顾及水陆差异的高分五号影像条带去除

高分五号搭载的可见光短波红外高光谱相机,能获取精细的地物光谱信息,具有十分广泛的应用前景。但高光谱卫星遥感数据往往无法避免条带噪声的干扰,进行条带去除是数据预处理中不可缺少的步骤。传统方法往往对地物的异质性与丰富的细节纹理考虑不足,导致条带不能被彻底地消除。为此,本文提出了一种顾及水陆差异的影像条带去除方法,采用水体与陆地区别统计的策略,解决条带噪声在异质区域的统计特征差异问题,并结合优化统计和一维变分滤波技术实现水陆区域参考统计特征的精确估计,最终基于矩匹配方法分别实现条带去除。实验结果表明:无论是真实实验还是模拟实验,本文提出的算法相较于传统条带去除算法,能更加稳健地去除数据条带噪声,还原地表真实辐射信息;在模拟实验中,本文算法处理结果的峰值信噪比(PSNR)达到46.58,且平均绝对误差(MAE)仅有11.56,均明显优于用于比较的3种传统算法,且算法执行效率也具备优势,能够更好地适用于高分五号大数据量的处理需求。     

考虑全时间序列信息的NDVI变分重建方法

NDVI数据受云覆盖等因素影响,普遍存在信息缺失和噪声污染问题。传统基于滤波或曲线拟合的方法对NDVI时间序列的先验特征考虑不足,难以有效解决时间连续缺失的难题。该文在变分框架下,通过正则化方式对NDVI时间序列的局部平滑性和非局部年际相似性进行刻画,提出一种考虑全时间序列信息的NDVI重建方法;选取Savitzky-Golay(SG)滤波、时间序列谐波分析(HANTS)和Whittaker滤波3种方法作为对比方法,在长江经济带两个区域的MODIS NDVI产品上进行模拟实验和真实实验。结果表明：该文方法在随机缺失和时间连续缺失情况下的MAE、RMSE和CC均更优,且能有效滤除不平滑的原始NDVI时间序列曲线中的噪声,获得平滑曲线,在处理时间连续的云污染方面表现更好。