基于经验模态分解的遥感影像时间序列异常检测算法研究

项目名称： 基于经验模态分解的遥感影像时间序列异常检测算法研究

项目编号： No.41401474

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 天文学、地球科学

项目作者： 孟瑜

作者单位： 中国科学院遥感与数字地球研究所

项目金额： 25万元

中文摘要： 长/高频次时间序列遥感影像数据中蕴含着大量的规律性信息，如何从中挖掘热点关注对象与重要目标的变化模式、范围、规模、趋势等信息，将遥感从目前大多进行事后验证的现状推进到近实时监测的水平，是非常有意义且具有挑战性的工作。本项目以时间序列异常检测为研究对象，在充分分析中低分辨率遥感影像时间序列特征以及大数据特性的基础上，结合典型案例分析自然灾害检测的方式，引入经验模态分解方法，从校正遥感时间序列影像数据出发，建立模型从遥感时间序列数据中提取异常变化信息。重点研究面向经验模态分解分析的时间序列遥感影像重构方法；分析经验模态分解形成的固有模态函数分量与余项的物理过程与相互关系，研究基于经验模态分解的遥感影像时间序列趋势项提取方法；最终面向多断点检测问题与遥感监测需求，构建从时间序列趋势项中提取遥感影像异常信息模型，为各行业信息挖掘与科学决策提供技术支持。

中文关键词： 经验模态分解；时间序列；异常检测；；

英文摘要： Long and high frequency time series of remote sensing image data contains a large number of regular information. It is a very meaningful but challenging work to mine the information of changing pattern, scope, scale, trend and so on from the hotspots

英文关键词： empirical mode decomposition (EMD)；time series；anomaly detection；；