时间序列遥感数据的压缩存储方法技术

本发明专利技术涉及一种时间序列遥感数据的压缩存储方法。根据季节拟合长时间序列的遥感数据，某一个像元的年时间序列数据的拟合函数为：其中i代表空间上第i个像元，所述像元具有固定的行列号，k代表季节，x代表年积日，y1，y2，y3，y4都是年积日x的函数，f1(y1)用于拟合恒定变化速率的部分，f2(y2)用于拟合周期性变化的部分，f3(y3)用于拟合变化速率越来越大的部分，f4(y4)用于拟合变化速率越来越小的部分。变化速率越来越小的部分。变化速率越来越小的部分。

【技术实现步骤摘要】
时间序列遥感数据的压缩存储方法


[0001]本专利技术涉及一种时间序列遥感数据的压缩存储方法。

技术介绍

[0002]目前，国际上通用的遥感数据压缩方法大都采用编码、解码的压缩思路，尽可能地从存储上压缩遥感数据的存储空间，目前主流的压缩方法有JPEG
‑
LS、JPEG
‑
2000、SPIHT等，这些压缩方法基本上都支持无损压缩和有损压缩两种模式，其基本原理是尽可能地利用图像在空间上的邻域信息，消除邻域像元的统计相关性，通过编码减少存储空间。
[0003]随着遥感数据的海量式增长，发展更高压缩比、更小失真度的遥感数据压缩技术可进一步节约存储空间、保证更高效的数据分发效率以及提供更快捷的数据下载渠道。当前主流的遥感数据压缩方法大都采用有损压缩技术，在原理上，此类压缩技术可尽可能地消除遥感影像在空间上的统计相关性，减小遥感数据的存储空间，但随着压缩比的上升，有损压缩将导致影像质量损坏、原始影像与重建影像明显失真等问题，就目前的压缩方法而言，在压缩比超过4:1的情况下，压缩图像与原始图像一致性程度明显下降，难以保障高质量的压缩效果。

技术实现思路

[0004]针对上述问题，本专利技术提出了一种时间序列遥感数据的压缩存储方法，与以往遥感数据压缩方法不同的是，该压缩方法充分利用时间序列数据的统计相关性，利用数学模型拟合时间序列的遥感数据，达到去除时序相关性，压缩遥感数据存储量的目的。本专利技术所提出的数据压缩方法可以作为当前国际上主流的遥感数据压缩方法的一种补充，在时间域上进一步压缩遥感数据的存储空间，且此压缩方法具有一定的时间序列统计特征，可为时间序列的分析提供指导意义。
[0005]本专利技术的一种时间序列遥感数据的压缩存储方法，根据季节拟合长时间序列的遥感数据，某一个像元的年时间序列数据的拟合函数为：
[0006][0007]其中i代表空间上第i个像元，所述像元具有固定的行列号，k为季节参数，当k取1、2、3、4时分别代表春、夏、秋、冬四个季节，x为年积日，y1，y2，y3，y4都是年积日x的函数，f1(y1)用于拟合恒定变化速率的部分，f2(y2)用于拟合周期性变化的部分，f3(y3)用于拟合变化速率越来越大的部分，f4(y4)用于拟合变化速率越来越小的部分。
[0008]优选的，f1(y1)为线性函数a*y1+β，f2(y2)为三角函数f2(y2)＝b*cos(2πy2)+c*sin(2πy2)，f3(y3)为指数函数f4(y4)为对数函数f4(y4)＝e*ln(y4)，所述某一个像元的年时间序列数据的拟合函数为：
[0009][0010]优选的，x的取值范围[0,365]或[0,366]，的取值范围为[
‑
1,1]，所述拟合函数中的各基础函数的值在[0,1]区间，
[0011][0012]所述某一个像元的年时间序列数据的拟合模型为：
[0013][0014]其中max为该季节的最大年积日，min为该季节的最小年积日。
附图说明
[0015]图1示出了利用本专利技术的模型对基础的数学函数拟合的图形。
[0016]图2示出了基础拟合函数的拟合效果。
[0017]图3示出了拟合模型的拟合效果图。
[0018]图4示出了地表温度数据的压缩结果
具体实施方式
[0019]下面结合附图和实施例对本专利技术的技术方案做进一步的说明。
[0020]地表的变化过程可以分为三类：1、年间变化，2、年内变化，3、突变。在地表不发生突变的情况下，地表的年间变化与年内变化是缓慢的，这类缓慢的变化过程在长时间序列的遥感数据上表现出一定的统计相关。虽然地表变化的过程是极其复杂的，使用单个拟合函数来拟合长时间序列的遥感数据并不现实，但对于单个季节中地表的时序演变过程，使用单个拟合函数进行拟合是科学且合理的。
[0021]以长时序NDVI数据为例，进行长时序NDVI数据的压缩。以北半球为例，将每年的12月到2月设定为冬季、3到5月设定为春季、6到8月设定为夏季、9到11月设定为秋季。对于每一个季节的时序数据，构建一个拟合模型，尽可能地利用拟合模型逼近时间序列上的数据点。
[0022]理论上，根据泰勒公式以及傅里叶变换原理，不论时序数据的变化函数有多复杂，都可以采用多项式或三角函数进行拟合，但这种盲目的拟合方法会增加拟合的运算量，而且拟合系数的大小无法控制，因而，专利技术一种符合地表变化过程的拟合函数是非常重要的。
[0023]在某一季节区间，按周期性特征，时序数据的变化可分为周期性变化和非周期性变化，而非周期性变化又可以分为以下三类：1.变化速率越来越快的变化；2.变化速率越来越小的变化；3.恒定速率的变化。
[0024]因此，对于某一个像元的年时间序列数据，每一季节的时间序列数据都可以用函数拟合模型进行精确拟合，拟合模型的基础构想如下所示：
[0025][0026]其中i代表空间上第i个像元(具有固定的行列号)，k代表季节，当k取1、2、3、4时分别代表春、夏、秋、冬四个季节，y1，y2，y3，y4都是年积日x的函数，f1(y1)可用于拟合恒定变化
速率的部分，f2(y2)可用于拟合周期性变化的部分，f3(y3)可用于拟合变化速率越来越大的部分，f4(y4)可用于拟合变化速率越来越小的部分。
[0027]对于变化速率恒定的部分，线性模型具有较好的拟合效果，因此，取α1＝1，f1(y1)＝ay1+β；而对于具有短周期变化以及对称信息的部分，三角函数具有较好的拟合效果，因此可取f2(y2)＝b*cos(2πy2)+c*sin(2πy2)；对于加速变化的部分，指数模型具有较好的拟合效果，因此可取对于减速变化的部分，对数模型具有较好的拟合效果，因此可取f4(y4)＝e*ln(y4)。得到如下所示较为具体的拟合模型，
[0028][0029]实际上x的取值范围[0,365]或[0,366]，但对于遥感中最为常见的NDVI数据，数据值的取值范围为[
‑
1,1]，则拟合函数中的基础函数(包括y1，cos(2πy2)，sin(2πy2)，以及ln(y4))的取值范围不宜过大，否则拟合系数(包括a，b，c，d，e)将过小，较难保证拟合系数的存储精度，所以为确保拟合系数的存储精度，本专利技术将拟合函数中各项基础函数值控制在[0,1]区间，这样有利于提高拟合系数的存储精度。因此可取：
[0030]得到最终的拟合模型如下所示:
[0031][0032]其中x为长时间序列数据的年积日，k为季节参数，max为该季节的最大年积日，min为该季节的最小年积日，各季节的年积日区间范围分别为[0,90],[91,181],[182,272],[273,365]。
[0033]此外实际求解时，已知时序数据的年积日和数据值，可通过最小二乘求解出拟合系数，求解时可设正则化参数为0.1，增加模型的泛化能力，由于拟合模型的精度较高，因此仅需要存储拟合系数就可以保证时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种时间序列遥感数据的压缩存储方法，根据季节拟合长时间序列的遥感数据，某一个像元的年时间序列数据的拟合函数为：其中i代表空间上第i个像元，所述像元具有固定的行列号，k为季节参数，当k取1、2、3、4时分别代表春、夏、秋、冬四个季节，x为年积日，y1，y2，y3，y4都是年积日x的函数，f1(y1)用于拟合恒定变化速率的部分，f2(y2)用于拟合周期性变化的部分，f3(y3)用于拟合变化速率越来越大的部分，f4(y4)用于拟合变化速率越来越小的部分。2.根据权利要求1所述的时间序列遥感数据的压缩存储方法，其中，f1(y1)为线性函数a...

【专利技术属性】
技术研发人员：张阳坚，王力，黄妮，许时光，张跃林，贺原惠子，段文胜，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：