【技术实现步骤摘要】
本申请涉及遥感数据处理领域，尤其涉及一种基于张量补全的遥感数据缺失信息重构的方法及系统。
技术介绍
1、气象和大气成分等高频动态地理环境要素的监测对灾害应急和科学研究等工作具有重要指示意义。常规地面地基监测虽能提供较为准确的观测信息，但由于地基布设密度的局限性，该类方法尚无法满足高频动态地理环境要素全方位跟踪监测的客观需求。基于此，利用卫星遥感技术开展气象要素和大气成分的反演，是目前实现此类高频动态地理环境要素时空连续监测的主要技术手段。但由于云覆盖和反演算法本身的限制，卫星遥感反演产品常存在大面积的数据缺失，进而导致气象要素和大气成分的监测无法实现时空全覆盖。
2、现有技术中，为填补气象和大气反演产品中的缺失值，最普遍的方法是利用其他数据源的有效观测数据进行缺失填补。然而，由于不同平台、仪器和检索算法的差异，不同来源的卫星数据存在明显的偏差，仅依靠不同来源的观测数据进行缺失填补实际上难以真正实现数据时空全覆盖。另外，如果数据缺失率较高，大面积缺失区域的数据恢复质量则难以得到保障。
技术实现思路
1、本申请提供了一种基于张量补全的遥感数据缺失信息重构的方法及系统，用于实现多源遥感数据的缺失信息重构，并针对大面积数据缺失区域提升了数据重构质量。
2、本申请第一方面提供了一种基于张量补全的遥感数据缺失信息重构的方法，包括：
3、获取基准数据，并利用所述基准数据建立机器学习模型对多源遥感数据、模式模拟数据和地基观测数据进行质量订正，得到校正数据；>
4、利用所述校正数据筛选与待重构影像相似的目标历史影像，并根据所述待重构影像与所述目标历史影像构建三维时空立方体；
5、计算所述待重构影像与所述目标历史影像之间的时空张量加权值，并根据所述时空张量加权值对所述三维时空立方体进行权重配置；
6、对权重配置后的三维时空立方体进行张量分解和低秩恢复，重构所述三维时空立方体中的缺失信息，得到所述待重构影像的数据恢复结果。
7、可选的，所述利用所述校正数据筛选与待重构影像相似的目标历史影像，包括：
8、根据所述校正数据获取待重构影像对应的当日观测数据；
9、根据所述当日观测数据计算所述待重构影像与历史影像的相似性指标，所述相似性指标包括相关系数r、均方根误差rmse和历史影像的有效值覆盖率η；
10、在相关系数r大于第一设定值且均方根误差rmse小于第二设定值的条件下，将有效值覆盖率η排在前n幅的历史影像确定为目标历史影像。
11、可选的，所述相关系数r、均方根误差rmse和历史影像的有效值覆盖率η的计算公式分别为：
12、相关系数r：
13、均方根误差rmse：
14、有效值覆盖率η：
15、其中，x为当日观测数据，y为历史影像，n为待验证样本数量。
16、可选的，所述根据所述待重构影像与所述目标历史影像构建三维时空立方体，包括：
17、将所述待重构影像与n幅目标历史影像组合，编译为三维时空立方体a∈rn1×n2×n，其中n1×n2为影像尺寸，n为目标历史影像。
18、可选的，所述时空张量加权值包括：所述待重构影像和所述目标历史影像的数据互信息、所述待重构影像和所述目标历史影像的共有空间覆盖率rcommon、以及所述目标历史影像中除共有覆盖部分之外的有效数据的附加空间覆盖率rextra；
19、所述根据所述时空张量加权值对所述三维时空立方体进行权重配置，包括：
20、对所述数据互信息、所述共有空间覆盖率rcommon以及所述附加空间覆盖率rextra的计算结果进行乘积计算；
21、根据所述乘积计算的结果对所述三维时空立方体进行加权处理，构建注意力增强的时空张量。
22、可选的，所述数据互信息的计算公式为：
23、
24、其中，x为所述待重构影像所构成的数据向量，y为所述目标历史影像所构成的数据向量，p(x，y)为x和y的联合概率分布函数，p(x)和p(y)分别为x和y的边缘概率分布函数；
25、所述共有空间覆盖率rcommon的计算公式为：
26、所述附加空间覆盖率rextra的计算公式为：
27、可选的，所述对权重配置后的三维时空立方体进行张量分解和低秩恢复，重构所述三维时空立方体中的缺失信息，得到所述待重构影像的数据恢复结果，包括：
28、将权重配置后的三维时空立方体中每一副图像的空间均值作为初始值填入对应缺失位置，对时空张量进行初始化；
29、将初始化后的时空张量沿三个不同维度进行张量分解，各个维度的主导特征数据量由预设的秩确定；
30、逐步提升各个维度的秩，并重复迭代更新缺失数据点位的填充值；
31、判断更新后的时空张量是否满足预设的迭代收敛条件；
32、若是，则根据满足迭代收敛条件的时空张量确定所述待重构影像的数据恢复结果。
33、可选的，所述将权重配置后的三维时空立方体中每一副图像的空间均值作为初始值填入对应缺失位置，对时空张量进行初始化，包括：
34、将权重配置后的三维时空立方体中每一副图像的空间均值作为初始值填入对应的缺失位置，同时在待重构影像大面积数据缺失的区域填入预设比例的模式模拟数据，对时空张量进行初始化。
35、可选的，所述方法还包括：
36、对于填入模式模拟数据的点位，在迭代更新过程中将模式模拟数值与迭代重构数值进行加权平均，所述模式模拟数值的权重随迭代过程不断降低，所述迭代重构数值的权重随迭代过程不断增加。
37、可选的，所述判断更新后的时空张量是否满足预设的迭代收敛条件，包括：
38、获取预设比例的卫星观测值作为验证数据，并计算重构结果与所述验证数据的平均绝对偏差；
39、若所述平均绝对偏差小于预设偏差，则确定更新后的时空张量满足预设的迭代收敛条件。
40、可选的，所述机器学习模型包括：多源遥感数据质量订正模型、模式模拟数据质量订正模型和地基观测数据质量订正模型；
41、所述多源遥感数据质量订正模型采用：
42、database＝f1(datasatellite,aux)
43、其中database用于表示基准数据，datasatellite用于表示多源遥感数据，f1用于表示具有回归拟合能力的第一机器学习模型，aux用于表示质量订正的辅助变量；
44、所述模式模拟数据质量订正模型采用：
45、database＝f2(datasimulation,aux)
46、其中database用于表示基准数据，datasimulation用于表示模式模拟数据，f2表示具有回归拟合能力的第二机器学习模型，aux用于表示质量订正的辅助变量；
47、所述地基观测数据本文档来自技高网...
【技术保护点】
1.一种基于张量补全的遥感数据缺失信息重构的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述利用所述校正数据筛选与待重构影像相似的目标历史影像，包括：
3.根据权利要求2所述的方法，其特征在于，所述相关系数R、均方根误差RMSE和历史影像的有效值覆盖率η的计算公式分别为：
4.根据权利要求2所述的方法，其特征在于，所述根据所述待重构影像与所述目标历史影像构建三维时空立方体，包括：
5.根据权利要求1所述的方法，其特征在于，所述时空张量加权值包括：所述待重构影像和所述目标历史影像的数据互信息、所述待重构影像和所述目标历史影像的共有空间覆盖率Rcommon、以及所述目标历史影像中除共有覆盖部分之外的有效数据的附加空间覆盖率Rextra；
6.根据权利要求5所述的方法，其特征在于，所述数据互信息的计算公式为：
7.根据权利要求1所述的方法，其特征在于，所述对权重配置后的三维时空立方体进行张量分解和低秩恢复，重构所述三维时空立方体中的缺失信息，得到所述待重构影像的数据恢复结果，包括：<...
【技术特征摘要】
1.一种基于张量补全的遥感数据缺失信息重构的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述利用所述校正数据筛选与待重构影像相似的目标历史影像，包括：
3.根据权利要求2所述的方法，其特征在于，所述相关系数r、均方根误差rmse和历史影像的有效值覆盖率η的计算公式分别为：
4.根据权利要求2所述的方法，其特征在于，所述根据所述待重构影像与所述目标历史影像构建三维时空立方体，包括：
5.根据权利要求1所述的方法，其特征在于，所述时空张量加权值包括：所述待重构影像和所述目标历史影像的数据互信息、所述待重构影像和所述目标历史影像的共有空间覆盖率rcommon、以及所述目标历史影像中除共有覆盖部分之外的有效数据的附加空间覆盖率rextra；
6.根据权利要求5所述的方法，其特征在于，所述数据互信息的计算公式为：
7.根据权利要求1所述的方法，其特征在于，所述对权重配...
【专利技术属性】
技术研发人员：白开旭，李珂，张红波，邵留青，李欣然，郑哲，李睿捷，邱嵩云，张小意，
申请(专利权)人：上海地听信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。