时空融合

摘要： 对于遥感问题,时空融合算法旨在解决卫星传感器无法同时获取高空间分辨率、高空间分辨率的遥感图像的缺陷,大多数情况下,单个卫星传感器的遥感图像无法满足需求,因此衍生出许多融合高空间分辨率、低时间分辨率遥感图像和低空间分辨率、高时间分辨的遥感图像的时空融合方法,其中效果最为显著的便是基于深度学习的时空融合方法,本文在此基础上,利用卷积神经网络构建一种新的时空融合算法,并得到了更小的误差,应用效果比较好,值得应用及推广。

摘要： 高时空分辨率的遥感图像大数据在遥感领域发挥着重要作用。然而,由于技术上和预算上的限制等原因,目前单一的卫星传感器无法获取同时具有高空间分辨率和高时间分辨率的遥感影像。因此遥感图像时空融合技术被认为是解决时间分辨率和空间分辨率折衷问题的有效途径之一。随着深度学习在各领域的广泛应用,深度学习技术已经被证实是解决图像问题非常有效的方法。针对国内外学者的研究成果,全面总结遥感图像时空融合的经典算法,同时重点分析基于深度学习的遥感图像时空融合算法的研究成果,在三个数据集上进行复现并分析实验结果,并对未来遥感图像时空融合进行展望。

摘要： 探讨基于GF-4 PMS的高时空分辨率数据融合,对改善遥感数据时空融合效果、提高融合精度以及国产高分辨率卫星数据的广泛、有效应用具有重要意义。该文基于GF-4 PMS数据,利用目前广泛应用的3种时空融合模型(STARFM、ESTARFM、FSDAF),选择不同地表复杂程度的区域进行高时空分辨率GF-1 WFV、Landsat OLI数据融合实验与对比分析。结果表明:1)相对于MODIS数据,基于GF-4数据融合的高时空分辨率影像(GF-1 WFV、Landsat OLI)在空间细节、光谱特征方面更接近真实影像,融合效果与精度更好;2)基于GF-4数据的时空融合结果对不同模型的差异性不敏感,在实际应用中,应用GF-4数据的时空融合可尽量选择简洁的融合模型。研究成果可为GF-4 PMS数据的时空融合应用及像元空间尺度差异对时空融合的影响研究等提供参考。

摘要： 当前单纯基于传统空谱融合或基于时空融合的方法均未同时综合全色、高分辨率多光谱以及低分辨率多光谱的谱段信息,造成融合结果未能与应用需求充分对接。结合传统的PanSharpening方法与当前流行的时空融合模型,提出了一种基于调制传递函数-广义拉普拉斯金字塔-高通滤波调制(Modulation Transfer Function-Generalized Laplacian Pyramid-High Pass Modulation,MTF-GLP-HPM)和时空自适应反射率融合模型(Spatial and Temporal Adaptive Reflection Fusion Model,STARFM)的新融合方法。该方法有效综合了全色和高分辨率多光谱的空谱信息以及低分辨率多光谱的时谱信息,能够生成预测时相下具有全色波段空间分辨率的多光谱影像。采用MTF-GLP-HPM方法对起始时相的高分二号(GF-2)全色(1 m)和多光谱(4 m)反射率影像进行融合,得到1 m分辨率的GF-2多光谱反射率数据;利用STARFM模型将上述GF-2多光谱影像与起始、预测时相下的高分一号宽幅(GF-1 WFV)多光谱(16 m)反射率数据进行时空融合,得到预测时相下1 m分辨率的GF-2多光谱反射率数据。基于不同下垫面类型的融合结果表明,所提方法融合结果与预测时相原始GF-2多光谱影像相比,SSIM在0.6224~0.9066,RMSE小于0.06;与直接基于原始GF-2和GF-1 WFV多光谱数据的STARFM融合结果相比,SSIM相对精度损失小于0.08,RMSE损失在0.02以下。所提方法能够在保持时空融合对于时谱信息预测精度的基础上,进一步将融合结果的空间分辨率提升至全色影像的水平。

摘要： 基于遥感图像采样的实际情况,提出一种改进的基于卷积神经网络的时空融合采样重构算法.考虑到相同时间段内低空间分辨率图像的数量要远远多于高空间分辨率图像,为了充分利用这两类图像数据来提高预测高空间分辨率图像的精度,采用对多幅低空间分辨率图像的差异的Runge Kutta差分公式.以此为基础获得高空间分辨率图像的差异,并以均方误差为基准计算权重参数,更好地捕获图像的空间细节.最后将该重构算法与其他方法在公共数集上进行比较,实验结果表明该方法具有更准确的融合结果.

摘要： 土壤盐渍化的遥感监测依赖于高时空分辨率影像,但受经费预算、卫星回访周期及天气的影响,高时空分辨率的遥感影像较难获取,这就限制了根据采样时间来获取对应时期遥感影像进行土壤盐渍化监测反演的应用。为此,提出融合MODIS和Landsat影像生成高时空分辨率影像来提取土壤盐渍化信息,为时空影像进行土壤盐渍化监测研究提供数据参考。以渭干河—库车河绿洲为研究区,利用增强型时空自适应融合率反射模型(Enhanced spatial and temporal adaptive reflec⁃tance fusion model,ESTARFM)和灵活的时空融合模型(Flexible spatiotemporal data fusion,FSDAF),对MODIS和Landsat影像进行时空融合,并基于融合影像数据构建了关于土壤电导率(EC)的随机森林(RF)预测模型,对比分析时空融合影像应用于土壤盐渍化遥感监测的适用性。结果表明:ES⁃TARFM融合影像的特征波段反射率与Landsat验证影像对应波段反射率一致性决定系数R2(Red)=0.8066、R2(SWIR2)=0.8444;FSDAF融合影像的特征波段与Landsat验证影像对应波段反射率一致性决定系数R2(Red)=0.6999、R2(SWIR2)=0.7493;基于ESTARFM融合影像构建的EC值预测模型精度最高,R2=0.9268,基于FSDAF融合影像构建的EC值预测模型精度良好,R2=0.8987,基于验证影像构建的EC值预测模型R2=0.9103;ESTARFM模型的融合精度高于FSDAF模型,并且基于融合影像构建的EC值预测模型效果良好。

摘要： EVI、LSWI时序数据是农业遥感应用中重要的数据源,时空融合模型可以减弱重访周期及天气等因素对遥感数据获取的限制。然而前人选取的数据源多为MODIS与LANDSAT作为时空融合模型的输入数据,限制了融合结果的空间分辨率,因此本文基于MODIS与Sentinel-2以ESTARFM时空融合方法构建10m空间分辨率的连续EVI、LSWI时序数据,并对时空融合结果进行分析评价。结果表明:ESTARFM时空融合模型模拟结果与纯像元MODIS时序EVI和LSWI曲线差异不超过0.1,与验证日期Sentienl-2的EVI与LSWI的平均R2均为0.878,证明ESTARFM时空融合方法可以有效的对Sentienl-2进行模拟。

摘要： 该文对人群异常检测任务进行了研究,针对人群场景视频背景较冗余,易受光线与噪声影响以及实际部署等问题,提出了人群异常多尺度特征记忆网络(CaMsm-net)。为了从多角度判别异常的发生,并将各类信息更好地融合,该网络采用了一种双支路共享单元结构,将原始帧与经背景建模后的帧同时输入网络结构中,分别对两条支路进行预测,采用预测误差进行异常的判定,并且从实际应用角度出发,框架结合了深度可分离卷积、数据扩增等方法,保障了检测的准确性与部署的可行性。在公开的美国明尼苏达大学(UMN)人群数据集与实际监控下的火车站出站口数据集中的实验表明,曲线下面积(AUC)指标分别达到了99.2%与84.1%,平均检测准确率分别为95.9%与81.7%,证明了所提算法能够较好地检测到各类人群异常现象的发生,并具有更广的适用性。

摘要： 为了解决现有时空相关修复法挖掘交通流特性不充分的问题,提出基于时空融合图卷积网络的缺失数据修复方法.该方法在分析交通流时空特性的基础上,采用2类函数分别计算交通流数据的时间自相关系数和空间关联度系数.将交通检测器的部署位置作为节点构成几何拓扑图,通过线性融合规则构建时空融合矩阵,替代图卷积输入层的邻接矩阵,捕获交通流细粒化的时空关系.利用轻量级一维卷积层学习多通道时序向量的时间特征,加快模型的收敛速度.利用图卷积层学习交通流数据的空间特征,构建时空融合图卷积网络修复模型.实验结果表明,与其他修复方法相比,该方法在多检测器场景中的修复精度和模型收敛速度均有所提升,可以有效地修复交通流缺失数据.

摘要： 蒸散发是水文循环的重要组成部分,获取高时空分辨率的数据能够更加精细化蒸散发的时空变化规律,对于水资源管理、生态水文过程量化具有重要意义。由于单一传感器反演的蒸散发无法同时具有高空间和高时间分辨率,以南京地区为例,首先结合Landsat-8遥感影像数据和气象数据,采用基于能量平衡原理的SEBS模型估算日蒸散量。在此基础上,选取典型区域采用基于增强型时空自适应反射融合模型(ESTARFM)将估算的蒸散发结果与低空间分辨率的MOD16A2蒸散发产品数据进行时空融合降尺度研究,并评价模型的融合精度。结果表明:(1)SEBS模型估算的蒸散发结果与蒸发皿折算后的数据、MOD16A2产品数据的平均相对误差分别为0.14 mm/d和0.22 mm/d。(2)南京地区蒸散量季节差异明显,表现为夏季>秋季>冬季;各区在夏季的日平均蒸散量差异也较大,六合区蒸散量最大,秦淮区最小;另外,蒸散量分布受土地利用类型的影响,总体上表现为水域>林地>耕地>草地>其他,且植被覆盖度较高的区域蒸散量较大。(3)基于ESTARFM模型融合的蒸散发结果与基于Landsat-8遥感影像反演的蒸散发数据在空间分布上具有相似性,二者相关系数为0.74。在全球气候变化的背景下,本研究可为蒸散发数据集时空分辨率的提高提供参考,同时也能够为南京地区水循环过程和水资源管理研究提供数据支撑。

摘要： 使用单时相遥感影像进行变化检测易产生季相等伪变化问题,而高空间分辨率多时相遥感影像又难以获取.可通过将高空间分辨率与高时间分辨率影像数据进行时空融合,提高多时相遥感数据的空间分辨能力.然而,现有时空数据融合方法还存在精度有待提高、能降尺度的组分数量较少等局限,原因之一是受限于窗口形式的解算像元集合构建模式.本文采用线性光谱混合模型,来拟合高低空间分辨率像元间的映射关系;引入阿基米德螺线代替传统的窗口形式构建降尺度像元集合;通过解算时空变化重建高空间分辨率影像.实验结果表明,螺线法对各形状地物具有较好适用性,具备将模拟地表中多达20类组分的混合像元成功降尺度融合的能力,拓展了降尺度解混中像元组分数量的理论上限,可用于提高多时相遥感数据的空间分辨率.

摘要： 由于无线传感网络中大量的传感器很容易受到环境的干扰，因此需要新的融合方法提高抗干扰能力。论文利用中值滤波抑制脉冲噪声的能力，将其与卡尔曼滤波结合开发适合无线传感网络的新融合算法。新的时空融合方法可以减少计算代价，提高系统的实时处理能力。另外，当存在错误测量数据时，新方法也能良好工作，因此新方法能增强系统的鲁棒性，仿真结果表明了算法的有效性。

摘要： 针对现有算法未能有效结合时域与空域信息，提出一种基于时空融合和粒子滤波的弱小目标检测算法。首先利用像素点的帧间相关性与邻域相关性，采用短程非参数核建模算法来检测候选目标;接着采用粒子滤波结合目标的运动特性来跟踪候选目标，剔除虚假目标得到真实目标航迹。rn 实验结果表明，该算法能有效结合时域与空域信息，能有效检测出低信噪比背景下的目标。

摘要： 高空间分辨率的地表或者大气环境动态监测需要高时间-空间分辨率的卫星遥感影像作为数据支撑,但由于卫星传感器硬件技术及卫星发射成本等客观因素的限制,使得获取高时空分辨率遥感影像的较为便捷高效、低成本的可行手段就是将分别具有高时间和高空间分辨率的多源遥感影像进行时空融合,从而生成不同研究和应用所需的高时空分辨率卫星影像.现阶段,虽然国内外的学者进行了大量的时空融合算法研究,但是这些研究都局限于特定的数据类型、算法原理、应用目的等客观限制,而且其发展呈现出多样性.本文对现有主流的时空融合算法研究进行了归纳总结,将其分为4种:①基于地物组分的时空融合;②基于地表空间信息的时空融合;③基于地物时相变化的时空融合;④组合性的时空融合.同时,本文还对时空融合算法中存在的问题和面临的挑战进行了分析,并对其未来的发展方向进行了前瞻性的展望.

摘要： 本发明提出了一种基于脑电波和时空数据融合的时空‑心理分析方法，所涉及的硬件包括多套便携式采集装置和数据处理装置；所述方法包括：通过便携式采集装置获取采样信息，然后将采样信息传输至数据处理装置；处理装置根据采样信息得到相应的情绪指数，然后生成相应的环境‑心理预警信息、时段‑心理预警信息和人员心理预警信息；本发明的有益技术效果是：提出了一种基于脑电波和时空数据融合的时空‑心理分析方法，该方法能对工作人员的情绪状态进行客观分析，并自动输出相应的预警信息。

摘要： 本发明公开了一种基于长短期时空数据多图融合时空注意力的数据预测方法，包括以下步骤：获取站点交通流量的时空数据，并按预设时间间隔划分为时隙进行流量统计；构建图节点，并基于图节点构造站点间距离图、城市功能区图、站点邻接图；每个图节点代表一个站点；对三个图进行多图融合卷积运算；利用多图融合卷积算子替换GRU中的矩阵乘法构建GRU变体MFCRNN；计算各站点间的实时客流模式相似度，基于注意机制捕获站点间的空间动态相关性；结合MFCRNN和空间注意力机制构造AMFCRNN算子；采用编解码结构实现客流多步预测。本发明的方法能够进行更准确的城市公共交通客流预测，且可适用于不同类型的公共交通数据集。

摘要： 本发明公开了一种顾及非局部特性与时空变化的遥感数据时空定量融合方法，基于非局部滤波，利用移动窗口技术，首先选取相似像元，用基于小窗口运算的经验型公式筛选相似像元，并在此基础上二次筛选相似像元，以相似像元为中心的邻域矩阵的相似度以及其与中心像元的相对距离衡量权重大小，考虑时空变化，针对区域主要特征，选取相应的方式加权，最终融合得到中心像元的反射率值。本发明利用高空间分辨率数据与高时间分辨率数据的互补信息，顾及非局部特性与时空变化，融合得到既具有高空间有具有高时间分辨率的数据，不仅取得更高的精度，而且更具有实际应用潜力。

摘要： 本发明公开了一种基于长短期时空数据多图融合时空注意力的数据预测方法，包括以下步骤：获取站点交通流量的时空数据，并按预设时间间隔划分为时隙进行流量统计；构建图节点，并基于图节点构造站点间距离图、城市功能区图、站点邻接图；每个图节点代表一个站点；对三个图进行多图融合卷积运算；利用多图融合卷积算子替换GRU中的矩阵乘法构建GRU变体MFCRNN；计算各站点间的实时客流模式相似度，基于注意机制捕获站点间的空间动态相关性；结合MFCRNN和空间注意力机制构造AMFCRNN算子；采用编解码结构实现客流多步预测。本发明的方法能够进行更准确的城市公共交通客流预测，且可适用于不同类型的公共交通数据集。

摘要： 本发明提出了一种基于脑电波和时空数据融合的时空‑心理分析方法，所涉及的硬件包括多套便携式采集装置和数据处理装置；所述方法包括：通过便携式采集装置获取采样信息，然后将采样信息传输至数据处理装置；处理装置根据采样信息得到相应的情绪指数，然后生成相应的环境‑心理预警信息、时段‑心理预警信息和人员心理预警信息；本发明的有益技术效果是：提出了一种基于脑电波和时空数据融合的时空‑心理分析方法，该方法能对工作人员的情绪状态进行客观分析，并自动输出相应的预警信息。

摘要： 本发明公开了一种顾及非局部特性与时空变化的遥感数据时空定量融合方法，基于非局部滤波，利用移动窗口技术，首先选取相似像元，用基于小窗口运算的经验型公式筛选相似像元，并在此基础上二次筛选相似像元，以相似像元为中心的邻域矩阵的相似度以及其与中心像元的相对距离衡量权重大小，考虑时空变化，针对区域主要特征，选取相应的方式加权，最终融合得到中心像元的反射率值。本发明利用高空间分辨率数据与高时间分辨率数据的互补信息，顾及非局部特性与时空变化，融合得到既具有高空间有具有高时间分辨率的数据，不仅取得更高的精度，而且更具有实际应用潜力。

摘要： 一种基于不同时空分辨率的归一化植被指数数据时空融合方法，将不同时空分辨率的归一化植被指数数据进行时空融合，利用基于相邻NDVI观测的噪点二次过滤和高时间分辨率的NDVI中值的噪点过滤；结合线性插值和空间过滤，对不同时空分辨率的NDVI数据进行自动化融合生成高时间高空间分辨率NDVI数据；并利用空间过滤算法消除MODIS像元边界效应，最终得到目标区域的高空间分辨率高时间分辨率NDVI数据。本发明减少后续融合处理的不确定性，不用考虑输入数据是否晴空无云；通过结合与目标像元NDVI值的接近程度和与目标像元的欧式距离，对融合的目标像元NDVI值进行校正，提高融合影像的连续性。

摘要： 本发明公开了本发明提出了一种基于交叉融合的遥感影像时空融合基础图像对的确定方法，属于数字图像处理领域。该方法在多年尽可能多的潜在输入图像对中，同时考虑了选择基础图像对时的相似性标准和一致性标准，用交叉融合的方式验证了MODIS图像与Landsat图像之间的一致性，确定了最优的输入图像组，得到了更加准确、稳定的融合结果。该方法摆脱了现有技术采用有限输入数据和只考虑相似性准则的局限，为实际应用中时空数据融合提供了一种可操作性强、自动化程度高的方法。

摘要： 一种基于不同时空分辨率的归一化植被指数数据时空融合方法，将不同时空分辨率的归一化植被指数数据进行时空融合，利用基于相邻NDVI观测的噪点二次过滤和高时间分辨率的NDVI中值的噪点过滤；结合线性插值和空间过滤，对不同时空分辨率的NDVI数据进行自动化融合生成高时间高空间分辨率NDVI数据；并利用空间过滤算法消除MODIS像元边界效应，最终得到目标区域的高空间分辨率高时间分辨率NDVI数据。本发明减少后续融合处理的不确定性，不用考虑输入数据是否晴空无云；通过结合与目标像元NDVI值的接近程度和与目标像元的欧式距离，对融合的目标像元NDVI值进行校正，提高融合影像的连续性。

摘要： 本发明公开了一种基于短时时空融合网络和长时序列融合网络的无参考视频质量评价方法，将视频帧依次通过两种计算不同时间长度的网络来实现质量的预测。短时时空融合网络用于提取并融合当前帧的时空特征，得到当前帧中时间特征作用于空间特征后的结果。长时序列融合网络用于在先验知识的指导下对一段时间内各帧之间相互作用的结果进行建模并预测视频的质量分数。本方法以视频帧作为输入，通过在帧级别上设计网络从而融合时间和空间特征，在序列级别上考虑帧间关系从而进一步细化当前帧特征的方式，利用深度学习预测一段视频中各帧的质量，最终完成对视频整体质量评价的任务。本发明由于细化且丰富了视频帧的特征，因此在模型性能上有了显著提高。