最新发表：对多源卫星配准误差鲁棒的空谱融合方法，为高分影像添加红边和短波红外波段

+ 查看更多

       随着遥感技术不断发展，高空间分辨率遥感图像已经被广泛应用于陆地表面监测。然而通常情况下，无人机和高分卫星图像（如IKONOS和QuickBird）提供的光谱波段只覆盖可见光和近红外波段，不足以满足农业、生态等领域对重要光谱信息（如红边（RE）和短波红外（SWIR））的需求，比如在土地覆盖分类、植物生理参数估计等问题中。相反，中分卫星图像（如Landsat和Sentinel-2）通常有丰富的光谱信息。“空间-光谱融合”（空谱融合）方法可以利用这两类遥感图像的独特优势，生成同时具有空间和光谱细节的图像。然而，在使用多源卫星的数据时，现有的空谱融合方法基本忽略了卫星间固有的几何配准误差，并最终将误差引入融合结果。

为了解决这一局限性，本研究提出了一种新的空谱融合方法，即the Misregistration-Resistant Data Fusion approach（MRDF），为高空间分辨率数据增加红边和短波红外波段。该方法由局部相似像素模型和全局偏最小二乘回归模型所组成，具有以下优点。(1) 局部模型利用邻近相似像素来减少对几何配准误差的敏感性；(2) 通过结合全局回归，提升SWIR波段的融合精度；(3) 在最小化SWIR波段残差时，“扩展窗口”和“空间滤波”两个策略可以减少几何误差的干扰。

     本研究使用三组数据（含卫星和机载图像）比较MRDF与其他七种典型方法的表现。结果表明，MRDF不仅精度高，而且计算效率在中上水平，还大大提高了分类精度。这证实了该算法大大降低多源融合对配准误差的敏感性，能为农业、生态等应用提供重要数据支撑。

Zhou, Junxiong, Yuean Qiu, Jin Chen, and Xuehong Chen. "A geometric misregistration resistant data fusion approach for adding red-edge (RE) and short-wave infrared (SWIR) bands to high spatial resolution imagery." Science of Remote Sensing (2021): 100033. https://doi.org/10.1016/j.srs.2021.100033

程序代码见：https://github.com/Link-dev/MRDF