[发明专利]一种时间序列遥感植被指数的噪声检测方法

摘要

一种时间序列遥感植被指数(Time‑Series Vegetation Index，TSVI)的噪声检测方法。首先使用单位根检验将各个像素的观测值分为平稳序列或者非平稳序列；对于非平稳序列，利用一定的数学模型对离散的TSVI进行建模，再计算实际观测值与模型预测值之间的差异，记为偏差。由于偏差消除了季节性成分，从而将非平稳序列转换为平稳序列。对于平稳序列或者偏差数据采用观测值分布在均值附近一定范围内的假设，进行噪声检测；再对去除噪声保留之后的观测值，迭代进行拟合和噪声检测，直到达到最大迭代次数或在某次迭代不再有噪声检出。然后将时间序列转换回图像空间获得噪声掩膜并优化。本发明可以获得准确的噪声掩膜，并提高地表相关应用的可靠性。

主权项

1.一种时间序列遥感植被指数的噪声检测方法，包括以下步骤：/n步骤1，计算时序特征；/n假设研究区有n期不同时间获取的影像I构成：/nI＝<I₁,I₂,...,I_n> (1)/n各期影像的获取日期T表示为：/nT＝＜t₁,t₂,...,t_n＞ (2)/n获取日期之间存在关系t_i-1≤t_i，i＝2,3,...,n，即t_i-1在t_i之前；/n研究区有m个像素P表示为：/nP＝{P¹,P²，...,P^m}^T (3)/n像素提取的TSVI X^j表示为：/n /n植被指数使用归一化植被指数NDVI，或者使用增强型植被指数EVI,或者其他植被指数，使用的植被指数特征在于能够消除地表的辐射背景，并突出植被特征；/n步骤2，对序列进行分类；/n判断各个像素的TSVI的X^j变化情况，将其划分到平稳序列集合S或者非平稳序列集合NS中，S和NS满足：/n /nS∪NS＝P (6)/n其中，平稳序列是指均值和标准差不随时间的变化的序列，而非平稳序列是指均值和标准差会随时间而变化的序列；平稳序列检验采用单位根检测方法，如ADFTest经典方法及其改进方法，该类方法特征在于能够将影像划分为平稳序列和非平稳序列；/n步骤3，非平稳序列拟合；/n对于非平稳序列集合NS中的像素，利用复合高斯模型等数学模型对离散的TSVI进行拟合；拟合过程中，自变量为T，应变量为X，拟合结果为模型表示为：/n /n其中，a_k，μ_k，σ_k是待估算的参数，描述了高斯模型；α_K表示高斯成分的比例，即该峰值能够达到的比例；K表示高斯成分的数目，即曲线中包含几个峰谷组合；μ_k表示均值，即达到最大值时候的t值；σ_K决定了峰的陡峭程度；/n步骤4，计算偏差；/n对于像素P^j∈NS，在t_i∈T时存在模型计算值和实际观测值其偏差表示为：/n /n其上标1表示第一次迭代结果；表示了模型计算值与实际观测值之间的接近程度；越大，表示二者差异较大，拟合效果越差；越小，表示真实值和拟合值越接近，拟合效果较好；/n像素P^j∈P在t_i∈T时的第一次偏差计算结果表示为：/n /n由于偏差D^j,1消除了季节性成分，从而将非平稳序列转换为平稳序列；/n步骤5，检测噪声；/n对于转换后的偏差序列D^j,1和平稳序列S，分别采用观测值分布在均值附近一定范围内的假设，进行噪声检测；/n对于P^j∈S，采用原始的序列X^j实施噪声检测；而对于P^j∈NS，采用偏差序列D^j,1，为了论述的方便，统一记为s^j：/n /n然后按照以下方法判定噪声，为掩膜数据，表示像素P^j∈P在t_i∈T是否为有效观测，1表示有效观测，而0表示噪声；/n /n其中，μ(s^j)表示s^j的均值，σ(s^j)表示s^j的标准差，λ表示标准差的倍数；该算法的意义为，将距拟合曲线的距离分布在均值加减λ倍标准差的观测值作为有效观测，而分布在之外的作为的噪声；根据上述过程，可以获得像素P^j∈P的掩膜M^j；/n /n步骤6，迭代处理；/n对去除噪声保留之后的观测值，即不考虑的像素，重新按照步骤2进行非平稳序列拟合、步骤3进行偏差计算和步骤4进行噪声检测，重复上述过程直到迭代达到最大次数或在某次迭代过程中不再有噪声检出；/n步骤7，噪声掩膜；/n将各个像素P^j∈P的掩膜数据转换回图像空间获得噪声掩膜M；/nM＝＜M₁,M₂,...,M_n＞ (13)/n其中，M_i∈M表示了影像I_i∈I上的各个像素的观测值是否为有效观测值，在后续的应用中，需要将噪声进行剔除，以获得准确的应用效果；/n步骤8，掩膜优化；/n根据数学形态学方法对噪声进行，获得平滑的噪声掩膜。/n