间尺度地类判别研究、基于最优化拟合的时谱数据重建算法研究和时空谱融合数据指标评价与应用验证等工作，提出了基于多维数据组织格式的时空谱一体化融合框架等一系列模型与方法，并通过实验进行了验证，分析了算法和模型的精度，研究了利用时谱信息进行数据融合和信息提取的可行性。本研究形成了一种新的多维数据融合框架，增强时谱图像的空间分辨率，实现时-空-谱四维数据的快速融合，提高空间和光谱特征的时序分析效率，提升多源遥感数据的综合应用能力，具有重要的研究意义。