随着气象行业的飞速发展,气象数据发生爆炸式增长,传统的奈奎斯特采样定律也随之暴露了些许缺点。压缩感知理论解决了其采样率需要大于信号带宽两倍的缺陷,压缩感知可使用低采样率对信号进行采样并将压缩采样一体化。传统的压缩感知算法对气象数据进行处理,需要一个能将整个原始信号进行观测的观测矩阵。为了解决这个问题,本文采用了分块压缩感知,该算法解决了观测矩阵的问题并且由于分块还降低了重构算法的复杂度。分块压缩感知算法对每块图像块采用相同的采样率,但是不同图像块之间的信息量是不同的,对每块图像块采用相同的采样率明显造成了资源上的分配不合理,本文对此进行了以下改进:(1)对于图像块之间信息量差距大的气象数据,本文采用了采样率自适应算法。衡量图像块信息量多少的方法为计算该图像块的纹理复杂度。由于压缩感知是在不知道图像为前提进行压缩采样,对此本文采用了预观测方法获取预估计图像,采样率分配就是通过预估计图像进行计算。该算法提高了该类气象数据的重构效果但同时也造成了计算复杂度的增加。(2)对于图像块之间信息量差距不大的气象数据,本文采用了自适应分块算法。衡量图像块信息量和预估计图像获取的方法如上述算法一样,不同的是通过提前设定阈值来判断该图像块是否继续进行分块,并对不同分块程度的图像块采取不同的采样率。该算法提高了该类气象数据的重构效果,但由于其算法复杂度高造成了计算时间增加。