一种基于代表度的最优化采样方法技术

本发明专利技术公开了一种基于代表度的最优化采样方法，借助驻点的概念先选择局部代表性高的点，利用目标变量在时间序列上构成的向量之间的相似性选择出第一个采样点；选择之后的采样点时，依次将包含在已选出点中的信息量去除，方法是依次求出原始的向量相对于已选样点向量的正交分量，然后利用正交分量之间的相似性选择新的样点，计算累积代表度，先求出采样点对各个子像元的累积代表度，然后利用区域内所有子像元的累积代表度的数学平均值作为区域的累积代表度，直到区域的累积代表度达到一定要求，采样结束。本发明专利技术使在采样点上的地面观测能够准确的反映目标变量在采样区的时空分布特征，同时尽可能减少了采样点的数量，降低地面观测的成本。

An optimal sampling method based on representation

The invention discloses a sampling method based on degree of optimization on behalf of, with the help of the concept of first selection of local point representative high point, first select the similarity between sampling points constitute a vector in time series using target variables; sampling point selection after, according to the times will be included in the amount of information has been selected in the removal of the original method is in turn derived vector relative orthogonal component sampling point vector, and then use the new kind of similarity selection between orthogonal components, calculate the cumulative representative, first calculate the cumulative representative sampling points for each sub pixel, and then use the accumulated on behalf of all the sub pixel region the degree of the mathematical average as a regional representative of the cumulative, cumulative area reaches a certain degree until the end of the sampling requirements. The present invention can accurately reflect the spatial and temporal distribution characteristics of the target variables in the sampling area, at the same time, reduce the number of sampling points as much as possible, and reduce the cost of ground observation.

【技术实现步骤摘要】

本专利技术涉及空间抽样
，尤其涉及一种基于代表度的最优化采样方法。
技术介绍
在空间抽样中，常用的选点方法有随机选择法、枚举法、序贯法、计算机演化算法等。随机选择法，顾名思义，从采样区域内随机抽取样点，当新增加样点无法提高样本精度，无法体现优化采样的目标常采用。序贯法在选取新的点位时，考虑到已选点的影响，利用克里格方差作为未抽样点的权重，选取权重最大的点作为新的采样点，直到所选样点的总精度达到给定的水平或者再增加新的样点也不能显著提升总体精度为止(姜成晟等，2009)。计算机演化算法中的模拟退火法(葛咏等，2012)是目前常用的优化采样方法，优势是能够以较高的效率实现全局最优解的搜索，但是这种算法存在几方面的局限性：①输入参数只能引用单一时相的空间分布信息；②最优解受初始参数场影响，且带有一定随机性，前后两次采样结果可能完全不同；③在选点前必须控制选点数目，无法更新评价新增传感器带来的信息增量。在设计采样方法时，要考虑在有限的预算条件下尽可能提高选点结果的空间代表性，同时需要充分考虑到采样点在时间上的代表性，保证选点结果的稳定性。一个好的采样方法应使在采样点上的地面观测能够准确的反映目标变量在采样区的时空分布特征，同时应尽可能减少采样点的数量，降低地面观测的成本。但现有技术还没有一种采样方法可以实现上述效果。
技术实现思路
有鉴于现有技术的上述缺陷，本专利技术所要解决的技术问题是提供一种基于代表度的最优化采样方法，其基于序贯法的思想，代表度被定义为目标变量在时间序列上构成的向量之间的相似性，在选取新的点位时，考虑已有点位对采样区域的代表度，以剩余代表度估算未抽样点的权重，可使在采样点上的地面观测能够准确的反映目标变量在采样区的时空分布特征，同时尽可能减少了采样点的数量，降低地面观测的成本。为实现上述目的，本专利技术提供了一种基于代表度的最优化采样方法，其特征在于，包括以下步骤：S1、选择候选点，借助历史的长时间序列的HJ反照率产品数据为先验知识，在选点时，需先考虑待选点与周边紧邻区域的均一性，先选择与周围地表一致性较高的点作为候选点；S2、计算候选点代表度，从候选点中选择代表度最高的点为第一个采样点；S3、初始化采样点数据，计算正交分量，计算代表度；S4、选择下一个采样点，计算累计代表度是否满足条件，若累计代表度满足条件结束采样，若累计代表度不满足条件，返回步骤S3初始化采样点数据继续进行计算正交分量和代表度流程。进一步地，所述步骤S1候选点的一致性强弱用驻点级数来表示，其表达式为αi表示待评价HJ像元的反照率时间序列，表示表示以该像元为中心(2k+1)×(2k+1)邻域内反照率平均值的时间序列向量，假定均一性阈值为μ，当满足△k<μ(k≤n)且△n+1>μ时，此像元驻点级数为n，在各区域内先选择出n≥1的点作为一级候选点。进一步地，所述步骤S2候选点代表度计算公式为：ri,j1=|<αj·βi>|<αj·αj>×<βi·βi>]]>式中，αj是采样区域内第j个像元的反照率时间序列向量，βi是候选点i的反照率时间序列向量，对于每一个候选点i，其对采样区域内所有像元的总体代表度定义为：ri1=1NΣj=1Nri,j1]]>式中，N为采样区域内所有像元的总个数，具有最大的ri1对应的候选点为第一个采样点。进一步地，所述步骤S3具体为：当选择第n(n>＝2)个采样点时，前面已经选出n-1个采样点，所包在这n-1个采样点中的信息应该被排除在外，这时候用第j个像元的反照率时间序列向量相对于已经选出的n-1个采样点的正交分量εn-1(αj)来代替αj，同样也用候选点的时间序列向量相对于选出的n-1个采样点的正交分量来代替βi，正交分量的定义如下：ϵn-1(αj)=ϵn-2(αj)-<ϵn-2(αj)·βn-2*><βn-2*·βn-2*>βn-2*|βn-2*|]]>式中，表示选择出的第n-1个采样点的反照率时间序列向量相对于之前选出的n-2个采样点的正交分量，在选择第n个采样点时，候选点i对像元j的代表度为ri,jn=|<ϵn-1(αj)·βin-1>|<ϵn-1(αj)·ϵn-1(αj)>×<βin-1·βin-1>]]>在选取第n个采样点时，候选点i对采样区域的总的代表度的计算表达式为式中，N为采样区域内所有像元的总个数，具有最高值的候选点即为第n个采样点。进一步地，所述步骤S4计算累计代表度的具体方法为：选择出n个采样点时对像元j的累积代表度SRj定义为：SRj=Σk=1nrk,jk]]>式中，k表示选择出的第k个采样点，第j个像元的残差为1-SRj，则采样点对整个采样区域的累积代表度为该区域内所有像元的累积代表度的平均值：SRΩ=Ej∈Ω(SRj)]]>式中，Ω表示整个区域，E为数学平均函数，SRΩ为采样点对区域的累积代表度。本专利技术的有益效果是：本专利技术基于序贯法的思想，代表度被定义为目标变量在时间序列上构成的向量之间的相似性，在选取新的点位时，考虑已有点位对采样区域的代表度，以剩余代表度估算未抽样点的权重，可使在采样点上的地面观测能够准确的反映目标变量在采样区的时空分布特征，同时尽可能减少了采样点的数量，降低地面观测的成本。以下将结合附图对本专利技术的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本专利技术的目的、特征和效果。附图说明图1是本专利技术的整体流程图。图2是本专利技术的一具体实施例区域累积代表度随着采样点个数的变化的坐标图。具体实施方式如图1所示，一种基于代表度的最优化采样方法，其特征在于，包括以下步骤：S1、选择候选点，借助历史的长时间序列的HJ反照率产品数据为先验知识，在选点时，需先考虑待选点与周边紧邻区域的均一性，先选择与周围地表一致性较高的点作为候选点；S2、计算候选点代表度，从候选点中选择代表度最高的点为第一个采样点；S3、初始化采样点数据，计算正交分量，计算代表度；S4、选择下一个采样点，计算累计代表度是否满足条件，若累计代表度满足条件结束采样，若累计代表度不满足条件，返回步骤S3初始化采样点数据继续进行计算正交分量和代表度流程。本实施例中，所述步骤S1候选点的一致性强弱用驻点级数来表示，其表达式为αi表示待评价HJ像元的反照率时间序列，表示表示以该像元为中心(2k+1)×(2k+1)邻域内反照率平均值的时间序列向量，假定均一性阈值为μ(对反照率而言，阈值设为0.1)，当满足△k<μ(k≤n)且△n+1>μ时，此像元驻点级数为n本文档来自技高网...

【技术保护点】
一种基于代表度的最优化采样方法，其特征在于，包括以下步骤：S1、选择候选点，借助历史的长时间序列的HJ反照率产品数据为先验知识，在选点时，需先考虑待选点与周边紧邻区域的均一性，先选择与周围地表一致性较高的点作为候选点；S2、计算候选点代表度，从候选点中选择代表度最高的点为第一个采样点；S3、初始化采样点数据，计算正交分量，计算代表度；S4、选择下一个采样点，计算累计代表度是否满足条件，若累计代表度满足条件结束采样，若累计代表度不满足条件，返回步骤S3初始化采样点数据继续进行计算正交分量和代表度流程。

【技术特征摘要】
1.一种基于代表度的最优化采样方法，其特征在于，包括以下步骤：S1、选择候选点，借助历史的长时间序列的HJ反照率产品数据为先验知识，在选点时，需先考虑待选点与周边紧邻区域的均一性，先选择与周围地表一致性较高的点作为候选点；S2、计算候选点代表度，从候选点中选择代表度最高的点为第一个采样点；S3、初始化采样点数据，计算正交分量，计算代表度；S4、选择下一个采样点，计算累计代表度是否满足条件，若累计代表度满足条件结束采样，若累计代表度不满足条件，返回步骤S3初始化采样点数据继续进行计算正交分量和代表度流程。2.如权利要求1所述的一种基于代表度的最优化采样方法，其特征在于，所述步骤S1候选点的一致性强弱用驻点级数来表示，其表达式为Δk=αi-Aik‾]]>αi表示待评价HJ像元的反照率时间序列，表示表示以该像元为中心(2k+1)×(2k+1)邻域内反照率平均值的时间序列向量，假定均一性阈值为μ，当满足△k<μ(k≤n)且△n+1>μ时，此像元驻点级数为n，在各区域内先选择出n≥1的点作为一级候选点。3.如权利要求1所述的一种基于代表度的最优化采样方法，其特征在于，所述步骤S2候选点代表度计算公式为：ri,j1=|<αj·βi>|<αj·αj>×<βi·βi>]]>式中，αj是采样区域内第j个像元的反照率时间序列向量，βi是候选点i的反照率时间序列向量，对于每一个候选点i，其对采样区域内所有像元的总体代表度定义为：ri1=1NΣj=1Nri,j1]]>式中，N为采样区域内所有像元的总个数，具有最大的ri1对应的候选点为第一个采样点。4.如权利要求1所述的一种基于代表度的最优化采样方法，其特征在于，所述步骤S3具体为：当选择第n(n>＝2)个采...

【专利技术属性】
技术研发人员：闻建光，刘强，吴小丹，窦宝成，游冬琴，肖青，
申请(专利权)人：中国科学院遥感与数字地球研究所，
类型：发明
国别省市：北京;11