买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：兰州交通大学

摘要：本发明提出了基于多因子贝叶斯决策的Landsat影像云下积雪覆盖信息重建方法，包括：提取无云区域积雪覆盖数据并构建积雪代理指标；建立云下积雪重建模型，包括：FCM子模型和SBN子模型；将积雪代理指标输入FCM子模型，计算图像中像素Iij对于第k个信号类ωk的隶属度；将无云区域积雪覆盖信息和隶属度输入SBN子模型，估计像素Iij属于某一类积雪状态（有雪或无雪）的后验概率；基于后验概率，通过最大后验概率合成法进行Landsat影像云下积雪覆盖信息重建。本发明充分考虑了山区积雪分布的高空间异质性，能够精确重建云覆盖区域的积雪信息，适用于复杂地形条件下高空间分辨率卫星影像的云下积雪状态估计。

主权项：1.基于多因子贝叶斯决策的Landsat影像云下积雪覆盖信息重建方法，其特征在于，包括：提取积雪覆盖数据并构建积雪代理指标；其中，所述积雪覆盖数据为利用Landsat影像数据提取的无云区域积雪覆盖信息，所述积雪代理指标包括：月积雪覆盖频率数据、南度数据和DEM数据；构建云下积雪重建模型，其中所述云下积雪重建模型包括：FCM子模型和SBN子模型；将所述积雪代理指标输入所述FCM子模型，计算预设图像中像素Iij对于第k个信号类ωk的隶属度；其中，Iij表示位于第i行第j列的像素；其中，所述预设图像为所述积雪代理指标的叠加合成影像；计算预设图像中像素Iij对于第k个信号类ωk的隶属度包括：设所述预设图像C={Iij|1≤i≤N,1≤j≤M}，所述预设图像由N行M列像素构成，将所述预设图像模糊划分为n个信号类，uki,j，1≤k≤n，表示预设图像中像素Iij对于第k个信号类ωk的隶属度；其中，隶属度集合U={uki,j}满足如下约束条件： 其中，N表示预设图像的行数，M表示预设图像的列数，i表示预设图像的行号，j表示预设图像的列号；通过迭代更新隶属度集合U，以达到使目标函数J最小的最优聚类，获取最终的所述隶属度；所述目标函数J为： 其中，Ψ={Ψ1,…,Ψk,…,Ψn}为信号类中心点集，Ψk是信号类ωk的中心，q为控制聚类模糊程度的模糊参数，表示向量的范数，表示行号为i，列号为j处的像素值；将所述无云区域积雪覆盖信息和所述隶属度输入所述SBN子模型，估计像素Iij属于某一类积雪状态的后验概率；所述后验概率为： 其中，PSv|Iij为像素Iij被积雪覆盖的后验概率，PSv为积雪状态Sv的先验概率，v取值为0或1，PS0表示无雪的先验概率，PS1表示有雪的先验概率，由无云区域提取的积雪和非积雪的训练样本集Tv得到；Pωk|Iij表示像素Iij属于信号类ωk的概率，由FCM子模型计算得到，即预设图像中像素Iij对于第k个信号类ωk的隶属度；Pωk|Sv为积雪状态Sv中信号类ωk发生的概率，Pωk为信号类ωk的概率；积雪状态Sv中信号类ωk发生的概率Pωk|Sv的获取方法为：基于无云区域提取的积雪和非积雪的训练样本集Tv来计算概率Pωk|Sv；基于无云区域提取的积雪和非积雪的训练样本集Tv来计算概率Pωk|Sv包括：定义积雪状态Sv中信号类ωk的频率公式为： 其中，表示积雪状态Sv中信号类ωk的频率和，表示无云区域提取的积雪和非积雪的训练样本集，ukx,y表示预设图像中像素Ixy对于第k个信号类ωk的隶属度；对无云区域提取的积雪和非积雪的训练样本集Tv中的所有像素对信号类ωk的隶属度求和，来计算积雪状态Sv中信号类ωk的频率；在计算出无云区域提取的积雪和非积雪的训练样本集Tv中所有信号类ωl，l=1,…,n，的频率后，概率Pωk|Sv被近似为： 其中，表示积雪状态Sv中信号类ωk的频率和，表示积雪状态Sv中信号类ωl的频率和，n为信号类的数量，l取值在1至n之间；信号类ωk的概率Pωk是计算后验概率PSv|Iij的归一化因子，通过全概率公式计算得出： 其中，Pωk|Sv为积雪状态Sv中信号类ωk发生的概率，PSv为积雪状态Sv的先验概率，v取值为0或1，PS0表示无雪的先验概率，PS1表示有雪的先验概率，由无云区域提取的积雪和非积雪的训练样本集Tv得到；基于所述后验概率，采用最大值合成法重建Landsat影像云下积雪覆盖信息。

全文数据：

权利要求：

百度查询： 兰州交通大学 基于多因子贝叶斯决策的Landsat影像云下积雪覆盖信息重建方法