基于时空非局部滤波器的数据融合方法
计算机视觉与模式识别
2017-10-11 v1
摘要
遥感仪器在空间分辨率和时间频率之间的权衡限制了我们有效监测时空动态的能力。时空数据融合技术被认为是一种通过融合来自具有不同优势或特性的多个传感器的观测数据，以获取同时具有高空间分辨率和高时间频率的遥感数据的成本效益高的方法。本文中，我们开发了基于时空非局部滤波器的融合模型（STNLFFM），以增强预测能力和精度，尤其针对复杂变化的地表。STNLFFM 方法借助粗分辨率反射率数据，提供了同一传感器在不同日期获取的精细分辨率反射率图像之间的一种新的变换关系，并充分利用遥感图像序列中高度的时空冗余来生成最终预测。所提出的方法在 Coleambally 灌区研究区和 Lower Gwydir 流域研究区进行了测试。结果表明，该方法能提供更精确、更稳健的预测，尤其对于异质景观和时间动态区域。
引用
@article{arxiv.1611.07231,
title = {A Spatial and Temporal Non-Local Filter Based Data Fusion},
author = {Qing Cheng and Huiqing Liu and Huanfeng Shen and Penghai Wu and Liangpei Zhang},
journal= {arXiv preprint arXiv:1611.07231},
year = {2017}
}