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：步骤1，计算时序特征；

假设研究区有n期不同时间获取的影像I构成：I＝    (1)各期影像的获取日期T表示为：T＝     (2)获取日期之间存在关系ti‑1≤ti，i＝2,3,...,n，即ti‑1在ti之前；

研究区有m个像素P表示为：

1 2 m T

P＝{P ,P，...,P}      (3)j

像素 提取的TSVIX表示为：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；

步骤2，对序列进行分类；

j

判断各个像素 的TSVI的X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：S∪NS＝P      (6)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，单位根检测方法特征在于能够将影像划分为平稳序列和非平稳序列；

步骤3，非平稳序列拟合；

对于非平稳序列集合NS中的像素，利用复合高斯模型对离散的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：其中，ak，μk，σk是待估算的参数，描述了高斯模型；αK表示高斯成分的比例；K表示高斯成分的数目，即曲线中包含几个峰谷组合；μk表示均值，即达到最大值时候的t值；σK决定了峰的陡峭程度；

步骤4，计算偏差；

j

对于像素P∈NS，在ti∈T时存在模型计算值 和实际观测值 其偏差 表示为：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；

j

像素P∈P在ti∈T时的第一次偏差计算结果表示为：j,1

由于偏差D 消除了季节性成分，从而将非平稳序列转换为平稳序列；

步骤5，检测噪声；

j,1

对于转换后的偏差序列D 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；

j j j j,1

对于P∈S，采用原始的序列X实施噪声检测；而对于P∈NS，采用偏差序列D ，为了论j

述的方便，统一记为s：j

然后按照以下方法判定噪声， 为掩膜数据，表示像素P∈P在ti∈T是否为有效观测，1表示有效观测，而0表示噪声；

j j j j

其中，μ(s)表示s的均值，σ(s)表示s的标准差，λ表示标准差的倍数；公式(11)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j j

的作为的噪声；可以获得像素P∈P的掩膜M；

步骤6，迭代处理；

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，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；

步骤7，噪声掩膜；

j

将各个像素P∈P的掩膜数据转换回图像空间获得噪声掩膜M；

M＝      (13)其中，Mi∈M表示了影像Ii∈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；

步骤8，掩膜优化；

根据数学形态学方法对噪声进行，获得平滑的噪声掩膜。