兼顾成对与非成对参考图像的遥感图像时空融合模型研
究
摘要
由于技术和成本的限制，同时获取高空间分辨率和高时间分辨率的遥感图像是
遥感领域中的一个重大挑战。遥感图像时空融合被认为是解决这一问题的可行且经
济的方法。然而，当前主流的遥感图像时空融合模型通常需要使用融合目标日期附近
的一个或多个高、低分辨率图像对来获得时空变化信息，而忽略了在融合目标日期附
近的非成对参考图像，并且，这些时空融合模型由于仅使用了成对的参考图像对，无
法建立相对完整的时间变化关系。在实际应用中，这些时空融合模型很容易受到参考
图像对的数量和质量的限制。
为了解决上述问题，本文首先提出了一种基于时序遥感图像的时空融合模型
（WG-STFM），该模型针对完整的参考图像对数据，对时序遥感图像的时空关系进
行了重新建模，并在融合模型中使用了时间因子。在基于时序遥感图像的时空融合模
型的基础上，本文进一步提出了一种兼顾成对与非成对参考图像的时空融合模型
（WGP-STFM）。在该模型中，为了使融合模型能够同时接纳成对与非成对参考图
像，本文提出了一种新的基于双隐藏层结构的GRUI网络结构，该网络结构能够有
效地处理不同匹配形式的参考图像。本文选取了两个遥感图像时空融合研究的通用
区域：澳大利亚新南威尔士州南部的Coleambally地区（CIA）和澳大利亚新南威尔
士州北部的LowerGwydirCatchment地区（LGC）,用于模型验证研究。以上两个研
究区域具有足够的参考图像对数据，能够满足当前主流融合模型的融合条件。为了进
一步验证这些融合模型在参考图像对数据稀缺的区域的融合表现，我们额外选择我
国巢湖流域用于实证案例研究。通过实验得出以下研究结论：
（1）针对现有时空融合模型对时空融合中的时间关系的忽视，提出了基于时序
遥感图像的时空融合模型（WG-STFM）,该融合模型的主要优势是在时空融合模型建
模过程中考虑了时间顺序和时间间隔因素，利用WGAN学习时序遥感图像的空间细
节，利用GRUI学习空间细节随时间的变化过程。实验结果表明，WG-STFM在CIA
地区的整体平均精度提升了约6%，但在LGC地区WG-STFM的整体平均精度降低
了5%。WG-STFM在两个研究区域并未表现出明显的融合优势或劣势，WG-STFM
能够达到现有时空融合模型相似的融合效果。
（2）针对现有时空融合模型对非成对参考图像数据的忽视，在WG-STFM的基
础上，提出了兼顾成对与非成对参考图像的遥感图像时空融合模型（WGP-STFM），
I
该融合模型的主要创新是提出了一种能够自适应不同匹配形式的参考图像的双隐藏
层循环神经网络结构GRUIP，与原网络结构相比，GRUIP能够同时接纳成对和非成
对参考图像作为模型输入。实验结果表明，相比于其他四种主流的融合模型，WGP-
STFM在CIA区域提升了约29%的整体融合精度，在LGC地区提升了约8%的整体
融合精度。WGP-STFM可以灵活地接受不同匹配模式的参考图像，充分利用融合目
标日期附近的成对和非成对的参考图像，为融合结果提供更多有效的参考信息。
（3）针对现有的遥感图像时空融合模型缺乏在参考图像对稀缺的研究区域进行
实证应用的问题，本研究利用巢湖流域数据集作为参考图像对稀缺的代表性研究区
域，探讨了各个融合模型在该融合场景中的具体表现。实验结果表明，相比于其他四
种主流的融合模型，WGP-STFM在该区域提升了约40%的整体融合精度。基于大量
参考图像对作为训练样本的时空融合模型无法适用该融合场景，而WGP-STFM不依
赖于大量的参考图像对，并且能够利用邻近的非成对参考图像，因此能够很好地适用
于该融合场景，并在该融合场景中表现最好，取得了比其他融合模型更好的融合精
度。该模型减少了时空融合的数据限制，提高了其在实际场景中的适用性和灵活性。
上述研究结论表明，本研究提出的兼顾成对与非成对参考图像的时空融合模型
可以解决当前遥感图像时空融合模型由于融合场景和数据而面临的局限性。这项研
究可以作为主流时空融合工作的补充，以进一步缓解现有时空融合模型的数据约束
和要求，拓宽其适用范围。
关键词：时空融合模型；非成对参考图像