[发明专利]一种遥感时序数据聚类方法

权利要求书

1.一种遥感时序数据聚类方法，其特征在于：包括如下步骤：

S1，数据下载及预处理，下载研究区域每年一景的植被生长季Landsat影像数据，并对影像数据进行预处理，构建研究区域的年际时序NDVI数据；

S2，遥感时序数据去噪处理，得到滤波后的NDVI时序数据；

S3，距离计算，处理不同变化时间与值域范围的距离测度，获取形状相似性，采用互相关法确定时序数据间的相似性，并得到基于形状相似性的时序数据间的距离；

S4，质心计算，通过DTW Barycenter Averaging求解每个聚类的质心；

S5，初始质心选择；

S6，聚类过程，基于初始质心，每次迭代需要执行2个步骤：(a)输入质心，将NDVI时序数据分配给与之最接近的质心；(b)当有新的NDVI时序数据加入，利用DTW BarycenterAveraging更新聚类质心，重复这2个步骤，直到每个聚类的成员无变化，或达到最大迭代次数。

2.如权利要求1所述的遥感时序数据聚类方法，其特征在于：在步骤S1中，对获取的Landsat影像数据的预处理方法为：利用掩膜文件去除影像数据中的云和阴影；利用掩膜后的遥感影像反演研究区每年的NDVI；在获取NDVI数据之后，利用求得的NDVI构建研究区年际时序NDVI数据。

3.如权利要求1所述的遥感时序数据聚类方法，其特征在于：在步骤S2中，利用BISE-WT滤波器对步骤S1中的时序NDVI数据进行去噪处理。

4.如权利要求1所述的遥感时序数据聚类方法，其特征在于：在步骤S3中，距离计算的方法为：假设两个时序数据分别为x＝(x₁,...,x_m)和y＝(y₁,...,y_m)，为了实现平移不变性，计算互相关时保持y不变，并将x在y上滑动，距离计算公式见公式(1)：

其中，x_s为平移后的时序，s为平移的步长，基于形状相似性的时序数据距离计算方式见公式(2)：

其中Dis(x,y)代表时序x和时序y间的距离，V_w(x,y)为互相关向量，其计算方式见公式(3)：

V_w(x,y)＝R_w-m(x,y),w∈1,2,...,2m-1

而R_w-m(x,y)可以计算公式见公式(4)：

5.如权利要求1所述的遥感时序数据聚类方法，其特征在于：步骤S5中，初始化质心选择可以分为3个步骤：(a)随机选取待聚类NDVI时序数据中的一个时序，将其作为第一个聚类中心，(b)利用公式(2)计算每个NDVI时序与已有质心之间的最短距离，记为Di，并根据Di求取每个时序被选取为下一个质心的概率，概率的计算公式见公式(5)：

其中P_i代表第i个NDVI时序的概率，∑Di²代表所有NDVI时序的Di²之和，在得到所有NDVI时序的概率P_i之后，按照轮盘赌选择法得到下一个质心的NDVI时序数据；(c)重复步骤(b)，直到选择出相应聚类个数的质心数目。