Landsat与MODIS卫星数据的双向融合实验

论文摘要

针对如何在时间序列尺度上利用多源时空融合方法高精度地重构高分辨率遥感影像的问题,该文提出了一种基于增强字典学习样本空间的单数据对稀疏学习融合算法,并利用现有稀疏学习算法、STARFM算法以及半物理模型对Landsat与MODIS卫星数据进行双向融合实验。结果表明:随着样本尺寸及空间的拓展,改进后的稀疏学习算法能够获得比原始算法、STARFM、半物理模型等算法更优的融合结果,其中ERGAS可达15.0以内、SSIM可达84%以上,并且融合质量对高、低分辨率图像间的空间尺度差异性不敏感。通过采用更高效的在线字典学习算法,该融合方法的处理效率与应用价值有望得到极大提升。

论文目录

• 0 引言
• 1 样本空间增强的稀疏学习融合方法
•   1.1 单数据对稀疏学习融合算法原理
•   1.2 基于增强字典训练的稀疏学习融合
• 2 实验结果与分析
•   2.1 实验数据及预处理
•   2.2 实验结果评价与分析
• 3 结束语

文章来源

类型: 期刊论文

作者: 葛艳琴,李彦荣,孙康,李大成,陈永红,李瑄

关键词: 稀疏学习,字典训练,陆地卫星数据,地表反射率,时空融合

来源: 测绘科学 2019年09期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 工业通用技术及设备,自动化技术

单位: 太原理工大学,中国电子科技集团公司第五十四研究所,高分辨率对地观测系统山西数据与应用中心

基金: 国家自然科学基金项目(41501372),山西省高等学校科技创新项目(2016144)

分类号: TP751;TP181

DOI: 10.16251/j.cnki.1009-2307.2019.09.015

页码: 107-114

总页数: 8

文件大小: 870K

下载量: 234