OBSUM:一种用于遥感图像时空融合的面向对象空间解混模型
计算机视觉与模式识别
2024-02-27 v1
摘要
时空融合旨在同时提升遥感图像的空间与时间分辨率,从而支持细空间尺度上的时间序列分析。然而,若干重要问题限制了当前时空融合方法的应用。首先,多数时空融合方法基于像元级计算,忽视了地表有价值的对象级信息。此外,许多现有方法无法准确还原基准日期可用高分辨率图像与预测图像之间的强时间变化。本研究提出一种面向对象空间解混模型(OBSUM),其结合面向对象图像分析与空间解混,以克服上述两个问题。OBSUM 包含一个预处理步骤与三个融合步骤,即对象级解混、对象级残差补偿与像元级残差补偿。OBSUM 仅需基准日期一幅精细图像与预测日期一幅粗分辨率图像即可应用,无需基准日期的粗分辨率图像。我们将 OBSUM 与五种代表性时空融合方法比较,实验结果表明,OBSUM 在时间序列上的精度指标与视觉效果均优于其他方法。此外,OBSUM 在两个典型遥感应用中也取得了满意结果。因此,其在生成准确高分辨率时间序列观测以支持各类遥感应用方面具有巨大潜力。
引用
@article{arxiv.2310.09517,
title = {OBSUM: An object-based spatial unmixing model for spatiotemporal fusion of remote sensing images},
author = {Houcai Guo and Dingqi Ye and Lorenzo Bruzzone},
journal= {arXiv preprint arXiv:2310.09517},
year = {2024}
}