[发明专利]一种基于梯度分析的海水温度场采样方法

权利要求书

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：

式中：b_j为海水温度场第j个聚类块的采样率，a为基础采样率，g_j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：

m_j＝b_j·n_j

式中：m_j是第j个感知块的采样点数目，b_j是第j个感知块的采样率，n_j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,...,ψ_n]∈R^n×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。

2.根据权利要求1所述的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，s_x,s_y,s_x',s_y'分别是x方向，y方向以及两个对角线方向上的偏导数。

3.根据权利要求2所述的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4中，稀疏矩阵Ψ取为DCT基。

4.根据权利要求3所述的一种基于梯度分析的海水温度场采样方法，其特征在于：ASMP重构算法的输入阈值取为1.3。