我實際上試圖檢測由許多較小的子區域組成的非常大的區域（以我的像素爲例）時間序列的特徵。我對這一點並不瞭解，所以我能想出的唯一辦法就是整個地區的平均時間序列，但我知道這肯定會通過平均來隱藏許多特徵。有沒有辦法總結許多時間序列的特徵？
我只是想知道是否有任何廣泛使用的技術，可以檢測到一套時間序列的共同特點？如模式識別或時間序列分類？
任何想法/建議非常感謝！
謝謝！
一些額外的解釋：我正在處理幾年的遙感圖像，時間爲7天。因此，對於每個像素，都有一個時間序列相關聯，在不同日期從這個像素中提取值。所以如果我定義了一個由許多像素組成的區域，是否有一種方法可以檢測或提取一些表徵全部或大部分這個區域內像素的時間序列？如時間序列的形狀，還是數值明顯增加的日期？
您可以計算像素的相關矩陣。這僅僅是：
corr = np.zeros((npix,npix))
for i in range(npix):
for j in range(npix):
corr(i,j) = sum(data(i,:)*data(j,:))/sqrt(sum(data(i,:)**2)*sum(data(j,:)**2))
如果您想了解更多信息，可以計算出這是時間的函數，即劃分時間序列成塊（比如分鐘），並計算每個人的關係。然後你可以看到相關性隨着時間的變化。
如果相關性變化很大，那麼您可能對像素的交叉功率譜更感興趣。這被定義爲
cpow(i,j,:) = (fft(data(i,:))*conj(fft(data(j,:)))
這會告訴你多少像素i和j往往在不同的時間尺度一起變化。例如，它們可以以1秒鐘的時間尺度一致地移動，但也可以在例如彼此不相關的10秒的時間尺度上變化。
這一切都取決於你需要什麼，真的。
你能否詳細說明你的問題，並提供一些你想要達到的內容？ – Spontifixus
「時間序列」是什麼意思？你說的是計算機視覺方法嗎？你使用視頻或一系列圖像或什麼？你的問題非常模糊。 – Mikhail
感謝您的意見。我正在處理幾年的遙感影像，時間爲7天。因此，對於每個像素，都有一個時間序列相關聯，在不同日期從這個像素中提取值。所以如果我定義了一個由許多像素組成的區域，是否有一種方法可以檢測或提取一些表徵全部或大部分這個區域內像素的時間序列？如時間序列的形狀，還是數值明顯增加的日期？希望這可以讓我的問題更加模糊。 – user1795375