一种基于面向对象策略的增强型光学遥感影像时空融合方法

陈友慧; 王磊; 赵光俊; 郭迪洲; 朱冀涛; 吕广涵; 王德友; 林黎明

doi:10.13203/j.whugis20240429

您当前的位置：

首页 >

文章列表页 >

一种基于面向对象策略的增强型光学遥感影像时空融合方法

摄影测量与遥感 | 更新时间：2026-11-05

- 一种基于面向对象策略的增强型光学遥感影像时空融合方法
- An Enhanced Spatiotemporal Fusion Method for Optical Remote Sensing Imagery Based on Object-Oriented Strategy
- 武汉大学学报（信息科学版） 2025年50卷第11期页码：2285-2294
- 作者机构：
  
  1.国网辽宁省电力有限公司经济技术研究院，辽宁沈阳，110065
  2.国网辽宁省电力有限公司，辽宁沈阳，110004
  3.国网思极位置服务有限公司，北京，102209
  4.长安大学地质工程与测绘学院，陕西西安，710054
- 作者简介：
  
  郭迪洲，博士。dizhouguo@163.com
- 基金信息：
  
  陕西省地学大数据与地质灾害防治创新团队（2022）
- DOI：10.13203/j.whugis20240429
  中图分类号： P237
- 收稿：2024-11-18，
  
  纸质出版：2025-11-05
- 稿件说明：
移动端阅览
陈友慧,王磊,赵光俊，等.一种基于面向对象策略的增强型光学遥感影像时空融合方法[J].武汉大学学报（信息科学版）,2025,50(11):2285-2294.

CHEN Youhui,WANG Lei,ZHAO Guangjun,et al.An Enhanced Spatiotemporal Fusion Method for Optical Remote Sensing Imagery Based on Object-Oriented Strategy[J].Geomatics and Information Science of Wuhan University,2025,50(11):2285-2294.
陈友慧,王磊,赵光俊，等.一种基于面向对象策略的增强型光学遥感影像时空融合方法[J].武汉大学学报（信息科学版）,2025,50(11):2285-2294. DOI：10.13203/j.whugis20240429

CHEN Youhui,WANG Lei,ZHAO Guangjun,et al.An Enhanced Spatiotemporal Fusion Method for Optical Remote Sensing Imagery Based on Object-Oriented Strategy[J].Geomatics and Information Science of Wuhan University,2025,50(11):2285-2294. DOI：10.13203/j.whugis20240429

摘要

时空融合技术能够利用多源光学影像时空信息的互补性重建高时空分辨率影像，兼具低成本和灵活的优势，其中近年提出的鲁棒自适应时空融合方法（reliable and adaptive spatiotemporal data fusion method， RASDF）因面对异源影像差异时鲁棒性表现优秀，能够重建剧烈变化场景下的地表信息而受到关注，但该方法存在效率低下和融合结果边界信息模糊的问题。对此，提出一种基于面向对象策略的增强型RASDF（object level RASDF， OL-RASDF）。该方法通过引入多尺度影像分割技术，基于分割块内像元时空变化模式相同等假设，将原方法中基于滑动窗口策略的加权结合邻域信息的像元级融合步骤转换为以分割块为基本处理单元的对象级融合步骤，从而使融合步骤更加轻量，并增强方法对地物边界信息的保留能力。两个地区的实验结果表明，OL-RASDF取得了最佳的融合精度，融合结果的边界信息最清晰，且融合效率优势显著，在两个实验区融合时间平均减少62.1%，表明OL-RASDF在长时序、大面积影像融合任务中具有更强的适用性。

Abstract

Objectives

Spatiotemporal fusion technology generates high spatiotemporal resolution images by leveraging the complementary spatiotemporal information of multisource optical images

offering cost-effective and flexible solutions

garnering widespread attention. Among these methods

the reliable and adaptive spatiotemporal data fusion method (RASDF) is recognized for its robustness in handling discrepancies between heterogeneous images and its ability to reconstruct surface information under drastic change scenarios. However

RASDF is hindered by inefficiencies and blurred boundary information in fusion results. To address these limitations

this study introduces an enhanced RASDF method based on an object-oriented strategy

termed object level RASDF (OL-RASDF).

Methods

By incorporating multi-scale imagesegmentation techniques and assuming consistent spatiotemporal variation patterns within segmented objects

OL-RASDF replaces the original pixel-level fusion steps

which rely on a moving window strategy

with object-level fusion steps that use image segments as the basic processing units. This approach streamlines the fusion process and enhances the preservation of boundary information.

Results

Experimental results from two study areas demonstrate that OL-RASDF achieves the highest fusion accuracy

the sharpest boundary details

and a significant improvement in efficiency. The average processing time in the two study areas was reduced by 62.1%.

Conclusions

The results indicate that OL-RASDF is highly applicable to long-term and large-scale image fusion tasks

offering a superior balance of accuracy and efficiency.

关键词

Keywords

references

GONG P ， CHEN B ， LI X C ， et al . Mapping Essential Urban Land Use Categories in China （EULUC-China）： Preliminary Results for 2018 ［J］. Science Bulletin ， 2020 ， 65 （ 3 ）： 182 - 187 .

CHEN C ， PARK T ， WANG X H ， et al . China and India Lead in Greening of the World Through Land-Use Management ［J］. Nature Sustainability ， 2019 ， 2 ： 122 - 129 .

程筱茜 . 红碱淖水体遥感动态变化监测研究［D］. 北京：中国地质大学（北京）， 2020 .

CHENG Xiaoqian . Research on the Remote Sensing Dynamic Change Monitoring of Hongjiannao Water Body ［D］. Beijing ： China University of Geosciences ， 2020 .

ALVES D B ， LIOVERÍA R M ， PÉREZ-CABELLO F ， et al . Fusing Landsat and MODIS Data to Retrieve Multispectral Information from Fire-Affected Areas over Tropical Savannah Environments in the Brazilian Amazon ［J］. International Journal of Remote Sensing ， 2018 ， 39 （ 22 ）： 7919 - 7941 .

石晨烈，王旭红，张萌，等 . 3种时空融合算法在洪水监测中的适用性研究［J］. 国土资源遥感， 2020 ， 32 （ 2 ）： 111 - 119 .

SHI Chenlie ， WANG Xuhong ， ZHANG Meng ， et al . Analysis of the Applicability of Three Remote Sensing Spatiotemporal Fusion Algorithms in Flood Monitoring ［J］. Remote Sensing for Land & Resources ， 2020 ， 32 （ 2 ）： 111 - 119 .

ZHANG F ， ZHU X L ， LIU D S . Blending MODIS and Landsat Images for Urban Flood Mapping ［J］. International Journal of Remote Sensing ， 2014 ， 35 （ 9 ）： 3237 - 3253 .

ZHU X L ， CAI F Y ， TIAN J Q ， et al . Spatiotemporal Fusion of Multisource Remote Sensing Data： Literature Survey， Taxonomy， Principles， Applications， and Future Directions ［J］. Remote Sensing ， 2018 ， 10 （ 4 ）： 527 .

黄波，赵涌泉 . 多源卫星遥感影像时空融合研究的现状及展望［J］. 测绘学报， 2017 ， 46 （ 10 ）： 1492 - 1499 .

HUANG Bo ， ZHAO Yongquan . Research Status and Prospect of Spatiotemporal Fusion of Multi-source Satellite Remote Sensing Imagery ［J］. Acta Geodaetica et Cartographica Sinica ， 2017 ， 46 （ 10 ）： 1492 - 1499 .

谢广奇 . 地球静止轨道高分辨率遥感卫星影像时-空-谱融合方法研究［J］. 武汉大学学报（信息科学版）， 2023 ， 48 （ 3 ）： 490 .

XIE Guangqi . Spatio-temporal-spectrum Fusion Method of Geostationary High-Resolution Remote Sensing Satellite Images ［J］. Geomatics and Information Science of Wuhan University ， 2023 ， 48 （ 3 ）： 490 .

TANG Y J ， WANG Q M ， TONG X H ， et al . Generation of 100-m， Hourly Land Surface Temperature Based on Spatio-temporal Fusion ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2024 ， 62 ： 5001716 .

黄波 . 时空遥感影像融合研究的进展与趋势［J］. 四川师范大学学报（自然科学版）， 2020 ， 43 （ 4 ）： 427 - 434 .

HUANG Bo . Research Progress and Trend of Spatial and Temporal Remote Sensing Image Fusion ［J］. Journal of Sichuan Normal University （Natural Science）， 2020 ， 43 （ 4 ）： 427 - 434 .

景映红，沈焕锋，李星华，等 . 数据融合视角下的遥感参量空间降尺度［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 2 ）： 175 - 189 .

JING Yinghong ， SHEN Huanfeng ， LI Xinghua ， et al . Spatial Downscaling of Remote Sensing Parameters from Perspective of Data Fusion ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 2 ）： 175 - 189 .

邬明权，王洁，牛铮，等 . 融合MODIS与Landsat数据生成高时间分辨率Landsat数据［J］. 红外与毫米波学报， 2012 ， 31 （ 1 ）： 80 - 84 .

WU Mingquan ， WANG Jie ， NIU Zheng ， et al . A Model for Spatial and Temporal Data Fusion ［J］. Journal of Infrared and Millimeter Waves ， 2012 ， 31 （ 1 ）： 80 - 84 .

WANG Q M ， PENG K D ， TANG Y J ， et al . Blocks-Removed Spatial Unmixing for Downscaling MODIS Images ［J］. Remote Sensing of Environment ， 2021 ， 256 ： 112325 .

GAO F ， MASEK J ， SCHWALLER M ， et al . On the Blending of the Landsat and MODIS Surface Reflectance： Predicting Daily Landsat Surface Reflectance ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2006 ， 44 （ 8 ）： 2207 - 2218 .

WANG Q M ， ATKINSON P M . Spatio-temporal Fusion for Daily Sentinel-2 Images ［J］. Remote Sensing of Environment ， 2018 ， 204 ： 31 - 42 .

SHEN H F ， MENG X C ， ZHANG L P . An Integrated Framework for the Spatiotemporal-Spectral Fusion of Remote Sensing Images ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2016 ， 54 （ 12 ）： 7135 - 7148 .

JIE X ， YEE L ， TUNG F . A Bayesian Data Fusion Approach to Spatiotemporal Fusion of Remotely Sensed Images ［J］. Remote Sensing ， 2017 ， 9 （ 12 ）： 1310 .

ERDEM F ， AVDAN U . STFRDN： A Residual Dense Network for Remote Sensing Image Spatiotemporal Fusion ［J］. International Journal of Remote Sensing ， 2023 ， 44 （ 10 ）： 3259 - 3277 .

TAN Z Y ， GAO M L ， YUAN J ， et al . A Robust Model for MODIS and Landsat Image Fusion Considering Input Noise ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2022 ， 60 ： 5407217 .

ZHU X L ， HELMER E H ， GAO F ， et al . A Flexible Spatiotemporal Method for Fusing Satellite Images with Different Resolutions ［J］. Remote Sensing of Environment ， 2016 ， 172 ： 165 - 177 .

GAO H ， ZHU X L ， GUAN Q F ， et al . CuFSDAF： An Enhanced Flexible Spatiotemporal Data Fusion Algorithm Parallelized Using Graphics Processing Units ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2021 ， 60 ： 4403016 .

GUO H C ， YE D Q ， XU H ， et al . OBSUM： An Object-Based Spatial Unmixing Model for Spatiotemporal Fusion of Remote Sensing Images ［J］. Remote Sensing of Environment ， 2024 ， 304 ： 114046 .

XU C ， DU X P ， YAN Z Z ， et al . VSDF： A Variation-Based Spatiotemporal Data Fusion Method ［J］. Remote Sensing of Environment ， 2022 ， 283 ： 113309 .

SHI W Z ， GUO D Z ， ZHANG H . A Reliable and Adaptive Spatiotemporal Data Fusion Method for Blending Multi-Spatiotemporal-Resolution Satellite Images ［J］. Remote Sensing of Environment ， 2022 ， 268 ： 112770 .

郝明 . 基于空间信息准确性增强的遥感影像变化检测方法研究［D］. 徐州：中国矿业大学， 2015 .

HAO Ming . Change Detection Methods for Remotely Sensed Images Based on Enhanced Spatial Information ［D］. Xuzhou ： China University of Mining and Technology ， 2015 .

张慧芳，张鹏林，晁剑 . 使用多尺度模糊融合的高分影像变化检测［J］. 武汉大学学报（信息科学版）， 2022 ， 47 （ 2 ）： 296 - 303 .

ZHANG Huifang ， ZHANG Penglin ， CHAO Jian . Change Detection by Multi-Scale Fuzzy Fusion on High Resolution Images ［J］. Geomatics and Information Science of Wuhan University ， 2022 ， 47 （ 2 ）： 296 - 303 .

GUAN X D ， LIU G H ， HUANG C ， et al . An Object-Based Linear Weight Assignment Fusion Scheme to Improve Classification Accuracy Using Landsat and MODIS Data at the Decision Level ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2017 ， 55 （ 12 ）： 6989 - 7002 .

张新长，黄健锋，宁婷 . 高分辨率遥感影像耕地提取研究进展与展望［J］. 武汉大学学报（信息科学版）， 2023 ， 48 （ 10 ）： 1582 - 1590 .

ZHANG Xinchang ， HUANG Jianfeng ， NING Ting . Progress and Prospect of Cultivated Land Extraction from High-Resolution Remote Sensing Images ［J］. Geomatics and Information Science of Wuhan University ， 2023 ， 48 （ 10 ）： 1582 - 1590 .

ZHANG Y H ， ATKINSON P M ， LING F ， et al . Object-Based Area-to-Point Regression Kriging for Pansharpening ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2021 ， 59 （ 10 ）： 8599 - 8614 .

HOSSAIN M D ， CHEN D M . Segmentation for Object-Based Image Analysis （OBIA）： A Review of Algorithms and Challenges From Remote Sensing Perspective ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2019 ， 150 ： 115 - 134 .

LI J ， LI Y F ， HE L ， et al . Spatio-Temporal Fusion for Remote Sensing Data： An Overview and New Benchmark ［J］. Science China Information Sciences ， 2020 ， 63 （ 4 ）： 140301 .

GUO D Z ， SHI W Z ， ZHANG H ， et al . A Flexible Object-Level Processing Strategy to Enhance the Weight Function-Based Spatiotemporal Fusion Method ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2022 ， 60 ： 4414811 .

EZ-ZAHOUANI B ， TEODORO A ， EL KHARKI O ， et al . Remote Sensing Imagery Segmentation in Object-Based Analysis： A Review of Methods， Optimization， and Quality Evaluation over the Past 20 Years ［J］. Remote Sensing Applications： Society and Environment ， 2023 ， 32 ： 101031 .

CHEN A ， XU C ， ZHANG M ， et al . Cross-Scale Mapping of Above-Ground Biomass and Shrub Dominance by Integrating UAV and Satellite Data in Temperate Grassland ［J］. Remote Sensing of Environment ， 2024 ， 304 ： 114024 .

ZHANG H ， SUN Y ， SHI W Z ， et al . An Object-Based Spatiotemporal Fusion Model for Remote Sensing Images ［J］. European Journal of Remote Sensing ， 2021 ， 54 （ 1 ）： 86 - 101 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

海洋目标辐射基准传递不确定度研究进展

融合多源数据的近40年250 m NDVI生成与时空变化分析

融合微波遥感与模型模拟的时空无缝土壤湿度数据生成方法

基于无人机LiDAR和高空间分辨率卫星遥感数据的区域森林郁闭度估测模型

复杂空间机器人自主测绘的现状与挑战