基于奇异谱分析的改进遥感时空融合模型

时空融合能够生成具有足够时间和空间分辨率的图像序列.然而,当前的研究趋向于使用尽可能多的时相数据、复杂的非线性模型来提高预测的准确性,极少的研究将重点放在图像本身的分析,即充分利用影像包含的如趋势和纹理等内在特征.为此,文章基于二维奇异谱分析(2D singular spectrum analysis,2DSSA)技术,提出了一种2DSSA时空融合模型(2DSSA spatial-temporal fusion model,2DSSA-STFM),通过将已有影像分解为趋势分量和细节分量,分别对目标时刻影像的主要空间趋势和空间细节进行预测.首先,建立高空间分辨率数据趋势项与低空间分辨率数据的线性关系,计算得到目标时刻影像的趋势成分;然后,建立2 个时相下低分辨率细节分量和高分辨率细节分量的线性关系,得到目标时刻影像的细节成分;最后,将计算得到的趋势和细节成分进行合成,即为目标预测影像.在2 组中分辨率Landsat7 ETM+和MODIS影像上对提出的2DSSA-STFM进行了实验,结果表明,提出的模型在实验误差方面要优于传统的时空融合模型.