一种基于梯度分析的海水温度场采样方法技术

本发明专利技术提供一种基于梯度分析的海水温度场采样方法，包括步骤：计算海水温度场中每个数据点的梯度大小，得到梯度空间分布，对梯度空间分布进行聚类分块操作，根据梯度分布特征计算每个聚类块的采样率，对聚类块内随机采样后，利用重构算法重构海水温度场分布。本发明专利技术对梯度具有显著变化的区域进行加密采样，提高了对海水温度场的重构精度。

【技术实现步骤摘要】
一种基于梯度分析的海水温度场采样方法
本专利技术涉及一种基于梯度分析的海水温度场采样方法，属于海洋采样设计领域。
技术介绍
在应用压缩感知技术进行海水温度场重构的研究中，B.Chen,P.Pandey,andD.Pompili(AnAdaptiveSamplingSolutionusingAutonomousUnderwaterVehicles，2012)，利用随机采样的方式对环境变量进行重构，HummelR,PoduriS,HoverF设计了随机采样方案(MissionDesignforCompressiveSensingwithMobileRobots)，应用压缩感知重构技术快速重构海洋温度场。这些研究没有考虑到海水温度场的梯度分布特性，没有将采样资源最大化的利用。压缩感知在图像处理领域已经有基于显著性的采样方法的相关设计，如申请号201410523248.6的专利申请基于自适应采样率的图像采样方法，和申请号201610116709.7的专利申请一种自适应的多尺度分块压缩感知采样方法，这些方法利用图像块的局部纹理特征不同的特点，来分配不同局部块的采样率，充分利用采样资源，提高采样精度。在海洋观测领域，通常会对特征量具有显著变化的特性的区域，如极值位置、等值曲线率变化较大或者海洋特征变化比较快的区域，进行加密观测或是多次采样。基于这样的需求，本专利技术为了更好的描述海洋特征量的分布特性，通过合理的分析方法对海水温度场的梯度特性进行分析，设计出合理的海水温度场采样方法。
技术实现思路
本专利技术的目的是为了提供一种基于梯度分析的海水温度场采样方法。本专利技术的目的是这样实现的：步骤如下：步骤1、利用Sobel算子计算海水温度场中每个数据点的梯度大小，得到梯度空间分布；步骤2、利用K-Means算法对梯度空间分布进行聚类分块操作：2.1.随机选定数据空间中p个对象作为初始的p个聚类中心；2.2.按照距离就近准则将数据逐个分配到相应的聚类中心所在的聚类中；2.3.计算每个聚类中所有对象的均值作为该聚类的新的聚类中心，计算所有数据对象到其所在聚类中心的距离平方和；2.4.判断各个聚类中心以及各个距离平方和是否发生变化，若是，则转到步骤2.2，否则算法迭代结束，输出各个聚类中心以及各个对象的聚类结果；步骤3、计算每个聚类块的采样率和采样点数目：将第j个聚类块的采样率设置为：式中：bj为海水温度场第j个聚类块的采样率，a为基础采样率，gj为海水温度场第j个聚类块的聚类中心梯度大小，G为海水温度场所有聚类块聚类中心梯度值的集合，ave(G)为海水温度场所有聚类块聚类中心梯度值的均值，max(G)为海水温度场所有聚类块聚类中心梯度值的集合中最大值，min(G)为海水温度场所有聚类块聚类中心梯度值的集合中最小值；得到各个聚类块的采样率后，计算聚类块的采样点数目为：mj＝bj·nj式中：mj是第j个感知块的采样点数目，bj是第j个感知块的采样率，nj是感知块的数据网格的数目；步骤4、聚类块内随机采样：将整个采样区域网格数据排列成n×1列一维信号f，设标准正交基Ψ＝[ψ1,ψ2,...,ψn]∈Rn×n是稀疏基，f是原始，其中f＝Ψx,x∈Rn，x是f在稀疏基Ψ的投影，为稀疏信号；设采样区域有m个采样点，其中m＜＜n，n是原始信号f的数据网格的数目，根据每个聚类块分配到的采样点数目，在聚类块内随机位置进行采样，并编码进全区域采样编码矩阵R中，R是m×n阶的位置编码矩阵，在有采样位置置1而其余没有采样的位置置0。得到由海水温度观测值组成的向量y＝Rf，其中f＝Ψx，f是温盐场数据排列成的一维信号，Ψ是稀疏基，x是f在稀疏基Ψ下的投影；步骤5、利用重构算法ASMP重构温盐场分布：5.1.外循环初始化温盐信号的稀疏估计、残差余量；5.2.计算内积，更新外循环支撑索引集；5.3.初始化内循环的残差余量、稀疏估计、内循环迭代的计数器；5.4.计算内积，更新内循环支撑索引集、稀疏估计、残差余量；5.5.若本次内循环迭代残差余量比上次迭代残差余量少，返回步骤5.4，否则返回步骤5.2；5.6.外循环是否达到最大迭代次数，若是，则输出海水温度场一维信号的稀疏估计x，否则返回步骤5.2；得到稀疏估计x后，利用计算式f＝Ψx得到海水温度场一维信号重构值f，其中Ψ是DCT稀疏基，一维信号f经过二维变换后得到重构的温盐场分布。本专利技术还包括这样一些结构特征：1.步骤1中具体为：将Sobel算法的水平垂直两个方向拓展为四个方向，四个方向分别为水平、垂直以及两个对角线方向，则算子模板拓展为：那么四个方向的点f(x,y)的梯度大小为：式中：g(x,y)为f(x,y)二维离散点的梯度大小，sx,sy,sx',sy'分别是x方向，y方向以及两个对角线方向上的偏导数。2.步骤4中，稀疏矩阵Ψ取为DCT基。3.ASMP重构算法的输入阈值取为1.3。与现有技术相比，本专利技术的有益效果是：本专利技术通过对海水温度场的空间进行计算，充分挖掘海水温度场的梯度特征信息，设计出一种基于梯度分析的海水温度场采样设计采样方法。本专利技术能够区分出采样子区域内的梯度变化显著区和平稳区，并在梯度变化显著的区域设置更高的采样率，梯度变化不明显的区域设置较低的采样率，将更多的采样点分配到梯度变化明显的区域，提高海水温度场的重构精度。附图说明图1为本专利技术采用的K-Means聚类算法的流程图；图2为本专利技术采用的ASMP重构算法的流程图。具体实施方式下面结合附图与具体实施方式对本专利技术作进一步详细描述。结合图1和图2，本专利技术的步骤如下：步骤1.利用Sobel算子计算海水温度场中每个数据点的梯度大小，得到梯度空间分布对历史月平均温度场每个数据点利用Sobel算子计算其梯度大小。将Sobel算法的水平垂直两个方向拓展为四个方向(水平、垂直以及两个对角线方向)，算子模板拓展为：那么四个方向的点f(x,y)的梯度大小为：式中：g(x,y)为f(x,y)二维离散点的梯度大小，sx,sy,sx',sy'分别是x方向，y方向以及两个对角线方向上的偏导数。步骤2.利用K-Means算法对梯度空间分布进行聚类分块操作K-Means算法具体实施过程如下：2.1.随机选定数据空间中p个对象作为初始的p个聚类中心。2.2.按照距离就近准则将数据逐个分配到相应的聚类中心所在的聚类中。2.3.计算每个聚类中所有对象的均值作为该聚类的新的聚类中心，计算所有数据对象到其所在聚类聚类中心的距离平方和。2.4.判断各个聚类中心以及各个聚类的距离平方和是否发生变化，若是，则转到步骤2，否则算法迭代结束，输出各个聚类中心以及各个对象的聚类结果。本专利技术中取p＝3。步骤3.计算每个聚类块的采样率和采样点数目将第j个聚类块的采样率设置为：式中：bj为海水温度场第j个聚类块的采样率，a为基础采样率，gj为海水温度场第j个聚类块的聚类中心梯度大小，G为海水温度场所有聚类块聚类中心梯度值的集合，ave(G)为海水温度场所有聚类块聚类中心梯度值的均值，max(G)为海水温度场所有聚类块聚类中心梯度值的集合中最大值，min(G)为海水温度场所有聚类块聚类中心梯度值的集合中最小值。得到各个聚类块的采样率后，计算聚类块的采样点数目，公式如下：mj＝bj·nj式中，m本文档来自技高网...

【技术保护点】
1.一种基于梯度分析的海水温度场采样方法，其特征在于：步骤如下：步骤1、利用Sobel算子计算海水温度场中每个数据点的梯度大小，得到梯度空间分布；步骤2、利用K‑Means算法对梯度空间分布进行聚类分块操作：2.1.随机选定数据空间中p个对象作为初始的p个聚类中心；2.2.按照距离就近准则将数据逐个分配到相应的聚类中心所在的聚类中；2.3.计算每个聚类中所有对象的均值作为该聚类的新的聚类中心，计算所有数据对象到其所在聚类中心的距离平方和；2.4.判断各个聚类中心以及各个距离平方和是否发生变化，若是，则转到步骤2.2，否则算法迭代结束，输出各个聚类中心以及各个对象的聚类结果；步骤3、计算每个聚类块的采样率和采样点数目：将第j个聚类块的采样率设置为：

【技术特征摘要】
2018.04.19 CN 20181035441381.一种基于梯度分析的海水温度场采样方法，其特征在于：步骤如下：步骤1、利用Sobel算子计算海水温度场中每个数据点的梯度大小，得到梯度空间分布；步骤2、利用K-Means算法对梯度空间分布进行聚类分块操作：2.1.随机选定数据空间中p个对象作为初始的p个聚类中心；2.2.按照距离就近准则将数据逐个分配到相应的聚类中心所在的聚类中；2.3.计算每个聚类中所有对象的均值作为该聚类的新的聚类中心，计算所有数据对象到其所在聚类中心的距离平方和；2.4.判断各个聚类中心以及各个距离平方和是否发生变化，若是，则转到步骤2.2，否则算法迭代结束，输出各个聚类中心以及各个对象的聚类结果；步骤3、计算每个聚类块的采样率和采样点数目：将第j个聚类块的采样率设置为：式中：bj为海水温度场第j个聚类块的采样率，a为基础采样率，gj为海水温度场第j个聚类块的聚类中心梯度大小，G为海水温度场所有聚类块聚类中心梯度值的集合，ave(G)为海水温度场所有聚类块聚类中心梯度值的均值，max(G)为海水温度场所有聚类块聚类中心梯度值的集合中最大值，min(G)为海水温度场所有聚类块聚类中心梯度值的集合中最小值；得到各个聚类块的采样率后，计算聚类块的采样点数目为：mj＝bj·nj式中：mj是第j个感知块的采样点数目，bj是第j个感知块的采样率，nj是感知块的数据网格的数目；步骤4、聚类块内随机采样：将整个采样区域网格数据排列成n×1列一维信号f，设标准正交基Ψ＝[ψ1,ψ2,...,ψn]∈Rn×n是稀疏基，f是原始，其中f＝Ψx,x∈Rn，x是f在稀疏基Ψ的投影，为稀疏信号；设采样区域有m个采样点，其中m...

【专利技术属性】
技术研发人员：刘厂，雷宇宁，高峰，赵玉新，何忠杰，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23