[發明專利]衛星云圖分類方法及系統

有效

• 申請號: 202010024821.4
• 申請日: 2020-01-10
• 公開（公告）號: CN111274878B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 王春恒;徐健;肖柏華
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/143;G06V10/80
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

本發明涉及一種衛星云圖分類方法及系統，所述分類方法包括：獲取多幅參考衛星云圖，每一參考衛星云圖均有四通道參考紅外圖像；對各參考衛星云圖的四通道參考紅外圖像中的每個像素位置進行標記分類，得到參考標簽；根據各所述參考紅外圖像及對應的參考標簽，進行建模，得到分類網絡模型；根據所述分類網絡模型，識別待處理衛星云圖的四通道外紅圖像，得到對應的類別。本發明通過對多幅參考衛星云圖進行標記分類，并根據參考衛星云圖及參考標簽進行建模，得到分類網絡模型，根據所述分類網絡模型可有效提高云圖像分類的準確性，利于及時預警。

技術領域

本發明涉及圖像識別技術領域，特別涉及一種衛星云圖分類方法及系統。

背景技術

衛星云圖是由氣象衛星自上而下觀測到的地球上的云層覆蓋和地表面特征的圖像。主要包括紅外云圖、可見光云圖及水汽圖等。衛星云圖可以用于識別不同的天氣系統，確定它們的位置，估計其強度和發展趨勢，為天氣分析和天氣預報提供依據。尤其是在海洋、沙漠、高原等缺少氣象觀測臺站的地區，衛星云圖所提供的資料，彌補了常規探測資料的不足，對提高預報準確率起了重要作用。

卷積神經網絡在自然圖像的分類及分割任務中取得了巨大成功，但是目前將深度學習的方法應用到衛星圖像中云分類的準確度比較差，不利于及時預警。

發明內容

為了解決現有技術中的上述問題，即為了提高云圖像分類的準確性，本發明的目的在于提供一種衛星云圖分類方法及系統。

為解決上述技術問題，本發明提供了如下方案：

一種衛星云圖分類方法，所述分類方法包括：

獲取多幅參考衛星云圖，每一參考衛星云圖均有四通道參考紅外圖像；

對各參考衛星云圖的四通道參考紅外圖像中的每個像素位置進行標記分類，得到參考標簽；

根據各所述參考紅外圖像及對應的參考標簽，進行建模，得到分類網絡模型；

根據所述分類網絡模型，識別待處理衛星云圖的四通道外紅圖像，得到對應的類別。

可選地，所述根據各所述參考紅外圖像及對應的參考標簽，進行建模，得到分類網絡模型，具體包括：

針對每一參考紅外圖像，

依次通過多層卷積層和池化層從所述參考紅外圖像中提取深層特征和淺層特征；

通過注意力層對池化層后的淺層特征進行提取，得到精確淺層特征；

將當前深層特征和對應的精確淺層特征融合，并通過反卷積層上采樣，得到采樣特征，所述采樣特征為更新的當前深層特征；重復多次上采樣，得到與各參考紅外圖像大小相同的分類特征；

基于各所述分類特征及對應的參考標簽，建立分類網絡模型，在所述分類網絡模型中通過softmax函數判斷每個云圖像素位置的所屬類別。

可選地，所述卷積層提取的特征的尺寸不變,池化層下采樣得到特征的尺寸為下采樣前特征的一半，反卷積層上采樣得到的特征的尺寸為上采樣前特征的兩倍。

可選地，所述將當前深層特征和對應的精確淺層特征融合，并通過反卷積層上采樣，得到采樣特征，具體包括：

將當前的深層特征與對應相同尺寸的淺層特征進行特征對應位置融合，得到融合特征；

根據所述融合特征，再通過反卷積層進行一次上采樣，獲得采樣特征，所述采樣特征的尺寸為所述融合特征的兩倍。

可選地，所述將當前的深層特征與對應相同尺寸的淺層特征進行特征對應位置融合，得到融合特征，具體包括：

將當前的深層特征與長寬相同的淺層特征進行數值對應位置點乘，得到點乘值；