一種遙感時間序列異常檢測方法
2023-08-02 02:29:56
一種遙感時間序列異常檢測方法
【專利摘要】本發明公開一種技術方案，可對遙感時間序列中存在的多個時間的異常同時進行檢測，在顯著性水平為α＝0.05時異常檢測結果的整體置信度為95％、單個異常置信度大於99％，同時給出異常的時間、水平、程度和置信度信息。本發明的基本思路為：首先將原始遙感時間序列數據進行一階季節差分，得到的差分序列作為季節誤差序列；對季節誤差序列的均值和標準差進行穩健化估計，並將季節誤差序列進行z標準化，得到的標準分數序列作為時間序列異常檢驗統計量序列；在給定的顯著性水平和多重檢驗總體誤差率控制下，計算檢驗統計量臨界值；將檢驗統計量序列的絕對值與臨界值相比較，滿足預定條件時將其標記為異常點；由各個異常點的檢驗統計量，計算其p值，並轉換為置信水平。通過上述流程檢測出遙感時間序列中的異常，並得到異常的時間、水平、程度和置信度。
【專利說明】一種遙感時間序列異常檢測方法
【技術領域】
[0001]本發明屬於遙感圖像處理和信息提取領域，涉及遙感圖像變化檢測和地表覆蓋異常信息提取，具體涉及一種基於遙感時間序列數據進行地表覆蓋異常變化的檢測以及異常信息提取的方法。
【背景技術】
[0002]地表覆蓋的狀態隨著時間推移而不斷變化，這些變化既包括正常變化，即周期性季節變化(如植被的發芽到茂盛到落葉)，也包括非正常變化，如地表覆蓋類型的變化(如植被變成建成區、林地變為農田、旱地變為水田)，和地表覆蓋狀態的異常變化(如森林砍伐、過度放牧、洪水淹沒、過火、植被病蟲害等)。
[0003]利用遙感影像進行地表覆蓋變化的研究已經非常廣泛。傳統的多時相方法(如分類後比較法、差值法等)一般選擇不同年份的相同或相近時相影像進行分析，若影像時相不相近，區分地物的正常變化和非正常變化比較困難。多時相方法一般只能檢測所選定時相的影像間是否發生變化，並未對變化類型(地表覆蓋類型變化和地表覆蓋異常變化)進行區分，且變化發生的時間段和變化強度是無法得知的。
[0004]高時間解析度的遙感時間序列影像為地表覆蓋的高頻率長期觀測和實時監測提供了可能。利用遙感時間序列影像，不僅可以避免傳統的多時相方法中因為雲覆蓋而導致的數據缺失或時相不匹配問題，而且可以在不同時間尺度上(年內季節性、年際變化和長期趨勢)表徵地物狀態變化的模式。
[0005]遙感時間序列是指:對相同空間位置的對象進行固定頻率的遙感觀測而獲得的表徵對象狀態某種特徵的時間序列數據。遙感時間序列異常是指:由於被觀測對象狀態的異常變化，遙感時間序列表現出非規則性的變化。遙感時間序列異常檢測是指:通過某種方法,檢測出遙感時間序列中的上述非規則性變化。
[0006]現有的遙感時間序列異常檢測方法主要分為兩類:基於時間序列分解的方法和基於預測的方法。基於時間序列分解的方法的基本思想是用STL分解法將時間序列分解為周期項、趨勢項和殘餘項，進而檢測周期項和趨勢項中的結構性變化。基於預測的方法的基本思想是用一種模型(如SARIMA、高斯過程、卡爾曼濾波器等)對部分時間序列進行擬合，然後用模型進行預測，將預測值與實際觀測值進行對比以判斷是否發生異常。但是這兩類方法都有不同缺陷。一方面，基於時間序列分解的方法假設遙感時間序列具有相同的周期性變化和線性的趨勢變化，而實際上由於氣溫、降水、光照等的年際變化，地物狀態每年的季節性變化並不是相同的，而且年際變化也並非線性的。這就導致時間序列分解誤差較大，最終導致周期項和趨勢項的結構性變化檢測出現較多錯誤。另一方面，基於預測的方法，一是在建模時假定時間序列是沒有異常的，而實際上時間序列是否存在異常是未知的和待檢測的，二是用於建模的時間序列長度的選擇是主觀的，這些都會導致模型的魯棒性降低。三是基於預測的方法只能按時間順序逐步檢測，且只能檢測到一次異常，其後模型將失效。因此，上述兩大類方法都有各自明顯的缺陷，魯棒性低，適用性不強。[0007]因此，需要一種新的遙感時間序列異常檢測方法，在避免上述問題的同時提高異常檢測的精度，同時提取異常的相關信息。
【發明內容】
[0008] 針對現有遙感時間序列異常檢測方法存在的複雜度和錯檢率較高、多異常檢測率低、異常信息不可靠等缺陷，本發明公開一種新的技術方案，可對遙感時間序列中存在的多個時間的異常同時進行檢測，在顯著性水平為α =0.05時異常檢測結果的整體置信度為95%、單個異常置信度大於99%，同時給出異常的時間、水平、程度和置信度信息。
[0009]本發明的基本思路為:首先將原始遙感時間序列數據進行一階季節差分，得到的差分序列作為季節誤差序列；對季節誤差序列的均值和標準差進行穩健化估計，並將季節誤差序列進行ζ標準化，得到的標準分數序列作為時間序列異常檢驗統計量序列；在給定的顯著性水平和多重檢驗總體誤差率控制下，計算檢驗統計量臨界值；將檢驗統計量序列的絕對值與臨界值相比較，滿足預定條件時將其標記為異常點；由各個異常點的檢驗統計量，計算其P值，並轉換為置信水平。通過上述流程檢測出遙感時間序列中的異常，並得到異常的時間、水平、程度和置信度。
[0010]技術方案:實現本發明思路的技術方案流程如圖1所示，具體流程描述如下:
[0011]Α.從遙感時間序列影像中逐像素地提取時間序列數據，將時間序列表示為{Yt:t=1,2,…，η}，時間序列的長度為n，季節周期為s ；
[0012]B.由時間序列{YJ計算季節誤差序列{at:t = s+1, s+2,...,η}；
[0013]C.對季節誤差序列{at}的均值μ和標準差σ進行估計；
[0014]D.對季節誤差序列{at}進行變換，得到時間序列的異常檢驗統計量！>t:t =s+1, s+2,…η}；
[0015]Ε.獲得異常檢驗統計量臨界值λ (1)、λ w ；
[0016]F.將異常檢驗統計量與步驟E中的異常檢驗統計量臨界值相比，滿足特定條件時判定為異常，其中異常判定的特定條件為:
【權利要求】
1.一種遙感時間序列異常檢測方法，該方法可對遙感時間序列中存在的多個時間的異常同時進行檢測，同時給出異常的時間、水平、程度和置信度信息，其特徵在於，包括以下步驟: A.從遙感時間序列影像中逐像素地提取時間序列數據，將時間序列表示為{Yt:t = 1，2,..., η},時間序列的長度為η,季節周期為s ； B.由時間序列{Yt}計算季節誤差序列{at:t = s+1.s+2,..., η}； C.對季節誤差序列{at}的均值μ和標準差。進行估計； D.對季節誤差序列{at}進行變換，得到時間序列的異常檢驗統計量！>t:t = s+1,s+2, η}； Ε.獲得異常檢驗統計量臨界值λ⑴、λ ω ； F.將異常檢驗統計量與步驟E中的異常檢驗統計量臨界值相比，滿足特定條件時判定為異常，其中異常判定的特定條件為:
當 s+1 ≤t ≤ n-s 時，
2.根據權利要求1所述的遙感時間序列異常檢測方法，其特徵在於，在步驟B中，通過一階季節差分計算(YtI的季節誤差序列{at:t = s+1, s+2,..., η}:
at = Yt-Yt-S, t > s。
3.根據權利要求1所述的遙感時間序列異常檢測方法，其特徵在於，在步驟C中，季節誤差序列{at}的均值μ和標準差σ根據定義計算，或者進行穩健化估計，估計方式如下:
μ = median (at)，
|1.Ekrfl。
4.根據權利要求1所述的遙感時間序列異常檢測方法，其特徵在於，在步驟D中，對季節誤差序列{at}進行變換的方式為對{at}進行z標準化:
2 ε σ * 得到標準分數序列{zt:t = S+l，S+2，…，η}，以此標準分數序列{zt}的取值作為時間序列的異常檢驗統計量{入t:t = s+1, s+2,..., n},即λ t = zto
5.根據權利要求1所述的遙感時間序列異常檢測方法，其特徵在於，在步驟E中，異常檢驗統計量臨界值λ 「)、λ ω為: a)單一異常檢驗的異常檢驗統計量臨界值λ⑴用於檢驗已知異常時刻t(l上的檢驗統計量^^是否為異常值，λ⑴> O ;b)多個異常檢驗的異常檢驗統計量臨界值λ (-)用於檢驗檢驗未知時刻t上檢驗統計量λ 1是否為異常值，λ w >0，其中m = n-s為序列入1的長度。
6.根據權利要求5所述的遙感時間序列異常檢測方法，其特徵在於，異常檢驗統計量臨界值λ⑴、λ ω為用戶預設值，或者通過給定異常檢驗的顯著性水平來進行顯著性計算得到: a)對於λ(1)，在給定的顯著性水平α下，異常檢驗統計量臨界值#=1@_的取值滿足以下條件:
7.根據權利要求5所述的遙感時間序列異常檢測方法，其特徵在於，多重檢驗總體誤差率控制方法為Bonferron1、holm、hochberg、hommel、FOR、BY控制法以及它們改進的方法。
【文檔編號】G06K9/00GK103984938SQ201410241024
【公開日】2014年8月13日 申請日期:2014年5月30日 優先權日:2014年5月30日
【發明者】唐娉, 周增光, 張正, 趙理君, 霍連志, 馮崢 申請人:中國科學院遙感與數字地球研究所