1.一种梯度特征保持的时间序列遥感影像缺失区域填充方法，包括以下步骤：步骤1：时序影像预处理，剔除辐射特征严重畸变的影像，并完成辐射归一化；

采用伪不变象素法进行辐射归一化，依据是地物在理想条件下具有时相不变特性，即时序影像中地物的辐射值应相等，在时序曲线上表现为一条水平线；预处理后的时序影像

1 2 n

记做I，I＝，其中每一景影像按时间递增的顺序排列，n为影像数；

步骤2：对每一影像进行云影检测，将影像划分为互不相交的云影区域和无云区域，标注云影区域中的每一象素为缺失待填充象素；

再对时序影像以象素为对象重新组织，即建立每个象素的时序，象素时序中包含按影像时间排序的象素监测值分量和对应时刻该象素是否为缺失象素的标记分量；在全年及更长时间范围获取的遥感影像时序中，获取一景以上完全无云影的干净影像，每个象素时序中有效象素占比在三分之一以上；

步骤3：对每一景影像从上到下、从左到右依次处理缺失象素，提取无云区域中与缺失象素距离最近的无云象素为参考象素，得到基于参考象素的缺失象素估计值；

具体展开为：如果当前处理到其中第k景影像内的位于x行y列的缺失象素 则会搜索该象素所在影像中所有位于无云区域的有效象素，提取与缺失象素时序欧式距离D最小的象素作为该缺失象素的参考象素 欧式距离按公式(1)计算，其中n为影像总数，表示缺失象素时序中的第i个元素， 表示位于第k景影像中的第r行s列的有效象素自身所在象素时序中的第i个元素，最终获得的参考象素位于第k景影像内rc行sc列；从而缺失象素基于参考象素的估计值 可以设定为参考象素的值，即步骤4：对每一景影像与时间相近的参考影像做梯度归一化，将参考影像中对应位置的梯度特征赋给缺失象素；

选取相对于待重建影像时间上相近、且缺失象素所在区域无云的影像作为参考影像，将梯度归一化后的参考影像中对应缺失象素位置的梯度分布特征赋予待重建影像的缺失象素，从而使得待重建的各个象素不仅具有与参考象素相同的时间变化模式，还具有相同的空间分布； 表示时序影像I中位于第k景的第x行y列的象素处的梯度强度，该影像存k在部分缺失区域待重建，I (x,y)表示时序影像I中位于第k景的第x行y列的象素的原始遥感值， 表示时序影像I中位于第k景的第x行y列的象素处的梯度方向，计算方法为；

利用参考影像与待重建影像重合的有效区域，即无云区域的交集，提取梯度特征，这里k k k k分别计算梯度强度和方向均准和标准差μ(G)、σ(G)、μ(α)、σ(α)；按照象素方法计算参考l l l l影像(设为第l景)的梯度强度和方向μ(G)、σ(G)、μ(α)、σ(α)，将参考影像的梯度校正到待重建影像，校正方法为：梯度归一化后缺失象素 和参考影像中对应位置的象素 的梯度强度和梯度方向分别表示为步骤5：对每一景影像中的缺失象素基于梯度特征得到无云状态下的估计值；

以公式(6)估计缺失象素在无云状态下的监测值；其中， 表示时序影像I中位于第k景的第x行y列的缺失象素在无云状态下的估计值， 和 分别表示时序影像I中位于第r景的第x行y列的参考象素梯度归一化后的梯度强度和梯度方向；

步骤6：对每一景影像的每一行末尾和列末尾做梯度误差调整，避免虚假边界，得到缺失象素的基于梯度的估计值；

记位于第k景x行中最左列的缺失象素为 最右列的缺失象素 其中yL和yR表示缺失象素最左侧和最右侧纵坐标；先根据梯度算法估计最右列缺失象素的右侧象素在无云状态下的值 并将其与原始干净值 比较进行求差Tξ：然后对第x行所有缺失象素的梯度强度求和，得到x行的总梯度强度T(yL,yR)：第x行y列的缺失象素的行梯度误差校正值ξr(x,y)可以表示为：ξr(x,y)＝N(G(x,y))/T(yL,yR)                         (9)行误差调整后，位于第k景影像第x行y列的缺失象素的修正值 可以表示为：按照上述方法，也对影像每一列的末尾做列梯度误差调整，得到第x行y列的缺失象素的列梯度误差校正值ξc(x,y)；最终第k景影像第x行y列的缺失象素的基于梯度的估计值可以表示为：每一景影像经过行末尾和列末尾梯度误差调整后，最终可获得均匀的梯度误差分布；

步骤7：按线性比例合成参考象素估计值和梯度特征估计值，得到缺失象素的填充值；

获得了缺失象素的估计值后，以基于参考象素的估计值 和基于梯度的估计值按比例合成得到缺失象素的填充值 见公式(12)；其中 表示时序影像I中位于第k景的第x行y列的缺失象素的最终估计值，β为比例系数；