CN2019106674123一种基于经验正交函数分解法的静止海洋水色卫星数据重构方法.pdf

(19)中华人民共和国国家知识产权局

(12)发明专利申请

(10)申请公布号CN110378858A
(43)申请公布日2019.10.25
(21)申请号201910667412.3
(22)申请日2019.07.23
(66)本国优先权数据
201910600999.62019.07.04CN
(71)申请人浙江大学
地址310058浙江省杭州市西湖区余杭塘
路866号
(72)发明人张丰陈奕君刘仁义叶伟文
(74)专利代理机构杭州求是专利事务所有限公
司33200
代理人傅朝栋张法高
(51)Int.Cl.
G06T5/00(2006.01)

权利要求书4页说明书14页附图3页
(54)发明名称
一种基于经验正交函数分解法的静止海洋
水色卫星数据重构方法
(57)摘要
本发明公开了一种基于经验正交函数分解
法的静止海洋水色卫星数据重构方法。其步骤如
下：1)对原始海洋水色遥感区域利用集中度检测
和边缘检测剔除异常像元；2)在经验正交函数分
解法中使用拉普拉斯平滑滤波对时间协方差矩
阵进行平滑过滤；3)对经验正交函数分解法获得
时间特征模态值先分解为子时间特征模态，再采
用经验模态分解，最后进行插值，获得保持其原
始精度和时空间全覆盖的水色遥感再分析数据
集。本方法的优点在于充分考虑静止海洋水色卫
星数据高时间分辨率的特点，以及数据缺失存在
连续高缺失率和完全缺失情况，适用于静止海洋
水色卫星数据的重构，其准确性好、解释率高。本
发明对于静止海洋水色卫星数据的重构具有十
分重要的实际应用价值。
CN110378858A
CN110378858A权利要求书1/4页

1.一种基于经验正交函数分解法的静止海洋水色卫星数据重构方法，其特征在于它的
步骤如下：
S1：对待重构的原始海洋水色遥感数据集中的每幅静止轨道海洋水色卫星遥感影像进
行预处理，将异常像元设为数据缺失点，同时剔除数据集中时间或空间上缺失率高于上限
的极高缺失率数据；
S2：以预处理后的海洋水色遥感数据集的时空场构建二维数据矩阵，进行经验正交函
数分解重构，且在每次迭代分解前使用拉普拉斯平滑滤波对时间协方差矩阵进行过滤；重
构后，得到最优的保留模态数，以及对应的时间特征模态和空间特征模态；
S3：将所述的时间特征模态按列分解为特征模态向量，每一列特征模态向量再按照数
据所属的时次分解成多个子时间特征模态，再将每个子时间特征模态进行经验模态分解，
利用三次样条插值法补全分解后固有模态函数分量以及余量中的极高缺失率数据所对应
位置的数据，重新叠加合并获得时间序列连续的完整时间特征模态；
S4：利用S2中得到的空间特征模态以及S3中得到的完整时间特征模态，重构获得时空
间全覆盖的静止海洋水色卫星数据集。
2.根据权利要求1所述的重构方法，其特征在于：所述步骤S1中，针对每幅静止轨道海
洋水色卫星遥感影像，按照S11～S15进行异常像元识别处理：
S11：针对待重构的原始海洋水色遥感数据集中的每幅静止轨道海洋水色卫星遥感影
像，分别以影像中每个有值像元为中心设定一个边长为L的空间窗口；
S12：分别针对每个有值像元，以该像元对应的空间窗口内所有有值像元作为样本数据

集O，计算该像元的集中度Oconc：

式中，Oi为待计算集中度的当前像元值，Om为样本数据集O的中位数；标准差δ的计算公
式为：δ＝k*MAD(O)，k为比例因子常量，MAD(O)为样本数据集O的中位数绝对偏差；

S13：分别针对每个有值像元，计算该像元的边缘检测值Oprox，若该像元周围存在无值像

元则Oprox取正数值，若该像元周围不存在无值像元则Oprox取零值；

S14：分别针对每个有值像元，计算该像元的异常检测结果Ofinal：

Ofinal＝wproxOprox+wconcOconc

式中，wprox为边缘检测权重，wconc为集中度检测权重，且满足wprox+wconc＝1；

S15：根据预设的异常像元检测门槛值Othreshold，将Ofinal大于门槛值Othreshold的像元作为
异常像元，并将异常像元设为数据缺失点。
3.根据权利要求1所述的重构方法，其特征在于：所述步骤S1中，所述的极高缺失率数
据的剔除方法为：
在时间上，若任一时刻的静止轨道海洋水色卫星遥感影像的缺失率大于缺失率上限，
则将该时刻对应的影像进行剔除；在空间上，若所有静止轨道海洋水色卫星遥感影像中任
一位置点的时间序列数据缺失率大于缺失率上限，则将该位置点在所有影像中的像元值进
行剔除。
4.根据权利要求3所述的重构方法，其特征在于：所述的缺失率上限为95％。
5.根据权利要求1所述的重构方法，其特征在于：所述步骤S2的具体方法如下：

2
CN110378858A权利要求书2/4页