1.一种多尺度时间序列遥感影像趋势和断点检测方法，其特征在于，包括：
接收时间序列遥感影像，分析所述遥感影像中的时间序列信号，通过预设的离散小波对所述时间序列信号进行离散小波变化，得到分解信号；
获取预设的目标尺度，根据所述目标尺度提取所述分解信号，得到对应的尺度信号，并根据所述离散小波变化得到所述尺度信号的细节成分和近似成分；
根据所述近似成分和所述时间序列信号的长度计算所述时间序列信号的时间序列趋势；
根据所述细节成分计算并筛选得到所述时间序列信号的断点、断点类型及断点出现的时间。
2.根据权利要求1所述的多尺度时间序列遥感影像趋势和断点检测方法，其特征在于，所述方法还包括：
获取预设的线性回归模型，将所述近似成分和所述时间序列信号的长度代入所述线性回归模型，计算所述时间序列信号的时间序列趋势。
3.根据权利要求2所述的多尺度时间序列遥感影像趋势和断点检测方法，其特征在于，通过如下线性回归模型的公式计算所述时间序列趋势：
其中，ai是近似成分，xj是交叉小波变换近似成分ai的序号(j＝1,2,3,...,n)，n是时间序列信号的长度，ai,j是在j处的交叉小波变换近似成分ai值，s是近似成分ai的变化率；
当s大于0时，输出所述时间序列趋势增长的结果；
当s小于0时，输出所述时间序列趋势降低的结果。
4.根据权利要求1所述的多尺度时间序列遥感影像趋势和断点检测方法，其特征在于，所述方法还包括：
通过m-k检验法计算所述时间序列趋势的显著性，输出所述时间序列趋势的显著性计算结果。
5.根据权利要求1所述的多尺度时间序列遥感影像趋势和断点检测方法，其特征在于，所述方法还包括：
获取预设的峰/谷检测算法，通过所述细节成分及所述峰/谷检测算法检测所述时间序列信号的断点。
6.根据权利要求5所述的多尺度时间序列遥感影像趋势和断点检测方法，其特征在于，所述预设的峰/谷检测算法，包括：
其中，所述dji是位置j的di，dj+1i、dj-1i是位置j+1、j-1的di，di是细节成分。
7.根据权利要求5所述的多尺度时间序列遥感影像趋势和断点检测方法，其特征在于，所述方法还包括：
通过预设的判别函数检测所述时间序列信号的断点的断点类型；
所述断点类型包括：峰型、谷型、突然减低型、突然增加型。
8.根据权利要求5所述的多尺度时间序列遥感影像趋势和断点检测方法，其特征在于，所述方法还包括：
获取预设的趋势局部变化函数及预设的阈值，将所述趋势局部变化函数的计算结果与所述阈值进行对比；
当所述结算结果大于所述阈值时，保存所述时间序列的断点的检测结果；
当所述结算结果大于所述阈值时，剔除所述时间序列的断点的检测结果。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任一项所述多尺度时间序列遥感影像趋势和断点检测方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至8任一项所述多尺度时间序列遥感影像趋势和断点检测方法的步骤。