背景技术

时间序列影像是某一研究区多期影像按时间排列而构成，描述了研究区地表特征随时间的变化。然而，时间序列影像上部分日期由于云影等因素影响，造成相应区域数据缺失。因而，从时间序列影像提取的特征部分维度是缺失的，造成各个特征之间无法准确对齐，给后续的影像分类和信息提取带来困难。缺失区域填充是根据一定规则对影像上的缺失部分进行填充，获得无缺失的影像。根据利用信息的维度的不同，遥感数据缺失区域填充方法分为空间维、时间维、光谱维、时空结合的方法。

由于遥感影像缺失区域大多情况下是部分区域缺失，可以利用遥感影像上的有效区域对缺失区域进行预测，获得无缺失的遥感影像。根据是否使用参考影像，可以分为单期影像填充和多期影像填充，单期影像填充是从影像提取梯度等结构信息，然后从影像上的有效区域推广到未知区域，实现缺失区域填充；多期影像是将参考影像的信息按照一定的方法映射到参考影像。考虑到不同时间获取影像之间辐射特征差异，直接将原始影像贴上去会导致重建的影像块与原始影像块之间存在色彩差异，而导致色彩不一致。另外一种方法是仅仅使用某一影像作为参考，而将同一影像上的相似区域拷贝过去，填充到缺失区域。

基于时间维缺失特征重建是将各个像素看成随时间变化的一种特征描述，该特征可以是反射率、DN值或NDVI等，根据一定规则描述特征在时间维度的变化，对缺失特征进行重建。常用方法如均值填充，前一个像素值填充、后一个像素值填充，这些方法对平稳时间序列取得了较好的效果，但对具有周期性变化或者突变的地物的效果一般。另一种方法是以时间序列特征作为相似像素选取的条件，即根据时序特征选取具有相同或相似的变化曲线，并利用参考时序曲线对缺失区域进行重建，该方法能够考虑各个观测尺度像素随时间的变化，但忽略了各个像素空间上的邻近关系，重建各个像素之间由于缺乏关联性，存在椒盐噪声。

遥感影像不仅表现出空间相关性，也表现出时间相关性。这要求重建结果不仅能够反映局部区域的纹理细节，与周围无缺失区域融为一体；也要反映影像的时间变化特征。时间域与空间域融合的方法试图同时利用以上两种信息，实现缺失区域的重建。一种方法先将影像通过多尺度分割划分为均质的影像块，由于这些影像块是相似像素聚合而成，从而描述了影像像素的空间相似性。典型方法如：通过像素聚类形成超像素，获得超像素具有相似的光谱块(ZhouYa’nan,Yang Xianzeng,Feng Li,Wu Wei,Wu Tianjun,LuoJiancheng,Zhou Xiaocheng,Zhang Xin.Superpixel-based time-seriesreconstruction for optical images incorporating SAR data using autoencodernetworks[J].GIScience&Remote Sensing.2020,57(8):1005-1025.)；通过多时相分割，使得分割块具有相似的变化规律(WuWei,Ge Luoqi,Luo Jiancheng,Huan Ruohong,YangYingpin.A Spectral–Temporal Patch-BasedMissingArea Reconstruction for Time-Series Images[J].Remote Sensing,2018,10(10):1560.)；在此基础上，通过建立影像块的时间变化关系，实现缺失区域整体的重建。基于时间序列相似性判断和基于统计的方法被广泛用于时间序列重建，其中欧式距离和相关系数是两种常用的描述时间序列之间的相关性的度量方法。

从上述过程可以看出：上述方法的空间域和时间域是分开处理的，即先通过聚类将像素聚为超像素，或者通过影像分割得到分割块；再使用LSTM进行时间序列建模，描述影像的时间变化特征。该方法的聚类和时序建模是独立进行的，这类方法假设超像素或分割块内部是均一的，这个假设与事实存在相当大的差距。一种更优化的方式是可以时间变化变化规律和空间变化规律协同进行优化，使得模型不仅能够描述地表的空间变化，也能描述其时间变化。同时，通过卷积等非线性模型描述地表的时空分布规律。