CN111583133B - 一种自适应遥感图像像元缺值填补方法、装置、设备及介质 - Google Patents
一种自适应遥感图像像元缺值填补方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN111583133B CN111583133B CN202010312556.XA CN202010312556A CN111583133B CN 111583133 B CN111583133 B CN 111583133B CN 202010312556 A CN202010312556 A CN 202010312556A CN 111583133 B CN111583133 B CN 111583133B
- Authority
- CN
- China
- Prior art keywords
- pixel
- filled
- pixels
- band
- effective
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000003044 adaptive effect Effects 0.000 title claims description 12
- 238000012417 linear regression Methods 0.000 claims abstract description 15
- 238000011160 research Methods 0.000 claims abstract description 8
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 5
- 238000000611 regression analysis Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种自适应遥感图像像元缺值填补方法、装置、设备及介质,所述方法包括:S1:将同一研究区域的图像按照时间倒序构建时间序列数据集;S2:逐波段根据像元质量进行标记,并记录待填补的像元位置信息;S3:逐波段针对每一个待填补的像元,判断同一位置过去一个单位时间内图像的像元值是否有效;S4:在像元位置的窗口阈值列表内判断此时刻所有有效像元与中心像元的值是否相近;S5:判断在待填补时刻对应位置的像元是否有效;S6:根据待填补时刻窗口阈值列表范围内的有效像元值和满足条件时刻的有效像元值,构建线性回归方程,将满足条件时刻的像元值带入线性回归方程计算出的像元值填补回对应的位置,标记该像元成功填补。
Description
技术领域
本发明涉及时间序列遥感图像的处理方法技术领域,尤其是涉及一种自适应遥感图像像元缺值填补方法、装置、设备及介质。
背景技术
由于云雾的客观存在和卫星探测和通讯传输故障而造成光学遥感图像存在无效值和缺失值,在应用时需要将这些无效值和缺失值进行填充。现有的方法主要有:
(1)如果整行缺失,可以利用上下行平均值来填充;
(2)个别像元缺失可以用一个窗口内的平均值填充;
(3)利用时间序列对像元值进行平滑处理。
显然,这几种方法在应用时存在较大的局限性。
方法(1)和方法(2)的平均值仅是简单填值,并未考虑像元值的时空变异性。
方法(3)在平滑时间序列的植被指数时多用,而波段的反射率值并不随时间变化呈现出峰谷曲线,这种方法不能有效的填充多光谱波段的反射率值。
发明内容
本发明的目的是解决上述问题,提出了一种既考虑像元值在时间上的变化、也考虑像元值在空间上的变化的最优化方法,用于填充缺值的像元。
针对现有技术存在的缺陷,第一方面,本发明提供了一种自适应遥感图像像元缺值填补方法,包括:
S1:将同一研究区域的图像按照时间倒序构建时间序列数据集;
S2:逐波段根据像元质量进行标记,并记录待填补的像元位置信息;
S3:逐波段针对每一个待填补的像元,判断同一位置过去一个单位时间内图像的像元值是否有效,
如果无效则继续在过去的时刻的图像上上寻找新的一个单位时间内的像元并重复所述判断同一位置过去一个单位时间内图像的像元值是否有效的过程,如果有效则记录当前时刻并继续执行所述方法的后续步骤;
S4:在像元位置的窗口阈值列表内判断此时刻所有有效像元与中心像元的值是否相近,如果相近且所述有效像元的数量满足预设的相近最小像元数则继续执行后续步骤,如果不相近则设定一个更大的窗口再次确定此时刻所有有效像元与中心像元的值是否相近;
S5:根据所述S4中满足所有有效像元与中心像元的值接近的时刻图像的像元对应的位置,判断在待填补时刻对应位置的像元是否有效,如果有效且像元的数量满足预设的构建模型的最小像元数则继续执行所述方法的后续步骤,如果不满足条件,则返回所述S4;
S6:根据待填补时刻窗口阈值列表范围内的有效像元值和满足条件时刻的有效像元值,构建线性回归方程,将待填充位置满足条件时刻的像元值带入所述线性回归方程中计算出的像元值填补如对应的位置,标记该像元成功填补。
本发明的有益效果是:
利用本发明的技术方法,在待填补的像元,可以尽可能选出在时间上最新,在空间上最近的实际有效值,然后根据这些值的实际变化,计算出待填补的值,这个结果与真实值非常相近。
进一步,还包括:
S7:当所述S2中标记的所有波段的待填补的像元的位置信息都进行填补后,按照波段顺序,将波段中每个像元是否填补成功的信息也作为附加信息,生成一个新的图像文件。
采用上述进一步方案的有益效果是:
将每个像元是否填补成功的信息作为附加信息生成新的图像文件便于用户知晓填补后的图像哪些地方进行了填补,哪些地方未进行填补。
进一步,在所述S3中,如果直至最后一个时刻也未有效,则标记该像元未成功填补。
采用上述进一步方案的有益效果是:
明确限定了本发明的方法中何种情况为像元未成功填补的情况,防止在执行方法步骤流程的过程中陷入判断死循环。
进一步,所述S4中在像元位置的窗口阈值列表内判断此时刻所有有效像元与中心像元的值是否相近的判断是否相近的标准为根据预先构建好的差值阈值列表进行判断。
采用上述进一步方案的有益效果是:
根据预先构建好的差值阈值列表这一明确标准来作为所有有效像元与中心像元的值是否相近的判断标准,使得本发明的方法像元填补结果更为可靠。
进一步,所述S2中所述逐波段是除图像质量标识波段以外的波段执行后续步骤流程。
第二方面,本发明提供了一种自适应遥感图像像元缺值填补装置,包括:
构建模块,用于将同一研究区域的图像按照时间倒序构建时间序列数据集;
标记模块,用于逐波段根据像元质量进行标记,并记录待填补的像元位置信息;
第一判断模块,用于逐波段针对每一个待填补的像元,判断同一位置过去一个单位时间内图像的像元值是否有效;
第二判断模块,用于在像元位置的窗口阈值列表内判断此时刻所有有效像元与中心像元的值是否相近;
第三判断模块,用于根据所述第二判断模块中满足所有有效像元与中心像元的值接近的时刻图像的像元对应的位置,判断在待填补时刻对应位置的像元是否有效;
回归分析模块,用于根据待填补时刻窗口阈值列表范围内的有效像元值和满足条件时刻的有效像元值,构建线性回归方程,将待填充位置满足条件时刻的像元值带入所述线性回归方程中计算出的像元值填补如对应的位置,标记该像元成功填补。
进一步,还包括:
生成模块,用于当所述标记模块中标记的所有波段的待填补的像元的位置信息都进行填补后,按照波段顺序,将波段中每个像元是否填补成功的信息也作为附加信息,生成一个新的图像文件。
采用上述进一步方案的有益效果是:
将每个像元是否填补成功的信息作为附加信息生成新的图像文件便于用户知晓填补后的图像哪些地方进行了填补,哪些地方未进行填补。
进一步,所述标记模块中所述逐波段是除图像质量标识波段以外的波段执行后续步骤流程;
在所述第一判断模块中,如果直至最后一个时刻也未有效,则标记该像元未成功填补;
在所述第二判断模块中在像元位置的窗口阈值列表内判断此时刻所有有效像元与中心像元的值是否相近的判断是否相近的标准为根据预先构建好的差值阈值列表进行判断。
采用上述进一步方案的有益效果是:
明确限定了本发明的方法中何种情况为像元未成功填补的情况,防止在执行方法步骤流程的过程中陷入判断死循环。
根据预先构建好的差值阈值列表这一明确标准来作为所有有效像元与中心像元的值是否相近的判断标准,使得本发明的方法像元填补结果更为可靠。
第三方面,本发明提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
第四方面,本发明提供了一种计算机存储介质,其上存储有计算机程序指令,所述程序指令被处理器执行时用于实现上述的自适应遥感图像像元缺值填补方法对应的步骤。
本发明的有益效果是:
时间序列平滑的方法在处理具有峰谷特征的植被指数时很有效,其填充值(实际上是替换值)实际上只是时间序列曲线的模拟值,并不代表真实值,而且这个方法无法处理光谱波段的反射率。
利用本发明的技术方法,在待填补的像元,可以尽可能选出在时间上最新,在空间上最近的实际有效值,然后根据这些值的实际变化,计算出待填补的值,这个结果与真实值非常相近。
附图说明
图1是本发明的一种自适应遥感图像像元缺值填补方法的流程示意图;
图2是本发明的一种自适应遥感图像像元缺值填补装置的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定装备结构、接口、技术之类的具体细节,以便透彻理解本发明。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
如图1所示,第一方面,本发明提供了一种自适应遥感图像像元缺值填补方法,包括:
S1:将同一研究区域的图像按照时间倒序构建时间序列数据集;
S2:逐波段根据像元质量进行标记,并记录待填补的像元位置信息;
S3:逐波段针对每一个待填补的像元,判断同一位置过去一个单位时间内图像的像元值是否有效,
如果无效则继续在过去的时刻的图像上上寻找新的一个单位时间内的像元并重复所述判断同一位置过去一个单位时间内图像的像元值是否有效的过程,如果有效则记录当前时刻并继续执行所述方法的后续步骤;
S4:在像元位置的窗口阈值列表内判断此时刻所有有效像元与中心像元的值是否相近,如果相近且所述有效像元的数量满足预设的相近最小像元数则继续执行后续步骤,如果不相近则设定一个更大的窗口再次确定此时刻所有有效像元与中心像元的值是否相近;
S5:根据所述S4中满足所有有效像元与中心像元的值接近的时刻图像的像元对应的位置,判断在待填补时刻对应位置的像元是否有效,如果有效且像元的数量满足预设的构建模型的最小像元数则继续执行所述方法的后续步骤,如果不满足条件,则返回所述S4;
S6:根据待填补时刻窗口阈值列表范围内的有效像元值和满足条件时刻的有效像元值,构建线性回归方程,将待填充位置满足条件时刻的像元值带入所述线性回归方程中计算出的像元值填补回对应的位置,标记该像元成功填补。
在一些说明性实施例中,还包括:
S7:当所述S2中标记的所有波段的待填补的像元的位置信息都进行填补后,按照波段顺序,将波段中每个像元是否填补成功的信息也作为附加信息,生成一个新的图像文件。
在一些说明性实施例中,在所述S3中,如果直至最后一个时刻也未有效,则标记该像元未成功填补。
在一些说明性实施例中,所述S4中在像元位置的窗口阈值列表内判断此时刻所有有效像元与中心像元的值是否相近的判断是否相近的标准为根据预先构建好的差值阈值列表进行判断。
在一些说明性实施例中,所述S2中所述逐波段是除图像质量标识波段以外的波段执行后续步骤流程。
实施例1
(1)同一研究区的图像按时间倒序构建时间序列数据集,将拟填补的影像,也即最新的影像放置第一时刻,记录每个日期对应影像文件包含的波段在生成的数据集中的位置;
(2)逐波段(除图像质量标识波段),根据像元质量标识信息确认并记录拟填补的影像的像元位置信息;
(3)逐波段针对每一个待填补的像元,确定同一位置过去一个时刻图像的像元值是否有效,如果有效,记录时刻并转到(4);如果无效,继续在过去的时刻的图像上寻找,如果有效,记录时刻并转到(4),如果到最后一个时刻也未有效,标记该像元未成功填补。
(4)在像元位置的一定窗口(窗口阈值列表)内,确定此时刻所有有效像元与中心像元的值是否相近(差值阈值列表),如果相近且数量满足预设的相近最小像元数,转到(5),如果不满足条件,设定一个更大的窗口,再次确定此时刻所有有效像元与中心像元的值是否相近,如果相近且数量满足预设的相近最小像元数,转到(5),如果直至窗口阈值列表预设的最大的窗口也未满足条件,采用差值阈值列表中更大的阈值进一步重复上述步骤,如果直至差值阈值列表中最大的阈值也未满足条件,标记该像元未成功填补。
(5)根据满足条件时刻图像的像元的对应位置,确定在待填充时刻对应位置的像元是否有效,如果有效且数量满足预设的构建模型最小像元数,转到(6),如果未满足条件,重复(4)步骤。
(6)利用两组数据,一组是待填充时刻一定窗口范围内的有效像元值,另一个是满足条件时刻的有效像元值,构建线性回归方程,然后将待填充位置满足条件时刻的像元值代入回归方程中计算出的值填入对应位置,标记该像元成功填补。
(7)当(2)步骤标记的所有波段的待填充位置都进行填充后,按照波段顺序,指定波段每个像元是否填充成功的信息也作为附加波段,生成一个新图像文件,即完成此项任务。
如图2所示,第二方面,本发明提供了一种自适应遥感图像像元缺值填补装置,包括:
构建模块100,用于将同一研究区域的图像按照时间倒序构建时间序列数据集;
标记模块200,用于逐波段根据像元质量进行标记,并记录待填补的像元位置信息;
第一判断模块300,用于逐波段针对每一个待填补的像元,判断同一位置过去一个单位时间内图像的像元值是否有效;
第二判断模块400,用于在像元位置的窗口阈值列表内判断此时刻所有有效像元与中心像元的值是否相近;
第三判断模块500,用于根据所述第二判断模块中满足所有有效像元与中心像元的值接近的时刻图像的像元对应的位置,判断在待填补时刻对应位置的像元是否有效;
回归分析模块600,用于根据待填补时刻窗口阈值列表范围内的有效像元值和满足条件时刻的有效像元值,构建线性回归方程,将待填充位置满足条件时刻的像元值带入所述线性回归方程中计算出的像元值填补如对应的位置,标记该像元成功填补。
进一步,还包括:
生成模块700,用于当所述标记模块中标记的所有波段的待填补的像元的位置信息都进行填补后,按照波段顺序,将波段中每个像元是否填补成功的信息也作为附加信息,生成一个新的图像文件。
在一些说明性实施例中,所述标记模块200中所述逐波段是除图像质量标识波段以外的波段执行后续步骤流程;
在所述第一判断模块300中,如果直至最后一个时刻也未有效,则标记该像元未成功填补;
在所述第二判断模块400中在像元位置的窗口阈值列表内判断此时刻所有有效像元与中心像元的值是否相近的判断是否相近的标准为根据预先构建好的差值阈值列表进行判断。
第三方面,本发明提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
第四方面,本发明提供了一种计算机存储介质,其上存储有计算机程序指令,所述程序指令被处理器执行时用于实现上述的自适应遥感图像像元缺值填补方法对应的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,物流管理服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种自适应遥感图像像元缺值填补方法,其特征在于,包括:
S1:将同一研究区域的图像按照时间倒序构建时间序列数据集;
S2:逐波段根据像元质量进行标记,并记录待填补的像元位置信息;
S3:逐波段针对每一个待填补的像元,判断同一位置过去一个单位时间内图像的像元值是否有效;
如果无效则继续在过去的时刻的图像上寻找新的一个单位时间内的像元并重复所述判断同一位置过去一个单位时间内图像的像元值是否有效的过程,如果有效则记录当前时刻并继续执行所述方法的后续步骤;
S4:在像元位置的窗口阈值列表内判断此时刻所有有效像元与中心像元的值是否相近,如果相近且所述有效像元的数量满足预设的相近最小像元数则继续执行后续步骤,如果不相近则设定一个更大的窗口再次确定此时刻所有有效像元与中心像元的值是否相近;
S5:根据所述S4中满足所有有效像元与中心像元的值接近的时刻图像的像元对应的位置,判断在待填补时刻对应位置的像元是否有效,如果有效且像元的数量满足预设的构建模型的最小像元数则继续执行所述方法的后续步骤,如果不满足条件,则返回所述S4;
S6:根据待填补时刻窗口阈值列表范围内的有效像元值和满足条件时刻的有效像元值,构建线性回归方程,将待填充位置满足条件时刻的像元值带入所述线性回归方程中计算出的像元值填补回对应的位置,标记该像元成功填补。
2.根据权利要求1所述的自适应遥感图像像元缺值填补方法,其特征在于,还包括:
S7:当所述S2中标记的所有波段的待填补的像元的位置信息都进行填补后,按照波段顺序,将波段中每个像元是否填补成功的信息也作为附加信息,生成一个新的图像文件。
3.根据权利要求1所述的自适应遥感图像像元缺值填补方法,其特征在于,
在所述S3中,如果直至最后一个时刻也未有效,则标记该像元未成功填补。
4.根据权利要求1所述的自适应遥感图像像元缺值填补方法,其特征在于,
所述S4中在像元位置的窗口阈值列表内判断此时刻所有有效像元与中心像元的值是否相近的判断是否相近的标准为根据预先构建好的差值阈值列表进行判断。
5.根据权利要求1~4任一项中所述的自适应遥感图像像元缺值填补方法,其特征在于,
所述S2中所述逐波段是除图像质量标识波段以外的波段执行后续步骤流程。
6.一种自适应遥感图像像元缺值填补装置,其特征在于,包括:
构建模块,用于将同一研究区域的图像按照时间倒序构建时间序列数据集;
标记模块,用于逐波段根据像元质量进行标记,并记录待填补的像元位置信息;
第一判断模块,用于逐波段针对每一个待填补的像元,判断同一位置过去一个单位时间内图像的像元值是否有效;
如果无效则继续在过去的时刻的图像上寻找新的一个单位时间内的像元并重复所述判断同一位置过去一个单位时间内图像的像元值是否有效的过程,如果有效则记录当前时刻并继续调用第二判断模块;
第二判断模块,用于在像元位置的窗口阈值列表内判断此时刻所有有效像元与中心像元的值是否相近;如果相近且所述有效像元的数量满足预设的相近最小像元数则继续调用第三判断模块,如果不相近则设定一个更大的窗口再次确定此时刻所有有效像元与中心像元的值是否相近;
第三判断模块,用于根据所述第二判断模块中满足所有有效像元与中心像元的值接近的时刻图像的像元对应的位置,判断在待填补时刻对应位置的像元是否有效;如果有效且像元的数量满足预设的构建模型的最小像元数则继续调用回归分析模块,如果不满足条件,则返回调用所述第二判断模块;
回归分析模块,用于根据待填补时刻窗口阈值列表范围内的有效像元值和满足条件时刻的有效像元值,构建线性回归方程,将待填充位置满足条件时刻的像元值带入所述线性回归方程中计算出的像元值填补如对应的位置,标记该像元成功填补。
7.根据权利要求6所述的自适应遥感图像像元缺值填补装置,其特征在于,还包括:
生成模块,用于当所述标记模块中标记的所有波段的待填补的像元的位置信息都进行填补后,按照波段顺序,将波段中每个像元是否填补成功的信息也作为附加信息,生成一个新的图像文件。
8.根据权利要求6所述的自适应遥感图像像元缺值填补装置,其特征在于,
所述标记模块中所述逐波段是除图像质量标识波段以外的波段执行后续步骤流程;
在所述第一判断模块中,如果直至最后一个时刻也未有效,则标记该像元未成功填补;
在所述第二判断模块中在像元位置的窗口阈值列表内判断此时刻所有有效像元与中心像元的值是否相近的判断是否相近的标准为根据预先构建好的差值阈值列表进行判断。
9.一种计算机存储介质,其上存储有计算机程序指令,其特征在于,所述程序指令被处理器执行时用于实现权利要求1~5中任一项所述的自适应遥感图像像元缺值填补方法对应的步骤。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1~5任一项中所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010312556.XA CN111583133B (zh) | 2020-04-20 | 2020-04-20 | 一种自适应遥感图像像元缺值填补方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010312556.XA CN111583133B (zh) | 2020-04-20 | 2020-04-20 | 一种自适应遥感图像像元缺值填补方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111583133A CN111583133A (zh) | 2020-08-25 |
CN111583133B true CN111583133B (zh) | 2023-04-07 |
Family
ID=72126513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010312556.XA Active CN111583133B (zh) | 2020-04-20 | 2020-04-20 | 一种自适应遥感图像像元缺值填补方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111583133B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114913296B (zh) * | 2022-05-07 | 2023-08-11 | 中国石油大学(华东) | 一种modis地表温度数据产品重建方法 |
CN115203594B (zh) * | 2022-09-16 | 2022-11-29 | 成都国星宇航科技股份有限公司 | 多时相遥感数据显示方法、装置、设备和介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108629119A (zh) * | 2018-05-08 | 2018-10-09 | 安徽大学 | 一种时序modis定量遥感产品时空修复及批处理实现方法 |
WO2019069787A1 (ja) * | 2017-10-02 | 2019-04-11 | 日本電気株式会社 | レーダ画像処理装置、レーダ画像処理方法およびレーダ画像処理プログラム |
CN109934788A (zh) * | 2019-03-22 | 2019-06-25 | 鲁东大学 | 一种基于标准遥感图像的遥感图像缺失数据修复方法 |
WO2019196278A1 (zh) * | 2018-04-11 | 2019-10-17 | 平安科技(深圳)有限公司 | 天气数据获取方法及装置、计算机装置及可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8509489B2 (en) * | 2009-10-05 | 2013-08-13 | The United States Of America, As Represented By The Secretary Of The Navy | System and method for estimating velocity from image sequence with first order continuity |
-
2020
- 2020-04-20 CN CN202010312556.XA patent/CN111583133B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019069787A1 (ja) * | 2017-10-02 | 2019-04-11 | 日本電気株式会社 | レーダ画像処理装置、レーダ画像処理方法およびレーダ画像処理プログラム |
WO2019196278A1 (zh) * | 2018-04-11 | 2019-10-17 | 平安科技(深圳)有限公司 | 天气数据获取方法及装置、计算机装置及可读存储介质 |
CN108629119A (zh) * | 2018-05-08 | 2018-10-09 | 安徽大学 | 一种时序modis定量遥感产品时空修复及批处理实现方法 |
CN109934788A (zh) * | 2019-03-22 | 2019-06-25 | 鲁东大学 | 一种基于标准遥感图像的遥感图像缺失数据修复方法 |
Non-Patent Citations (4)
Title |
---|
Evan B. Brooks 等.Fitting the Multitemporal Curve: A Fourier Series Approach to the Missing Data Problem in Remote Sensing Analysis.《IEEE Transactions on Geoscience and Remote Sensing》.2012,第50卷(第9期),3340-3353. * |
Huanfeng Shen 等.Missing Information Reconstruction of Remote Sensing Data: A Technical Review.《IEEE Geoscience and Remote Sensing Magazine》.2015,61-85. * |
彭晓琳 等.一种Aura卫星遥感臭氧产品的修复方法.《武汉大学学报· 信息科学版》.2017,第42卷(第6期),789-796. * |
方新 等.不确定性约束下的AOD 空间覆盖STRE 建模.《武汉大学学报(信息科学版)》.2020,1-9. * |
Also Published As
Publication number | Publication date |
---|---|
CN111583133A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7099509B2 (ja) | 産業機器ゲージのデジタル化及びアラームのためのコンピュータビジョンシステム | |
CN111583133B (zh) | 一种自适应遥感图像像元缺值填补方法、装置、设备及介质 | |
CN110059666B (zh) | 一种注意力检测方法及装置 | |
CN107077602A (zh) | 用于活性分析的***及方法 | |
CN109376518A (zh) | 基于人脸识别的防止隐私泄露方法及相关设备 | |
CN110766558A (zh) | 核保数据处理方法、装置、设备及计算机可读存储介质 | |
US9679216B2 (en) | Morphological automatic triangle orientation detection | |
CN110610169B (zh) | 图片标注方法和装置、存储介质及电子装置 | |
CN107563978A (zh) | 人脸去模糊方法及装置 | |
CN109086696B (zh) | 一种异常行为检测方法、装置、电子设备及存储介质 | |
US10628792B2 (en) | Systems and methods for monitoring and restocking merchandise | |
CN114241358A (zh) | 基于数字孪生变电站的设备状态展示方法、装置和设备 | |
CN110264497B (zh) | 跟踪时长的确定方法及装置、存储介质、电子装置 | |
CN107230195B (zh) | 一种影像处理方法和装置 | |
CN113393628A (zh) | 一种智能监控报警方法、***、智能终端以及存储介质 | |
CN112053382A (zh) | 出入口监测方法、设备及计算机可读存储介质 | |
CN116778550A (zh) | 施工区域的人员追踪方法、装置、设备以及存储介质 | |
CN112116102A (zh) | 一种域适应训练集的扩展方法及*** | |
CN107369138A (zh) | 基于高阶统计模型的图像最优化显示方法 | |
CN109101917A (zh) | 用于行人重识别的标注方法、训练方法、装置及*** | |
CA3176293A1 (en) | System and method for automated forest inventory mapping | |
CN104809323A (zh) | 健康状况的个性虚拟化的方法和*** | |
CN112070662B (zh) | 一种换脸模型的评价方法、装置、电子设备及存储介质 | |
CN112491999B (zh) | 一种数据上报方法及装置 | |
KR102159472B1 (ko) | 딥러닝 기반의 자재 관리 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |