基于时相仿真的时间序列归一化

时间序列

在完成基础的辐射校正后，时间序列的各时相（帧）之间依然会有一些波动。可能有这样一些因素：1）传感器的物理特性波动未能完全补偿；2）阳光变化的估算存在一定误差；3）大气层的随机扰动。尤其是大气的因素是完全不可控的。

可以采用更进一步的处理来使得时序内更加一致，有助于后续分析或者解译。

帧间的波动是客观存在的，考虑两种实际应用场景。

对于一个相对短的时序来说，帧间的波动可以大致分成小目标的高频变化和大范围的低频变化。可以假设小目标的高频变化是需要保留的，大范围的低频变化是可以当作干扰加以消除的。可以任意一帧为标准或者以多帧合成平均结果为参考，将其他帧的低频部分向其靠拢，消除帧间的大范围的低频变化，只保留或者突出小目标的高频变化内容。

对于一个相对较长的时序来说，大范围地物的低频变化也不可以完全忽略，可以采用先对时序做时间上的滤波，将滤波后的平滑结果作为参考。将每帧的低频部分与其对应的平滑参考帧靠拢。

这里的核心是时相仿真算法，其功能是将一个时相向另外一个参考时相上转变。该算法是建立在地理学第一定律的衍生基础上。地理学第一定律来源于Waldo Tobler的观点“任何事物都相关,只是相近的事物关联更紧密”。我们将其衍生描述为，空间相近、波谱相近的地物的短期变化也相近。这样就可以把一个时相的图像往另外一个时相转换，将大范围的低频变化予以自然的迁移，保留小目标的高频突变。

各像元间相关性分析 -> 求每个像元的周边相似像元的变化量的加权平均 -> 补偿到该像元形成仿真结果

目前我们主要将其应用于以日为基本单位的时间序列分析中。目标是消除卫星之间的差异、日内拍摄时间早晚导致的阳光的差异、过滤植被等物候的自然缓慢变化，突出人类活动导致的快速变化，找出有价值的业务目标，比如违法用地、违法建筑、倾倒垃圾等等。