本發明涉及遙感圖像處理，尤其涉及一種薄云區熱紅外波段重建方法、系統、設備及介質。
背景技術：
1、熱紅外遙感影像能夠反映地表熱輻射信息，是地表溫度反演、蒸散發估算、城市熱環境監測等應用的重要數據源。然而，在薄云覆蓋條件下，云層對熱紅外輻射的吸收與散射會引入亮溫偏差，使薄云區域的熱紅外信息難以準確表征真實地表熱狀況，并導致熱場空間分布不連續。針對該問題，現有技術可分為基于多源/多時相數據的熱紅外波段薄云覆蓋區域重建方法與基于單時相數據的熱紅外波段薄云覆蓋區域重建方法。
2、其中，基于多源/多時相的方法通常引入鄰近時相熱紅外影像、地表溫度序列、多傳感器觀測數據或大氣再分析資料等輔助數據，通過時間序列擬合、時空融合或多源約束等方式實現薄云區域熱信息的補全與平滑，雖能在部分場景下獲得空間連續性較好的結果，但其適用性高度依賴輔助數據的可獲得性與一致性。在連續多云、衛星重訪周期較長、或多源數據存在時空分辨率差異與輻射一致性偏差的場景中，這類方法易引入尺度不匹配、地表細節丟失或誤差傳遞等問題。而基于單時相數據的方法無需依賴額外數據，主要通過挖掘單景影像內部的信息實現薄云影響削弱，可進一步分為物理模型類與數據驅動類兩種技術路線。物理模型類方法通常依據輻射傳輸關系對云與大氣的影響進行校正，但需要云光學特性、大氣廓線等先驗參數支撐，當參數獲取困難或存在較大誤差時，校正結果穩定性不足，且對不同區域與成像條件的泛化能力受限。數據驅動類方法則更多利用同景可見光、近紅外多光譜信息與熱紅外信息的相關性，在晴空區域建立映射關系或相似性度量，并將其外推到薄云區域實現熱紅外估計與重建，典型思路包括端到端深度學習方法。然而，現有數據驅動類方法一方面是大多都默認晴空條件下建立的多光譜-熱紅外關系可直接遷移至薄云區域，但薄云會改變可見光與近紅外的觀測特征，引發特征漂移與匹配失真，導致薄云區域匹配不穩定、誤差偏大；另一方面是不少方法將薄云區域等同于信息缺失區進行替換式補全，未利用薄云“半透明”特性下熱紅外仍包含部分有效地表信息的特點，易丟失原始觀測中的可用信息，產生塊狀偽影或過度平滑問題；此外深度學習類方法依賴大量標注樣本與復雜訓練策略，跨區域、跨季節泛化能力弱。
3、綜上，現有的薄云區熱紅外波段重建方法存在適用性受限、穩定性不足、泛化性弱及多波段信息無法協同利用的等問題。
技術實現思路
1、本發明的目的是，提供一種薄云區熱紅外波段重建方法、系統、設備及介質，提升薄云區熱紅外重建的魯棒性、泛化性與適用性。
2、為實現以上目的，本發明提供一種薄云區熱紅外波段重建方法，包括：
3、基于輸入影像的薄云區域，生成假彩色參考影像；
4、以所述假彩色參考影像為基準，在晴空區域內，根據匹配約束條件為所述薄云區域中的每一待重建像元尋找晴空相似像元，形成晴空相似像元庫；
5、基于所述晴空相似像元庫，在熱紅外波段上對每一待重建像元的亮溫進行預測，獲得每一所述待重建像元在熱紅外波段的預測亮溫值；
6、根據每一所述待重建像元的預測亮溫值與原始觀測亮溫值，確定所述薄云區域的亮溫偏差場；
7、對所述亮溫偏差場進行空間平滑處理，根據平滑后的亮溫偏差場與所述原始觀測亮溫值，計算得到所述薄云區域重建后的熱紅外亮溫數據。
8、可選地，所述基于輸入影像的薄云區域，生成假彩色參考影像，包括：
9、根據輸入影像的薄云區域內像元的紋理特征，將所述薄云區域劃分為多個子區域；
10、針對每一子區域，分別提取各個可見光波段中的云霧輻射擾動分量，基于所述擾動分量，建立波段間云霧輻射擾動分量的相對關系；
11、根據所述相對關系，對所述輸入影像的可見光波段進行處理，以生成抵消薄云輻射干擾的差分特征影像；
12、選取至少三組所述差分特征影像作為假彩色影像的三個通道進行處理，生成假彩色參考影像。
13、可選地，所述根據所述相對關系，對所述輸入影像的可見光波段進行處理，以生成抵消薄云輻射干擾的差分特征影像，包括：
14、選取輸入影像中任意兩個不同的可見光波段作為目標波段對；
15、基于所述相對關系，對所述目標波段對中的第一可見光波段執行線性變換，使所述第一可見光波段的薄云輻射干擾強度與所述目標波段對中的第二可見光波段的薄云輻射干擾強度在量級上對齊；
16、將所述第二可見光波段與對齊后的所述第一可見光波段進行差分運算，以生成抵消薄云輻射干擾的差分特征影像。
17、可選地，所述以所述假彩色參考影像為基準，在空間鄰近的晴空區域內，根據匹配約束條件為所述薄云區域中的待重建像元尋找晴空相似像元，形成晴空相似像元庫，包括：
18、以所述假彩色參考影像為基準，以所述薄云區域中的待重建像元為中心，在空間鄰近的晴空區域內中，根據匹配約束條件檢索候選晴空像元集；
19、根據匹配約束條件計算所述待重建像元與各候選晴空像元之間的綜合匹配權重；
20、基于所述綜合匹配權重，從所述候選晴空像元集中篩選出預定數量的候選晴空像元作為所述待重建像元對應的晴空相似像元，形成晴空相似像元庫。
21、可選地，所述匹配約束條件，包括假彩色數值一致性約束、可見光散射約束及空間鄰近性約束：
22、所述假彩色數值一致性約束包括要求所述待重建像元與所述候選晴空像元的假彩色通道數值差異不超過預設假彩色通道閾值；
23、所述可見光散射約束包括將可見光波段按中心波長由短到長排序，在預設容差范圍內，要求所述待重建像元與所述候選晴空像元在各波段上的差值隨波長增大呈遞減趨勢；
24、所述空間鄰近性約束包括優先選擇與所述待重建像元的空間距離更近的候選晴空像元。
25、可選地，所述基于所述晴空相似像元庫，在熱紅外波段上對每一待重建像元的亮溫進行預測，獲得每一所述待重建像元在熱紅外波段的預測亮溫值，包括：
26、獲取所述晴空相似像元庫中每一所述晴空相似像元在熱紅外波段的原始觀測亮溫；
27、根據每一所述晴空相似像元的原始觀測亮溫與對應的綜合匹配權重，得到所述待重建像元在熱紅外波段的預測亮溫值。
28、可選地，所述根據每一所述待重建像元的預測亮溫值與原始觀測亮溫值，確定所述薄云區域的亮溫偏差場，包括：
29、計算每一所述待重建像元的預測亮溫值與原始觀測亮溫值的差值，作為所述待重建像元因薄云干擾產生的亮溫偏差初值；
30、匯總所述薄云區域內所有待重建像元的亮溫偏差初值，根據每一所述待重建像元在所述輸入影像中的空間位置，確定所述薄云區域的亮溫偏差場。
31、為實現以上目的，本發明還提供了一種薄云區熱紅外波段重建系統，包括：
32、參考影像生成模塊，用于基于輸入影像的薄云區域，生成假彩色參考影像；
33、晴空相似像篩選模塊，用于以所述假彩色參考影像為基準，在晴空區域內，根據匹配約束條件為所述薄云區域中的每一待重建像元尋找晴空相似像元，形成晴空相似像元庫；
34、亮溫預測模塊，用于基于所述晴空相似像元庫，在熱紅外波段上對每一待重建像元的亮溫進行預測，獲得每一所述待重建像元在熱紅外波段的預測亮溫值；
35、亮溫偏差確定模塊，用于根據每一所述待重建像元的預測亮溫值與原始觀測亮溫值，確定所述薄云區域的亮溫偏差場；
36、重建模塊，用于對所述亮溫偏差場進行空間平滑處理，根據平滑后的亮溫偏差場與所述原始觀測亮溫值，計算得到所述薄云區域重建后的熱紅外亮溫數據。
37、為實現以上目的，本發明還提供了一種終端設備，包括處理器、存儲器以及存儲在所述存儲器中且被配置為由所述處理器執行的計算機程序，所述處理器執行所述計算機程序時實現如上任意一項所述的薄云區熱紅外波段重建方法。
38、為實現以上目的，本發明還提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質包括存儲的計算機程序，其中，在所述計算機程序運行時控制所述計算機可讀存儲介質所在設備執行如上任意一項所述的薄云區熱紅外波段重建方法。
39、與現有技術相比，本發明提供的一種薄云區熱紅外波段重建方法、系統、設備及介質，該方法首先利用薄云在可見光波段干擾強度的相對穩定關系，通過波段映射與差分生成不受薄云影響的假彩色參考影像，可以解決現有數據驅動方法因薄云導致可見光特征漂移而無法建立可靠匹配基準的問題；其次，以該參考影像為橋梁，在空間與光譜雙重約束下為薄云像元匹配物理意義明確的晴空相似像元，能夠提升匹配的穩健性與準確性；最后，采用亮溫偏差校正的重建路徑，既充分利用了薄云下原始熱紅外觀測中的有效信息，又通過對偏差場進行平滑，在有效抑制匹配噪聲與塊狀偽影的同時，最大程度地保留了地表真實熱細節的空間連續性。本發明能夠提升薄云區熱紅外重建的魯棒性、泛化性與適用性。