好文速递：​空间分解去除降尺度MODIS块效应

Blocks-removed spatial unmixing for downscaling MODIS images

空间分解去除降尺度MODIS块效应

From：同济大学

摘要：Terra / Aqua中等分辨率成像光谱仪（MODIS）数据由于每天的精细时间分辨率，已被广泛用于地球表面的全局监视。但是，MODIS时间序列（即500 m）的空间分辨率对于本地监视来说太粗糙了。该问题的可行解决方案是缩小粗略的MODIS图像，从而创建具有良好空间和时间分辨率的时间序列图像。通常，可以通过使用时空融合方法将MODIS图像与精细的空间分辨率图像（例如Landsat图像）融合，从而实现MODIS图像的缩小。在时空融合方法家族中，由于基于空间分解的方法对可用的精细空间分辨率图像的依赖性较小，因此已被广泛应用。但是，此类方法中的所有技术都存在相同的严重问题，即块效应，这降低了时空融合的预测精度。据我们所知，几乎没有解决方案可以直接解决这个问题。为了满足这一需求，本文提出了一种块去除空间分解（SU-BR）方法，该方法通过包括基于空间连续性构造的新约束来去除块状伪像。SU-BR提供了适用于任何现有基于空间分解的时空融合方法的灵活框架。在异质区域，均质区域和经历土地覆盖变化的区域进行的实验结果表明，SU-BR在所有三个区域中均有效地去除了块体，并显着提高了预测精度。SU-BR还优于两种流行的时空融合方法。因此，SU-BR提供了一种关键的解决方案，可以克服时空融合中最长的挑战之一。

亮点：

1. 所有基于空间分解的融合方法都存在块效应问题。
2. 提出了一种去除块的空间分解（SU-BR）方法。
3. SU-BR改进了现有的基于空间分解的方法。
4. SU-BR适用于现有的基于空间分解的融合方法。

基本方法：

1. 基于空间加权的模型是一种常见的时空融合方法。 其中之一为时空自适应反射融合模型。时空自适应反射融合模型的基本假设是，粗略和精细空间分辨率图像中的时间变化是一致的，在这种情况下，预测可以简单地看作是已知的精细空间分辨率图像和从中预测的精细空间分辨率时间变化图像的组合粗略版本。
2. 时空融合模型的另一个主要类别是空间分解。基于空间分解的方法的基本原理是通过对每个粗像素应用分解算法来预测精细的空间分辨率像素的值。

基于空间分解的方法具有几个独特的优势。一方面，它们对可用图像的数量有轻微的依赖性。更具体地说，大多数基于空间分解的方法在已知时间仅需要一个精细的空间分辨率图像即可生成土地覆盖分类图，而在预测时间则需要一个粗糙的图像以进行分解。因此，这种类型的方法具有有限的数据依赖性，因此更加灵活。这与基于空间加权的方法不同，后者需要至少一对粗精细的空间分辨率图像。另一方面，基于空间分解的方法不要求粗略和精细的空间分辨率图像具有相应的光谱带（即相同的波长），而基于空间加权的方法对光谱带的对应性提出了严格的要求。此特性带来两个好处。首先，可以在观察到的精细空间分辨率图像中无法获得其波长的粗谱带上进行空间分解，从而提高精细空间分辨率图像的光谱分辨率。其次，可以将辅助数据集（例如更精细（或更精细）的空间分辨率的土地覆盖图）视为对精细空间分辨率的多光谱图像（例如，大多数情况下为Landsat图像）产生的分类图的补充或替代，以进一步提高准确性。

尽管具有上述优点，但在基于空间分解的方法中仍然存在一个公认的问题：块效应，这意味着同一土地覆被类别的像素在空间相邻的位置上呈现不同的反射率粗像素，从而在对象内产生视觉上明显的块状伪影。块效应通常存在于空间分解预测中。造成这种现象的原因是，使用不同的局部窗口实现了不同粗像素的混合。这意味着包含不同覆盖面光谱特性的粗略像素（即使对于同一类别而言）也参与了空间相邻中心像素的混合。结果，在空间上相邻的粗像素中的相同土地覆被类别可以被分配不同的反射率，这导致块状伪像。此外，类内光谱变化主要由不均匀的空间模式和土地覆盖物的时间变化（尤其是同一类）引起，是块状伪影的原因，因为在空间分解中，每个土地覆盖物类仅预测一个反射率值。因此，对于相同的类别，反射率的预测可能具有多个相等的实现，并且对于每个粗像素，其分解模型始终不同。通常，块状伪像最明显地出现在预测中的相邻粗像素之间的边界处。

块效应一直是空间分解的主要障碍，这极大地影响了预测的视觉外观，更重要的是，影响了时空融合的准确性。多项研究试图提高基于空间分解的方法的性能，例如通过更充分地利用已知的精细空间分辨率图像并对时间变化图像进行分解，对反射率的预测施加其他限制。，并结合基于空间加权的预测。然而，这些方法并非设计用于解决仍保留在预测中的块状伪像。

提出了一种基于块分解的空间分解方法（SU-BR），以消除基于空间分解的方法中的块状伪像，并进一步提高了时空融合的准确性。SU-BR既考虑了混合模型中的残留误差，也考虑了相邻像素中同一土地覆被类别之间的反射率差异。这是一种优化方法，需要进行多次迭代才能获得最佳解决方案。SU-BR有两个主要优点：

1. SU-BR可以消除块状伪影并同时提高预测精度。SU-BR通过根据土地覆被的空间连续性施加新的约束来消除空间分解中的障碍。由相邻像素提供的信息（即，反射率预测）进一步增强了通过原始空间分解而预测的反射率，从而确保了空间连续性并提高了预测精度。通过对观测数据进行更深层的空间信息挖掘来执行此方法，并且不需要任何其他数据或先验知识。
2. SU-BR提供了一种通用模型，用于在基于空间分解的方法中消除块状伪影。这是适用于任何基于空间分解的方法（例如UBDF和STDFA）的策略。此外，它还与使用不同约束条件的其他现有增强版本兼容（例如，从纯粗像素中提取的类别反射率（Xu等人，2015））。即，SU-BR中的空间连续性的约束可以潜在地与许多其他约束共同考虑。

部分结果：

（a）2002年1月5日和（b）2002年2月13日获取的异类区域的Landsat（第一行）和MODIS（第二行）图像，以及（c）2005年2月14日和（d）获取土地覆盖变化的区域 ）2005年4月3日，以及在（e）2001年12月4日和（f）2002年1月5日获得的同质区域。所有图像均使用NIR红绿色作为RGB。

基于UBDF的异质区域预测以及不同的块去除方法。（a）UBDF。（b）UBDF-NM。（c）UBDF-SF。（d）UBDF-BR。（e）参考。第二到第四行中的图像是第一行中以黄色标记的三个子区域的相应预测。

基于STDFA的异质区域预测以及不同的块去除方法。（a）STDFA。（b）STDFA-NM。（c）STDFA-SF。（d）STDFA-BR。（e）参考。第二到第四行中的图像是第一行中以黄色标记的三个子区域的相应预测。

基于VIPSTF-SU结合不同块去除方法的异质区域预测。（a）VIPSTF-SU。（b）VIPSTF-SU-NM。（c）VIPSTF-SU-SF。（d）VIPSTF-SU-BR。（e）参考。第二到第四行中的图像是第一行中以黄色标记的三个子区域的相应预测。

用于原始空间分解和SU-BR方法的块移除时间变化图像。（a）对红色波段的STDFA（左）和STDFA-BR（右）预测。（b）红色波段的VIPSTF-SU（左）和VIPSTF-SU-BR（右）的预测。第二行中的图像是第一行中黑色标记的子区域的相应预测。

引用格式：

Wang Q, Peng K, Tang Y, Tong X, Atkinson PM. Blocks-removed spatial unmixing for downscaling MODIS images. Remote Sensing of Environment 2021; 256.