CN114663399B 基于改进时空融合模型的积雪日变化监测方法 （吉林大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114663399B(45)授权公告日2025.01.10

(21)申请号202210290763.9

(22)申请日2022.03.23

(65)同一申请的已公布的文献号申请公布号CN114663399A

(43)申请公布日2022.06.24

(73)专利权人吉林大学

地址130012吉林省长春市长春高新技术

产业开发区前进大街2699号

(72)发明人顾玲嘉王钰涵任瑞治

(74)专利代理机构吉林省中玖专利代理有限公司22219

专利代理师李泉宏

(51)Int.CI.

GO6T7/00(2017.01)

GO6T7/30(2017.01)

G06T7/62(2017.01)

GO6T7/70(2017.01)

GO6V10/764(2022.01)

GO6V10/80(2022.01)

(56)对比文件

CN110136194A,2019.08.16CN112419197A,2021.02.26审查员胡瑞娟

权利要求书2页说明书7页附图2页

(54)发明名称

基于改进时空融合模型的积雪日变化监测

日分南期卡5酸在来

(57)摘要

CN114663399B本发明公开了一种基于改进时空融合模型的积雪日变化监测方法，属于卫星遥感图像处理与应用的技术领域。本发明的目的是解决现有积雪产品空间分辨率较低，无法准确获取降雪和融雪等变化的细节问题。本发明采用2幅Landsat8卫星遥感影像和17幅MOD09GA光谱反射率影像作为数据源，使用STDFA时空融合模型获得初步的逐日时空融合影像，由于STDFA模型的时空融合结果存在光谱失真，本发明提出使用Matching-Pix2pixGAN网络改善STDFA融合模型得到的时空融合结果，最终得到无光谱失真的逐日的时空融合结果，并提取最终时空融合结果的NDSI指数实现对积雪的识别，从而实现连续16天的积雪日变化监测。本发明方法能准确地实现积雪日变化监

CN114663399B

据。

CN114663399B权利要求书1/2页

2

1.基于改进时空融合模型的积雪日变化监测方法，其特征在于，该方法的具体步骤如下：

步骤一、影像预处理：对时空融合初期T?和末期T所对应的2幅Landsat8中多光谱数据进行辐射定标以及大气校正，对T?~T之间每天不同条带号的MOD09GA光谱反射率数据进行多数据拼接，而后将处理好的Landsat8数据和MOD09GA数据配准，最后裁剪选取实验区；

步骤二、利用STDFA模型生成时空融合数据：以初期T?和末期T的Landsat8数据和MOD09GA数据以及融合时期T;(i=1～k-1)的MOD09GA数据为STDFA模型输入数据生成时空融合数据；

步骤三、构建STDFA-Matching-Pix2pixGAN网络：通过构建可以改进STDFA时空模型的STDFA-Matching-Pix2pixGAN网络，经过迭代改善光谱失真，最终得到无失真的高时空分辨率的融合影像；

步骤四、利用NDSI指数监测积雪：利用归一化差分积雪指数NDSI对实验区的积雪进行

判识；

NDSI的计算公式如公式(5);

………………

……

……

(5)

其中b?为绿色波段，b?为短波红外波段；

步骤三中，STDFA-Matching-Pix2pixGAN网络组成分为三个部分：

(a)预匹配过程：将T或T所对应的Landsat8数据作为目标图像(y)和步骤二获得的STDFA模型输出的时空融合影像(x)作为输入源数据，预匹配模块首先使用直方图匹配算法得到初步改进结果(X),使初步改进结果(X)具有Landsat8数据作为目标图像(y)的光谱特

征；

(b)Pix2pixGAN过程：将步骤(a)预匹配模块输出的结果(X)与邻近日期的目标图像(y)组成成对的训练数据集，并送入Pix2pixGAN网络中进行训练；Pix2pixGAN首先构建了一个生成器，称为G,用于生成所需的目标高分辨率图像G(X);然后将G(X)和y一起输入到鉴别器D中，鉴别器D会连续比较G(X)和y之间的差异，判断G(X)是否仍然存在光谱失真；如果输出图像G(X)被判定为仍存在光谱失真，则将结果反馈给生成器，以继续优化