基于影像时间序列的地表覆盖分类产品精化方法和装置与流程

1.本发明涉及计算机技术领域，尤其涉及一种基于影像时间序列的地表覆盖分类产品精化方法和装置。


背景技术：

2.地表覆盖分类是将地球陆地表层和近地面层根据其具体状态划分为不同类别，例如耕地、林地、草地、裸地、园地、湿地、水体、建筑等，每个类别还可以进一步细分。地表覆盖分类信息反映了地表的自然过程和人类活动，其变化情况对地表生物、气候、水文等过程均具有直接影响，是反映宏观和微观生态系统变化的重要指标和参数，因此地表覆盖分类成为了生态环境变化、自然资源监测、国土资源管理等诸多领域的重要组成部分和研究内容。
3.遥感影像提供了对地表大范围便捷真实的观测，是当前地表覆盖分类任务的主要数据源。遥感影像一般包含光谱信息、空间信息、时间信息三类信息，光谱信息反映了地物类别在不同谱段的特征，空间信息反映了地物类别空间邻域的特征，时间信息反映了地物类别随时间变化的特征。时间特征的表达需要来自不同时间的一系列影像组成影像时间序列，从时间序列中分析出不同地物类型随时间变化的规律，而光谱信息与空间信息则在每一幅单独的影像中就可以体现。长期以来由于遥感影像存在大范围的云与云阴影遮盖问题，且观测时间间隔有限，组成影像时间序列的数据要求难以满足，因此地表覆盖分类主要使用光谱信息和空间信息，即采用数据质量较好的个别独立影像作为信息源。
4.目前主要的地表覆盖分类产品系列，例如glc_fcs 30米全球地表覆盖分类产品，from-glc系列10米与30米全球地表覆盖分类产品，global land 30米全球地理信息公共产品等，一直都在持续进行产品生产与发布。近年来这些产品的发展主要体现在引入了以深度神经网络为代表的人工智能方法，结合或替代之前的决策树或支持向量机等分类方法，分类过程中也使用了更多的训练样本或其它辅助数据，但这些产品系列中的历史产品依然是以地物类别的光谱信息和空间信息作为主要信息源，时间信息处于局部性和辅助性的地位。


技术实现要素：

5.本发明提供一种基于影像时间序列的地表覆盖分类产品精化方法和装置，用以解决现有技术中缺乏利用时间信息对地表覆盖分类进行精确化的缺陷，实现通过向已有分类结果中补充时间信息进一步提高分类精度。
6.第一方面，本发明提供一种基于影像时间序列的地表覆盖分类产品精化方法，包括：
7.获取呈现时间序列的遥感影像；
8.对所述遥感影像中每幅待修补影像采用所述遥感影像中的所述每幅待修补影像之外的其他影像进行修补，得到修补后的遥感影像；
9.根据所述修补后的遥感影像对已有地表覆盖分类结果像元进行精化更新，得到更
新后的地表覆盖分类结果。
10.进一步，根据本发明提供的一种基于影像时间序列的地表覆盖分类产品精化方法，其中，所述根据所述修补后的遥感影像对已有地表覆盖分类结果像元进行精化更新，得到更新后的地表覆盖分类结果，具体包括：
11.构建所述修补后的遥感影像的像元与所述已有地表覆盖分类结果像元之间的对应关系；
12.根据所述修补后的遥感影像和所述对应关系对已有地表覆盖分类结果像元进行精化更新，得到更新后的地表覆盖分类结果。
13.进一步，根据本发明提供的一种基于影像时间序列的地表覆盖分类产品精化方法，其中，所述对所述遥感影像中每幅待修补影像采用所述遥感影像中的所述每幅待修补影像之外的其他影像进行修补，得到修补后的遥感影像，具体包括：
14.对所述遥感影像中的每幅影像进行云与云阴影标记，得到标记了云与云阴影像元的影像，将所述标记了云与云阴影像元的影像作为待修补影像；
15.确定所述遥感影像中的所述每幅待修补影像之外的其他影像与所述待修补影像之间的相似度，并对所述相似度按照从大到小的顺序进行排序；
16.根据所述排序对应的所述其他影像依次对所述待修补影像进行修补，得到修补后的遥感影像。
17.进一步，根据本发明提供的一种基于影像时间序列的地表覆盖分类产品精化方法，其中，所述根据所述排序对应的所述其他影像依次对所述待修补影像进行修补，得到修补后的遥感影像，具体包括：
18.将所述待修补影像按照连通性划分为多个第一图斑；
19.获取每个所述第一图斑在所述其他影像中对应的相同位置的第二图斑；
20.将所述第二图斑按照所述排序依次对所述第一图斑进行填补得到修补完成的遥感影像。
21.进一步，根据本发明提供的一种基于影像时间序列的地表覆盖分类产品精化方法，其中，所述构建所述修补后的遥感影像的像元与所述已有地表覆盖分类结果像元之间的对应关系，具体包括：
22.对所述修补后的遥感影像间的像元进行对齐，得到具有时间序列的像元对齐的遥感影像；
23.对所述像元对齐的遥感影像按照已有地表覆盖分类结果的投影方式和分辨率进行重投影和重采样，得到所述修补后的遥感影像的像元与所述已有地表覆盖分类结果像元之间的对应关系。
24.进一步，根据本发明提供的一种基于影像时间序列的地表覆盖分类产品精化方法，其中，所述根据所述修补后的遥感影像和所述对应关系对已有地表覆盖分类结果像元进行精化更新，得到更新后的地表覆盖分类结果，具体包括：
25.对所述修补后的遥感影像进行空间维度上的分块，得到多个第一数据块；
26.获取已有地表覆盖分类结果影像中与所述第一数据块覆盖范围相同的第二数据块；
27.对所述第一数据块中的每个像元位置进行填充值判断，得到第一数据块的有效像
元掩膜；
28.对所述第二数据块进行形态学腐蚀运算，得到第二数据块的各个像元的类别标记；
29.根据所述类别标记与所述有效像元掩膜得到所有有效像元对应的类别标记作为候选训练样本；
30.从所述候选训练样本中筛选出训练样本；
31.根据所述训练样本对所述所有有效像元进行k近邻分类，得到每个有效像元的新类别标记；
32.根据所述每个有效像元的新类别标记对第二数据块的各个像元的类别进行替换；
33.根据各个像元的类别进行替换后的第二数据块得到更新后的地表覆盖分类结果。
34.进一步，根据本发明提供的一种基于影像时间序列的地表覆盖分类产品精化方法，其中，所述从所述候选训练样本中筛选出训练样本，具体包括：
35.确定所述候选训练样本中各个所述类别标记对应的有效像元个数；
36.从所述有效像元个数随机筛选出m个作为训练样本。
37.第二方面，本发明提供一种基于影像时间序列的地表覆盖分类产品精化装置，包括：
38.获取模块，用于获取呈现时间序列的遥感影像；
39.修补模块，用于对所述遥感影像中每幅待修补影像采用所述遥感影像中的所述每幅待修补影像之外的其他影像进行修补，得到修补后的遥感影像；
40.精化模块，用于根据所述修补后的遥感影像对已有地表覆盖分类结果像元进行精化更新，得到更新后的地表覆盖分类结果。
41.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于影像时间序列的地表覆盖分类产品精化方法的步骤。
42.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于影像时间序列的地表覆盖分类产品精化方法的步骤。
43.本发明提供的一种基于影像时间序列的地表覆盖分类产品精化方法和装置，通过获取呈现时间序列的遥感影像；对所述遥感影像中每幅待修补影像采用所述遥感影像中的所述每幅待修补影像之外的其他影像进行修补，得到修补后的遥感影像；根据所述修补后的遥感影像对已有地表覆盖分类结果像元进行精化更新，得到更新后的地表覆盖分类结果。本发明通过引入新的时间信息的方式快速实现对结果的可靠更新，增强了相关数据与历史产品的利用率，在继承原有结果的前提下，充分利用了新的数据条件，使原有产品重新具备精度与可用性。
附图说明
44.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些
附图获得其他的附图。
45.图1是本发明提供的基于影像时间序列的地表覆盖分类产品精化方法的流程示意图之一；
46.图2是本发明提供的使时间序列内各幅影像间的像元与地表覆盖分类结果对齐的示意图；
47.图3是本发明提供的对待更新的地表覆盖分类产品裁剪时可能会出现所需数据来自不同分幅产品的情形示意图；
48.图4是本发明提供的基于影像时间序列的地表覆盖分类产品精化装置的结构示意图；
49.图5是本发明提供的电子设备的结构示意图。
具体实施方式
50.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
51.下面结合图1描述本发明的一种基于影像时间序列的地表覆盖分类产品精化方法，包括：
52.步骤100：获取呈现时间序列的遥感影像；
53.具体地，随着近年来遥感观测技术与平台的快速发展，以及对遥感影像处理修复方法的深入研究，遥感影像时间序列应用的数据条件日益成熟。从数据源的角度，越来越多高时间分辨率的遥感卫星逐步被发射，例如我国的高分系列卫星、吉林系列卫星等，历史数据也已经得到了十多年的积累，例如landsat、modis、sentinel等系列卫星数据。从影像处理方法的角度，各类云检测、云修补、图像复原、融合或插值等技术都有了较大进步，可以对以往因为数据质量差而无法使用的数据进行精细修补，使其达到可用状态，进而组成影像时间序列。
54.时间特征的表达需要来自不同时间的一系列影像组成影像时间序列，从时间序列中分析出不同地物类型随时间变化的规律，而光谱信息与空间信息则在每一幅单独的影像中就可以体现。
55.步骤200：对所述遥感影像中每幅待修补影像采用所述遥感影像中的所述每幅待修补影像之外的其他影像进行修补，得到修补后的遥感影像；
56.具体地，在数据源已经足够丰富的条件下，限制遥感影像时间序列使用的另一个主要原因是大量出现的云与云阴影像元，这些像元遮盖了地表的真实情况，且在数据使用过程中成为了对结果有较大影响的噪声，因此本发明首先要对分布在整个时间序列中的云与云阴影等噪声值进行整体性的修补。
57.由于地表的真实情况被云与云阴影所遮盖，所以修补的关键就在于选择何种信息源对被遮盖的信息进行替换。本发明中使用的是影像时间序列，即同一个空间范围内不同时间获取的影像，因此一种自然的思路就是使用另一幅影像中干净的像元替换被判定为云或云阴影的污损像元。
58.步骤300：根据所述修补后的遥感影像对已有地表覆盖分类结果像元进行精化更新，得到更新后的地表覆盖分类结果。
59.具体地，在修补之后，以时间序列作为新的待分类数据，以原有分类结果作为训练集进行重新分类，用新的分类结果对原有结果进行更新。
60.本发明提供的一种基于影像时间序列的地表覆盖分类产品精化方法，通过获取呈现时间序列的遥感影像；对所述遥感影像中每幅待修补影像采用所述遥感影像中的所述每幅待修补影像之外的其他影像进行修补，得到修补后的遥感影像；根据所述修补后的遥感影像对已有地表覆盖分类结果像元进行精化更新，得到更新后的地表覆盖分类结果。本发明通过引入新的时间信息的方式快速实现对结果的可靠更新，增强了相关数据与历史产品的利用率，在继承原有结果的前提下，充分利用了新的数据条件，使原有产品重新具备精度与可用性。
61.进一步，根据本发明提供的一种基于影像时间序列的地表覆盖分类产品精化方法，其中，所述根据所述修补后的遥感影像对已有地表覆盖分类结果像元进行精化更新，得到更新后的地表覆盖分类结果，具体包括：
62.构建所述修补后的遥感影像的像元与所述已有地表覆盖分类结果像元之间的对应关系；
63.根据所述修补后的遥感影像和所述对应关系对已有地表覆盖分类结果像元进行精化更新，得到更新后的地表覆盖分类结果。
64.具体地，对遥感影像时间序列数据进行修补构建，然后与已有地表覆盖分类结果建立像元空间位置的一一对应关系，即是时间序列的影像中的各个像元空间与已有地表覆盖分类结果像元对应的空间位置是一一对应的。
65.最后以修补后的时间序列作为新的信息源对地表覆盖分类结果进行精化更新。即是根据时间序列中像元的所对应的标记对已有地表覆盖分类结果进行精确化。
66.进一步，根据本发明提供的一种基于影像时间序列的地表覆盖分类产品精化方法，其中，所述对所述遥感影像中每幅待修补影像采用所述遥感影像中的所述每幅待修补影像之外的其他影像进行修补，得到修补后的遥感影像，具体包括：
67.对所述遥感影像中的每幅影像进行云与云阴影标记，得到标记了云与云阴影像元的影像，将所述标记了云与云阴影像元的影像作为待修补影像；
68.确定所述遥感影像中的所述每幅待修补影像之外的其他影像与所述待修补影像之间的相似度，并对所述相似度按照从大到小的顺序进行排序；
69.根据所述排序对应的所述其他影像依次对所述待修补影像进行修补，得到修补后的遥感影像。
70.具体地，首先对影像时间序列进行修补构建。修补的主要对象是普遍存在的云与云阴影像元，对于某些传感器来说也可能存在损坏或质量较差的像元，对于这类像元如果数据发布时附带了像元质量标记，则可以视为云像元采用相同的方式一并处理。
71.第一步：对云与云阴影进行修补的前提是能够准确的标记出云与云阴影像元，由于云是遥感影像中最主要的噪声来源，许多遥感数据在发布时会附带云与云阴影像元标记，例如landsat数据产品，对于这类产品可以直接使用附带的云与云阴影像元标记，对于没有提供云与云阴影像元标记的产品，则需要自行检测每幅影像的云与云阴影，以得到对
每个像元是否是云或云阴影的标记，具体的检测方法可以根据具体的数据情况而定，目前相关研究有很多，使用精度可靠的方法即可。
72.第二步：在具备每幅影像的云与云阴影像元标记之后，接下来需要对云与云阴影进行修补，由于地表的真实情况被云与云阴影所遮盖，所以修补的关键就在于选择何种信息源对被遮盖的信息进行替换。本发明中使用的是影像时间序列，即同一个空间范围内不同时间获取的影像，因此一种自然的思路就是使用另一幅影像中干净的像元替换被判定为云或云阴影的污损像元。在替换的过程中，需要考虑的问题主要包括：(1)影像的使用顺序，即在序列影像中先用哪一个影像提供信息，而后再用哪几个；(2)替换时需要对来自其它影像的信息作何种改变，以更加适应当前的影像；(3)修补完成的判断标准。本发明在影像修补过程中对于每一幅待修补的影像，通过计算影像整体相似度的方式决定影像使用顺序，即优先使用与待修补影像最相似的影像；在进行像元替换时，采用逐块替换的方式，对每一块连通的像元，通过泊松融合的方式使来自其它影像的图像块更自然的融入待修补影像；最后当没有像元需要修补或时间序列中的影像用尽时停止修补。采用如上方式修补时间序列中的所有影像。
73.将当前待修补影像的云与云阴影标记进行形态学膨胀，均匀的扩大标记范围，避免漏标记；将影像时间序列中的其它影像按照与当前影像的相似性进行排序，采用结构相似性(ssim，structural similarity)作为相似性度量的依据；按照相似性从大到小依次使用其它影像对当前影像进行信息迁移修补。
74.进一步，根据本发明提供的一种基于影像时间序列的地表覆盖分类产品精化方法，其中，所述根据所述排序对应的所述其他影像依次对所述待修补影像进行修补，得到修补后的遥感影像，具体包括：
75.将所述待修补影像按照连通性划分为多个第一图斑；
76.获取每个所述第一图斑在所述其他影像中对应的相同位置的第二图斑；
77.将所述第二图斑按照所述排序依次对所述第一图斑进行填补得到修补完成的遥感影像。
78.具体地，按照相似性从大到小依次使用其它影像对当前影像进行信息迁移修补，具体的方式为将待修补的像元按照连通性划分为若干个图斑，对每个图斑获取来自另一幅影像中相同位置的图斑并排除其中也是云或云阴影的像元，采用泊松融合方法将另一幅影像中的图斑迁移至待修补图像填补相应像元，填补后更新云与云阴影标记。如待修补影像中所有云与云阴影像元都被修补，或影像时间序列中的所有影像都已用于修补，则结束对当前影像的修补。
79.进一步，根据本发明提供的一种基于影像时间序列的地表覆盖分类产品精化方法，其中，所述构建所述修补后的遥感影像的像元与所述已有地表覆盖分类结果像元之间的对应关系，具体包括：
80.对所述修补后的遥感影像间的像元进行对齐，得到具有时间序列的像元对齐的遥感影像；
81.对所述像元对齐的遥感影像按照已有地表覆盖分类结果的投影方式和分辨率进行重投影和重采样，得到所述修补后的遥感影像的像元与所述已有地表覆盖分类结果像元之间的对应关系。
82.具体地，第一步：使时间序列内各幅影像间的像元对齐，如图2所示，像元对齐是使不同影像中同一坐标位置的像元，例如(x，y)位置处的像元，所代表的真实地理位置相同。为实现不同影像间的像元对齐，根据数据传感器的不同主要分为三种情况：第一种情况是影像间存在非线性偏移，这种情况需要选取同一幅基准参考影像，分别对序列内的影像进行几何校正，几何校正是遥感图像处理中的常用技术，本发明中不做展开描述，选择适合当前传感器数据的方法即可，校正后还需要裁剪出序列中所有影像空间覆盖范围的重叠部分，以保证时间序列数据的完整性与序列长度的一致性。第二种情况是影像间存在线性偏移，这时只需要裁剪出序列中所有影像空间覆盖范围的重叠部分，即可消除线性偏移。第三种情况是不同影像间像元本身就是对齐的，不存在偏移因此也不需要处理。影像序列间的像元对齐之后，就可以使每个像元位置上不同时间获取的数据串联为一个时间序列，作为整体再与分类结果像元去建立对应关系。
83.第二步：使影像时间序列像元与分类结果像元对齐，主要操作是将影像时间序列中的所有影像重投影重采样，使其与分类产品的地图投影方式及空间分辨率保持一致，之后在重新分类时只需从分类产品中裁剪出指定空间范围的部分即可。重投影与重采样是遥感图像处理中的常见操作，目前有很多不同编程语言的函数库可供使用，例如gdal，rasterio等，需要注意的是计算过程中可能会改变数据中的默认填充值，例如默认填充值为-9999的情况下，如果不专门指定新的填充值也为-9999，可能会因为插值运算而使填充值变为一个-9999到0之间的负数，从而影响后续对填充值的判断，因此在重投影重采样的过程中，需要指定新的填充值与原图像一致。
84.进一步，根据本发明提供的一种基于影像时间序列的地表覆盖分类产品精化方法，其中，所述根据所述修补后的遥感影像和所述对应关系对已有地表覆盖分类结果像元进行精化更新，得到更新后的地表覆盖分类结果，具体包括：
85.对所述修补后的遥感影像进行空间维度上的分块，得到多个第一数据块；
86.获取已有地表覆盖分类结果影像中与所述第一数据块覆盖范围相同的第二数据块；
87.对所述第一数据块中的每个像元位置进行填充值判断，得到第一数据块的有效像元掩膜；
88.对所述第二数据块进行形态学腐蚀运算，得到第二数据块的各个像元的类别标记；
89.根据所述类别标记与所述有效像元掩膜得到所有有效像元对应的类别标记作为候选训练样本；
90.从所述候选训练样本中筛选出训练样本；
91.根据所述训练样本对所述所有有效像元进行k近邻分类，得到每个有效像元的新类别标记；
92.根据所述每个有效像元的新类别标记对第二数据块的各个像元的类别进行替换；
93.根据各个像元的类别进行替换后的第二数据块得到更新后的地表覆盖分类结果。
94.具体地，第一步：将影像时间序列在空间维度上分块，考虑到后续处理对计算机内存的限制，分块的宽高一般设置为1000像元*1000像元，分块的过程从宽和高两个维度依次进行，例如对于宽7300，高6900的影像，首先确定图像块在宽方向上的所有起点坐标，例如
1,1001,2001等，再确定所有图像块在高方向上的起点坐标，例如1,1001,2001等，然后将宽高方向上的起点坐标进行排列组合，获得所有块的左上角起点坐标，例如(1,1),(1,1001),(1,2001)等，其中对于宽和高方向上的最后一次分块，剩余不到宽高1.5倍的部分都合并成一块，则最后一块的大小为宽1300，高900，相应的左上角坐标则为(6001,6001)。
95.第二步：对于每一块数据，在待更新的地表覆盖分类产品中裁剪出与当前分块数据空间覆盖范围相同的部分，由于地表覆盖分类产品一般也是分幅的，例如每幅产品覆盖10度*10度的经纬度范围，所以在裁剪时可能会出现所需数据来自不同分幅产品的情况，具体情况有如图3所示的以下三种，第一种是图像块完整的位于某一幅产品中，第二种是图像块跨越经度方向或纬度方向相邻的两幅产品，第三种是图像块跨越四幅相邻产品交接处，后两种情况需要分别计算影像块位于不同幅产品中的部分，分别裁剪后进行合并。经过之前的重投影重采样处理，分类产品与影像块采用的地图投影与空间分辨率完全相同，所以裁剪时只涉及线性的坐标运算，裁剪后在空间范围完全一致的情况下同坐标的像元间也自然建立了一一对应关系。
96.第三步：来自某些卫星传感器的数据中会存在填充值，表示此处没有采集到数据，例如landsat数据，高分1号数据等，因此对于每一块数据在使用前需要排除这些没有数据的像元位置。不同传感器或不同类型数据的填充值一般都是已知的。由于这里的数据块是时间序列数据块，故对于每个像元位置要判断序列中的所有影像，如在某一幅影像中被判断为填充值，则这个像元也被认定为无效像元。
97.第四步：对于第二步中裁剪出的分类产品数据块，在使用前需要对其中的每个地表覆盖类别进行形态学腐蚀运算，以提取出每个类别中分类可信度更高的那部分像元。形态学腐蚀是图像处理中的一种常见操作，各种编程语言中都有相关的已实现函数库。
98.第五步：将第四步中形态学腐蚀后的类别标记与第三步中的有效像元掩膜求交集，获取所有有效数据所对应的类别标记，作为候选训练样本。在现有的分类方法中，各类别训练样本的数量对分类结果的倾向性会造成影响，因此本发明中各类别训练样本的数量会参考形态学腐蚀后的已有分类产品。
99.第六步：对于每一块数据，利用第五步中获得的训练样本对所有有效像元进行k近邻分类，k取值一般为3，如分块较大则可以视情况将k值设为5或7，分类时采用的时间序列数据相似性度量方法为欧式距离，最近邻分类器在各种编程语言中都有相关的已实现函数库可以使用，分类后获得数据块中每个有效像元的新类别标记。
100.第七步：对所有分块数据都按如上方式进行分类后，将所有分块结果合并，合并时首先创建一幅空白的完整影像，影像的范围、投影、空间分辨率、数据格式都与原有分类产品一致，然后将所有分块结果填入相应位置，最终获得完整的一幅更新后的分类产品。
101.进一步，根据本发明提供的一种基于影像时间序列的地表覆盖分类产品精化方法，其中，所述从所述候选训练样本中筛选出训练样本，具体包括：
102.确定所述候选训练样本中各个所述类别标记对应的有效像元个数；
103.从所述有效像元个数随机筛选出m个作为训练样本。
104.具体地，具体方式为对各类别的有效数据数量进行统计，记为ni，i表示第i个类别，则每个类别选取的训练样本数si为ni的e次方根，即接着从各类别的有效数
据中随机选取si个，组成当前数据块的训练样本集。
105.结合图4所示，本发明提供一种基于影像时间序列的地表覆盖分类产品精化装置，包括：
106.获取模块41，用于获取呈现时间序列的遥感影像；
107.修补模块42，用于对所述遥感影像中每幅待修补影像采用所述遥感影像中的所述每幅待修补影像之外的其他影像进行修补，得到修补后的遥感影像；
108.精化模块43，用于根据所述修补后的遥感影像对已有地表覆盖分类结果像元进行精化更新，得到更新后的地表覆盖分类结果。
109.由于本发明实施例提供的装置，可以用于执行上述实施例所述的方法，其工作原理和有益效果类似，故此处不再详述，具体内容可参见上述实施例的介绍。
110.本发明提供的一种基于影像时间序列的地表覆盖分类产品精化装置，通过获取呈现时间序列的遥感影像；对所述遥感影像中每幅待修补影像采用所述遥感影像中的所述每幅待修补影像之外的其他影像进行修补，得到修补后的遥感影像；根据所述修补后的遥感影像对已有地表覆盖分类结果像元进行精化更新，得到更新后的地表覆盖分类结果。本发明通过引入新的时间信息的方式快速实现对结果的可靠更新，增强了相关数据与历史产品的利用率，在继承原有结果的前提下，充分利用了新的数据条件，使原有产品重新具备精度与可用性。
111.进一步，根据本发明提供的一种基于影像时间序列的地表覆盖分类产品精化装置，其中，所述精化模块43，具体用于：
112.构建所述修补后的遥感影像的像元与所述已有地表覆盖分类结果像元之间的对应关系；
113.根据所述修补后的遥感影像和所述对应关系对已有地表覆盖分类结果像元进行精化更新，得到更新后的地表覆盖分类结果。
114.进一步，根据本发明提供的一种基于影像时间序列的地表覆盖分类产品精化装置，其中，所述修补模块42，具体用于：
115.对所述遥感影像中的每幅影像进行云与云阴影标记，得到标记了云与云阴影像元的影像，将所述标记了云与云阴影像元的影像作为待修补影像；
116.确定所述遥感影像中的所述每幅待修补影像之外的其他影像与所述待修补影像之间的相似度，并对所述相似度按照从大到小的顺序进行排序；
117.根据所述排序对应的所述其他影像依次对所述待修补影像进行修补，得到修补后的遥感影像。
118.进一步，根据本发明提供的一种基于影像时间序列的地表覆盖分类产品精化装置，其中，所述修补模块42，还具体用于：
119.将所述待修补影像按照连通性划分为多个第一图斑；
120.获取每个所述第一图斑在所述其他影像中对应的相同位置的第二图斑；
121.将所述第二图斑按照所述排序依次对所述第一图斑进行填补得到修补完成的遥感影像。
122.进一步，根据本发明提供的一种基于影像时间序列的地表覆盖分类产品精化装置，其中，所述精化模块43，还具体用于：
123.对所述修补后的遥感影像间的像元进行对齐，得到具有时间序列的像元对齐的遥感影像；
124.对所述像元对齐的遥感影像按照已有地表覆盖分类结果的投影方式和分辨率进行重投影和重采样，得到所述修补后的遥感影像的像元与所述已有地表覆盖分类结果像元之间的对应关系。
125.进一步，根据本发明提供的一种基于影像时间序列的地表覆盖分类产品精化装置，其中，所述精化模块43，还具体用于：
126.对所述修补后的遥感影像进行空间维度上的分块，得到多个第一数据块；
127.获取已有地表覆盖分类结果影像中与所述第一数据块覆盖范围相同的第二数据块；
128.对所述第一数据块中的每个像元位置进行填充值判断，得到第一数据块的有效像元掩膜；
129.对所述第二数据块进行形态学腐蚀运算，得到第二数据块的各个像元的类别标记；
130.根据所述类别标记与所述有效像元掩膜得到所有有效像元对应的类别标记作为候选训练样本；
131.从所述候选训练样本中筛选出训练样本；
132.根据所述训练样本对所述所有有效像元进行k近邻分类，得到每个有效像元的新类别标记；
133.根据所述每个有效像元的新类别标记对第二数据块的各个像元的类别进行替换；
134.根据各个像元的类别进行替换后的第二数据块得到更新后的地表覆盖分类结果。
135.进一步，根据本发明提供的一种基于影像时间序列的地表覆盖分类产品精化装置，其中，所所述精化模块43，还具体用于：
136.确定所述候选训练样本中各个所述类别标记对应的有效像元个数；
137.从所述有效像元个数随机筛选出m个作为训练样本。
138.图5示例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(communications interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行一种基于影像时间序列的地表覆盖分类产品精化方法，该方法包括：获取呈现时间序列的遥感影像；对所述遥感影像中每幅待修补影像采用所述遥感影像中的所述每幅待修补影像之外的其他影像进行修补，得到修补后的遥感影像；根据所述修补后的遥感影像对已有地表覆盖分类结果像元进行精化更新，得到更新后的地表覆盖分类结果。
139.此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，
read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
140.另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的一种基于影像时间序列的地表覆盖分类产品精化方法，该方法包括：获取呈现时间序列的遥感影像；对所述遥感影像中每幅待修补影像采用所述遥感影像中的所述每幅待修补影像之外的其他影像进行修补，得到修补后的遥感影像；根据所述修补后的遥感影像对已有地表覆盖分类结果像元进行精化更新，得到更新后的地表覆盖分类结果。
141.又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的一种基于影像时间序列的地表覆盖分类产品精化方法，该方法包括：获取呈现时间序列的遥感影像；对所述遥感影像中每幅待修补影像采用所述遥感影像中的所述每幅待修补影像之外的其他影像进行修补，得到修补后的遥感影像；根据所述修补后的遥感影像对已有地表覆盖分类结果像元进行精化更新，得到更新后的地表覆盖分类结果。
142.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
143.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
144.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。