[發明專利]一種基于衛星影像和GMDH神經網絡的云量計算方法及裝置

在審

• 申請號: 201910645566.2
• 申請日: 2019-07-17
• 公開（公告）號: CN110533063A
• 公開（公告）日: 2019-12-03
• 發明（設計）人: 劉通;安好
• 申請（專利權）人: 賽德雷特(珠海)航天科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08;G01W1/00
• 代理公司: 44291 廣東朗乾律師事務所
• 代理人: 閆有幸;楊煥軍<國際申請>=<國際公布>

本發明公開一種基于GMDH神經網絡的衛星云量計算方法及裝置，其中云量計算方法包括：(一)使用聚類方法對云塊樣本進行聚類分析；(二)將聚類分析后的云塊樣本輸入GMDH神經網絡訓練；(三)將待檢測衛星云圖輸入GMDH神經網絡進行分類；(四)根據分類結果進行云量計算。本發明基于無監督學習的衛星云量計算方法,利用聚類算法，免去了制作訓練數據的大量人力標注工作。GMDH神經網絡可以把衛星云圖圖像直接作為神經網絡的輸入，在網絡構建過程中不需要特別設計網絡結構，該方法可以自主的構建和修剪神經網絡模型的拓撲結構，自主的對圖像特征進行選擇，得到相比于人工提取更便捷和精確的結果。

〖技術領域〗

本發明涉及氣象探測領域，尤其涉及一種基于衛星影像和GMDH神經網絡的云量計算方法及裝置。

〖背景技術〗

云是重要的氣象和氣候要素之一，調節地球系統的輻射平衡和熱量平衡，在天氣預報的制作和大氣環境的監測中，發揮著極其重要的作用。傳統地，氣象衛星云圖的檢測方法是以人工目測判讀為主，不利于天氣預報制作的科學化、自動化和定量化的發展。

基于衛星圖像開展云的檢測、云分類并計算云量是獲取全球云量分布的主要方式。目前，國際上衛星云量計算方法主要有ISCCP、CLAVR-1、CLAVR-X、MODIS、UW HIRS和NIR/VIS等方法。這些云量計算方法可以大體上分為兩類：一類是基于區域內有云像素點與總像素點之比計算云量；另一類是基于像素點輻射量/反射率計算等效云量。第一類方法操作簡單，但不能分析亞像元云量，常導致計算結果偏高；第二類方法一定程度解決了亞像元云量問題，但對于多層云和地表類型變化劇烈的情況不太適用。

不論上述哪一種計算方法，其準確度都取決于云檢測結果的精度。目前國內外對云檢測研究主要有閾值法和神經網絡，其中神經網絡的識別精度被普遍認為高于其它分類器。雖然神經網絡分類方法在眾多方法中有著獨特的優勢，但是也存在著一些問題。傳統的神經網絡采用誤差反饋的梯度學習方法，具有學習速度較慢、迭代次數過多、求解易于陷入局部極小等缺點；另外，傳統的神經網絡訓練需要大量標簽化的樣本，而獲取這些標簽化的數據需要大量的人工標注。這些缺點嚴重影響了神經網絡在云分類中的應用。

〖發明內容〗

本發明針對目前衛星云圖檢測分類器自動化程度低，云量監測精度不高的技術不足，提供一種基于GMDH神經網絡的衛星云量計算方法及裝置。本發明通過以下技術方案實現：

一種基于衛星影像和GMDH神經網絡的云量計算方法，其特征在于，包括以下步驟：

(一)使用聚類方法對云塊樣本進行聚類分析；

(二)將聚類分析后的云塊樣本輸入GMDH神經網絡訓練；

(三)將待檢測衛星云圖輸入GMDH神經網絡進行分類；

(四)根據分類結果進行云量計算。

作為具體的技術方案，步驟(一)包括：

1.1、從衛星云圖樣本上采集X個p*q像素的云塊樣本；

1.2、對X個云塊樣本進行灰度處理；

1.3、通過聚類算法對灰度處理后的X個云塊樣本數據進行聚類分析，并且對聚類后的類別進行標注，類別包括后云、薄云和晴空；

作為具體的技術方案，步驟(二)包括：

2.1、在經過聚類分析的X個云塊樣本中取n_t個樣本作為訓練樣本，取n_c個樣本作為驗證樣本；

2.2、將n_t個訓練樣本及n_c個驗證樣本進行預處理作為GMDH神經網絡的數據輸入，不斷調整GMDH神經網絡中的參數，以云塊檢測率為基準，確定參數完成GMDH神經網絡的訓練。