时间序列影像相比单期影像多了一个时间维度,蕴含的信息量远远大于只包含空间维度的单期影像,可以挖掘单期影像无法获取的许多信息。通过时间序列遥感影像,可以获取一个区域随着时间变化而显示的特征变化,进而通过这些变化特征反映该区域的信息。因此,时间序列影像成为监测城市扩张、森林退化、全球变暖、生态系统破坏等缓慢威胁人类生存问题方面不可获取的重要信息。本文基于构建时间序列遥感影像集所面临的三个主要问题:影像云的去除、缺失影像的生成、融合影像的精度评价展开研究,提出相应的改进方法,以便提高时间序列影像集的质量,并通过上述方法构建福州市中等分辨率时间序列遥感影像。主要研究内容和结论如下:(1)改进Criminisi的云补绘方法。由于云覆盖是致使中等分辨率遥感影像信息缺失的一个重要方面,据USGS统计的Landsat影像的平均云覆盖为35%,构建中等分辨率时序影像首先要考虑少量云覆盖的去云处理,因此,本文在Criminisi图像补绘模型的基础上,调整优先权相似块计算的权重策略。实验证明,改进的Criminisi云补绘方法能够提高云补绘的精度,获取较好的去云效果。(2)引入核优化权重函数到遥感影像融合模型的研究。针对STARFM模型使用固定大小的窗口寻找相似像元,以及未顾及地物各向异性的不足,本文使用控制核优化权重函数,使得窗口形状与大小能够随像元与局部邻域关系进行自适应调节,并且进步一步顾及遥感影像不同波段间的相关性,扩展二维控制核至三维控制核,从而发展一种自适应三维核回归的融合模型,实验结果证明3DSKRFM相比其他两种模型不仅具有更好的融合效果,而且具有更强的鲁棒性。(3)基于t检验的融合影像精度评价研究。考虑现有质量评价指标是基于整景影像,且不能对地物进行评价等缺陷,引入t检验方法,提出一种基于空间分布的可视化评价模型,结果提高了评价的准确性与科学性。(4)福州市中等分辨率时序遥感影像集的构建。根据已有的数据,通过云去除、缺失影像合成等步骤,构建福州市2001-2015年每年四个季节的30米分辨率地物反射率集,并从定性与定量上观察表明生成的数据集符合实际情况。