遥感环境图像中的大范围缺失数据插补
应用统计
2010-06-23 v1 计算机视觉与模式识别
摘要
当获取的卫星图像因云层阴影或传感器故障导致信息缺失时，需要对大范围缺失数据进行插补。对于不能视为随机缺失的数据，通用的插补方法建议使用其他可用数据。先前的工作，如局部线性直方图匹配，利用同一传感器获取的较早配准图像，在填充均匀区域时效果良好，但如果所合并的场景因太阳耀斑或积雪等因素导致目标辐射度存在显著差异，则效果不佳。本研究提出了三种填补数据缺失的替代方案。前两种方法涉及在傅里叶域中合并同时获取的低分辨率图像的辐射信息（方法A），以及使用线性回归（方法B）。第三种方法将分割作为处理的主要目标，并提出了一种填补类别图中缺失区域的方法，避免了直接插补（方法C）。所有方法均通过大规模模拟研究进行比较，使用包含四个指标（Q、RMSE、Kappa和总体精度系数）的多变量响应向量评估性能。性能差异通过一个包含两个主效应（插补方法和低分辨率额外数据类型）以及一个嵌套子因子的区组第三因子（由真实Landsat图像及其子图像引入）的MANOVA混合模型设计进行检验。方法B在所有标准下均被证明是最优的。
引用
@article{arxiv.1006.4330,
title = {Large gaps imputation in remote sensed imagery of the environment},
author = {Valeria Rulloni and Oscar Bustos and Ana Georgina Flesia},
journal= {arXiv preprint arXiv:1006.4330},
year = {2010}
}