一种复杂山区地理先验驱动的时空连续降尺度重建方法与流程

摘要: 本发明涉及一种复杂山区地理先验驱动的时空连续降尺度重建方法,属于遥感图像处理。背景技术:1、近年来,随着生态环境监测与精准农业管理的需求日益增长,获取高空间分辨...
一种复杂山区地理先验驱动的时空连续降尺度重建方法与流程

本发明涉及一种复杂山区地理先验驱动的时空连续降尺度重建方法,属于遥感图像处理。

背景技术:

1、近年来,随着生态环境监测与精准农业管理的需求日益增长,获取高空间分辨率且时空连续的遥感(rs)影像数据已成为研究的核心。在地形复杂的山区(如哈尼梯田等区域),地表破碎度高、植被物候变化快,对遥感数据的时空一致性提出了极高要求。然而,受限于成像传感器的物理特性,单载荷卫星平台难以同时兼顾高空间分辨率与高重访频率。例如,sentinel-2影像虽具有较高的重访周期,但在破碎地形下存在严重的混合像元效应,难以精确刻画亚像元级斑块边界;而高分辨率卫星(如高分二号)虽具备精细识别能力,但重访周期长,且在亚热带季风气候区极易受到持久性云雾遮蔽的影响。这种“时空不连续性”导致有效观测频率远低于监测需求。因此,如何在复杂地形与云雾干扰的双重约束下,构建一种深度集成地理先验知识、具备跨尺度连续建模能力且可解释性强的遥感重建框架,是当前遥感大数据处理领域亟待解决的关键技术难题。

技术实现思路

1、为克服现有技术的问题,本发明提供了一种复杂山区地理先验驱动的时空连续降尺度重建方法。

2、本发明的技术方案是:一种复杂山区地理先验驱动的时空连续降尺度重建方法,所述方法包括:

3、s1、多模态特征数据立方体构建:获取待监测区域的多时相光学遥感影像、合成孔径雷达(sar)影像以及地理环境先验因子,通过重采样与归一化处理,构建时空统一的多维度特征数据立方体;

4、s2、地理先验动态调制与多模态融合:将地理环境先验因子通过位置编码映射至高维空间,利用特征线性调制(film)机制产生自适应仿射参数,对网络隐藏层状态进行动态调制以校正地形辐射畸变;同时利用sar辅助结构重建模块,通过低秩双线性融合机制提取跨模态特征,构建时空特征记忆库;

5、s3、基于隐式神经表示的连续坐标查询:构建基于隐式神经表示(inr)的连续映射函数,接收任意待重建点的时空坐标查询向量,从所述时空特征记忆库中检索并聚合相关特征,实现分辨率无关降尺度重建与任意时刻的时间插补;

6、s4、对抗性形态特征增强:将初步重建结果输入时空切片生成对抗网络(st-patchgan),通过多准则复合损失函数进行协同优化,恢复包括梯田和山脊在内的微观地貌细节,生成高保真时空连续遥感数据产品。

7、进一步地,所述s1中,对由于云遮蔽引起的退化观测过程的物理建模公式如下:

8、                  (1)

9、其中,为受损的观测反射率,为地表真实物理反射率,⊙表示哈达玛积,即沿像素空间网格逐位相乘的矩阵乘法算子,ϵ表示由大气散射引起的加性噪声,为表示通过云检测算法提取并生成的二值云遮蔽掩码矩阵,,其值在空间网格上离散分布,表示该像素点被云雾或阴影遮蔽阻隔,表示该像素点为无云雾干扰的有效观测。

10、进一步地,所述s2中,所述地理先验动态调制与多模态融合的具体步骤包括:

11、s201、将所述地理环境先验因子与时间维度的年积日编码进行位置编码映射,转化为与遥感影像特征流对齐的流形空间向量;

12、s202、利用多层感知机mlp学习地理先验因子的空间异质性,动态生成增益参数和偏置参数;

13、s203、按照下述公式对网络隐藏层特征执行线性变换,得到校正后的特征:

14、                  (2)

15、其中,为输入的隐藏特征向量,其特征维度设为128维;为经过地理环境先验校正后的调制特征向量;和分别为利用多层感知机自适应生成的增益参数与偏置参数;表示哈达玛积。

16、进一步地,所述s3中,实现连续坐标查询的具体步骤包括:

17、s301、构建时空特征记忆库:将经过跨模态融合后的特征编码为连续的潜在特征向量,存入时空特征记忆库;

18、s302、接收任意待重建点的三维坐标查询请求,将待重建的空间坐标 与时间戳分别编码为高维空间查询向量和时间查询向量;

19、s303、利用交叉注意力机制从记忆库中检索与查询向量相关的潜在特征,并通过解码函数映射为目标物理反射值:

20、     (3)

21、其中,为重建输出的目标高保真物理反射率估计值,为空间采样点连续坐标经过位置编码映射后生成的高维空间查询向量;为重建时间戳高维时间查询向量;为多模态时空潜在特征记忆库;为交叉注意力引导的连续解码映射函数。

22、进一步地,所述s4中的,多准则复合损失函数计算公式如下:

23、     (4)

24、其中,表示用于约束神经网络进行联合优化与参数反向传播更新的复合损失函数总损失值,表示基于经典huber回归约束算法的基础回归损失,表示专门约束光学损坏空洞区的掩码重建损失,表示为削弱均值回归带来的图像边缘模糊而设计的生成对抗损失,表示约束生成的亚像元连续场经聚合下采样后,依然与原始低分辨率观测保持能量守恒的降级退化损失,表示约束生成的十光谱通道响应特征不发生波谱扭曲和通道倒置的光谱角映射损失,表示利用一阶空间梯度差分算子,计算预测梯度与真实图像梯度差异的空间梯度损失,表示约束相邻重建时相在时间轴上的演上演化速率、使其符合山区植物自然生长物候变化规律的时序连续正则损失,表示对多分辨率波段执行岭回归映射、以维持波段间先验统计特性的跨波段岭投影损失;至为各项损失对应的权重系数。

25、进一步地,所述s4中的时空切片生成对抗网络判别器采用层次化条件架构,其输入为:

26、               (5)

27、其中,表示输入到条件块判别器中的串行级联多通道矩阵对;为待判别目标物理反射率图像,为上采样后的低分辨率观测及地理先验约束,为云遮蔽掩码,表示通道维度拼接。

28、进一步地,还包括:

29、s5、空间不确定性评价:

30、利用蒙特卡洛随机失活方法进行多次随机前向传播,计算重建影像的像素级标准差,生成空间不确定性热力图,用以识别复杂地形区域的推理风险点。

31、进一步地,所述遥感影像至少包括sentinel-1 sar数据和sentinel-2光学数据。

32、本发明的有益效果是:

33、本发明中的地理环境先验因子在映射至特征空间时,由于位置编码使非空间异构特征流对齐,特征在网络隐藏层上能够紧密排列,形成高维度的物理先验特征调制流形。这种特征层面的自适应仿射调控显著降低了山区地表反射率因地形起伏引起的波谱非平稳性。根据电磁波辐射传输理论,三维几何校正增加了由太阳入射角与坡向变异引起的辐射畸变波动的激发难度,而film调制机制则通过对隐藏状态特征实施“增强-抑制”的自适应尺度偏置调节,来加速地形辐射系统性偏差的衰减。

34、本发明在山区复杂遥感观测断裂区域,通过多源异构数据集成构建多维度特征数据立方体,所述地理环境先验在特征提取阶段定向对齐并输入film调制层,通过引入低秩双线性融合捕捉光学与雷达的关联,使厚云遮蔽区域建立起雷达结构特征向光学光谱特征的映射约束。利用在多模态子空间形成的潜在特征记忆库,同时,再结合连续时空坐标查询机制建立连续映射函数,计算任意时空维度下的亚像元物理反射率。该物理反射率是在后期时空切片生成对抗网络(st-patchgan)对抗训练与包含huber回归、光谱角、时序连续约束等8项联合优化的多准则复合损失函数协同优化的基础上,并结合隐式神经表示(inr)连续解码,实现对重构反射率的计算与权重参数自适应的迭代更新,进而实现对复杂山区在频繁云遮蔽和地形干扰环境下时空观测误差与波谱失真的抑制,提升了山区物候与生态监测数据立方体的时空一致性与数值稳定性,解决了破碎山区因有效观测频率低、信息畸变严重导致的高置信度遥感产品缺乏的问题。