[發(fā)明專利]基于語義損失的衛(wèi)星云圖反演雷達(dá)數(shù)據(jù)方法

有效

• 申請?zhí)枺?/td>: 202010951615.8
• 申請日: 2020-09-11
• 公開（公告）號: CN112101449B
• 公開（公告）日: 2022-07-15
• 發(fā)明（設(shè)計）人: 謝世朋;梁穎娟;莊文芹
• 申請（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/75;G06V10/82;G06K9/62;G06N3/04;G06T7/90
• 代理公司: 南京瑞弘專利商標(biāo)事務(wù)所(普通合伙) 32249
• 代理人: 徐激波

本發(fā)明公開了基于語義損失的衛(wèi)星云圖反演雷達(dá)數(shù)據(jù)方法，包括如下：S1、建立數(shù)據(jù)集；S2、建立網(wǎng)絡(luò)結(jié)構(gòu)，對數(shù)據(jù)集進(jìn)行特征提取，然后根據(jù)相應(yīng)卷積層的特征計算損失；S3、使用訓(xùn)練集對深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練，訓(xùn)練好后，使用驗證集對訓(xùn)練后的模型進(jìn)行驗證，然后保存在驗證集上抗模糊損失函數(shù)最小的模型；S4、使用測試集對抗模糊損失函數(shù)最小的模型進(jìn)行測試，判斷是否符合要求，若不符合，繼續(xù)進(jìn)行步驟S3，進(jìn)行迭代訓(xùn)練，直到測試結(jié)果符合要求，輸出正式模型；S5、使用正式模型對衛(wèi)星云圖反演雷達(dá)數(shù)據(jù)，輸出結(jié)果。本發(fā)明提出的抗模糊損失函數(shù)解決了傳統(tǒng)使用像素級損失函數(shù)的網(wǎng)絡(luò)訓(xùn)練圖像時會出現(xiàn)模糊現(xiàn)象的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及氣象探測領(lǐng)域，特別是涉及基于語義損失的衛(wèi)星云圖反演雷達(dá)數(shù)據(jù)方法。

背景技術(shù)

衛(wèi)星云圖是地面接受到的來自氣象衛(wèi)星的云況圖片。氣象衛(wèi)星雖然可以對地球進(jìn)行全方位的監(jiān)控，但是這種監(jiān)控尺度太大、面積太廣，對于尺度較小、持續(xù)時間比較短的局地系統(tǒng)不能做到有效監(jiān)測。例如：局地強對流，當(dāng)一個龍卷風(fēng)產(chǎn)生并不斷發(fā)展時，衛(wèi)星云圖上并不能觀察到，但是雷達(dá)可以探測是否有勾狀回波產(chǎn)生。所以說，雷達(dá)數(shù)據(jù)的使用使氣象探測更為精確。然而，雷達(dá)的觀測范圍并不是全方位的，在雷達(dá)部署比較稀疏的西部地區(qū)，雷達(dá)組網(wǎng)之間存在很大的間隙。同時雷達(dá)在海上的觀測范圍有限，只能覆蓋近海地區(qū)。為了彌補雷達(dá)組網(wǎng)間隙以及海上觀測不足，我們嘗試使用衛(wèi)星觀測數(shù)據(jù)來反演雷達(dá)數(shù)據(jù)。

目前這方面技術(shù)使用并不廣泛。由于衛(wèi)星云圖和雷達(dá)數(shù)據(jù)存在一定差異，并不是一一對應(yīng)的，這就導(dǎo)致一些使用像素級損失函數(shù)的網(wǎng)絡(luò)訓(xùn)練圖像時會出現(xiàn)模糊現(xiàn)象。為此，我們在多層卷積網(wǎng)絡(luò)中引入了特殊的抗模糊損失函數(shù)(Contextual Loss)，其對輕微的數(shù)據(jù)錯位是魯棒的。該損失函數(shù)由和兩部分組成，其中，測量生成的圖像和標(biāo)簽圖像的損失，而測量生成的圖像和輸入圖像的損失。Contextual Loss在CNN網(wǎng)絡(luò)性能的優(yōu)化中起著關(guān)鍵作用。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提供基于語義損失的衛(wèi)星云圖反演雷達(dá)數(shù)據(jù)方法，主要解決的問題是：在衛(wèi)星云圖反演雷達(dá)數(shù)據(jù)過程中，使用像素級損失函數(shù)的網(wǎng)絡(luò)訓(xùn)練圖像時會出現(xiàn)模糊現(xiàn)象，本發(fā)明通過在多層卷積網(wǎng)絡(luò)中引入了特殊的抗模糊損失函數(shù)，用以解決該問題。

為實現(xiàn)上述的目的，本發(fā)明提供如下的技術(shù)方案：

基于語義損失的衛(wèi)星云圖反演雷達(dá)數(shù)據(jù)方法，其特征在于，包括如下步驟：

S1、建立數(shù)據(jù)集，對所述數(shù)據(jù)集進(jìn)行匹配處理，然后將數(shù)據(jù)集劃分訓(xùn)練集、驗證集和測試集；

S2、建立網(wǎng)絡(luò)結(jié)構(gòu)，對數(shù)據(jù)集進(jìn)行特征提取，然后根據(jù)相應(yīng)卷積層的特征計算損失；所述網(wǎng)絡(luò)結(jié)構(gòu)包括三部分：特征提取網(wǎng)絡(luò)、抗模糊損失函數(shù)和深度卷積神經(jīng)網(wǎng)絡(luò)；

S3、使用訓(xùn)練集對深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練，訓(xùn)練好后，使用驗證集對訓(xùn)練后的模型進(jìn)行驗證，然后保存在驗證集上抗模糊損失函數(shù)最小的模型；

S4、使用測試集對抗模糊損失函數(shù)最小的模型進(jìn)行測試，判斷是否符合要求，若不符合，繼續(xù)進(jìn)行步驟S3，進(jìn)行迭代訓(xùn)練，直到測試結(jié)果符合要求，輸出正式模型；

S5、使用正式模型對衛(wèi)星云圖反演雷達(dá)數(shù)據(jù)，輸出反演結(jié)果。

優(yōu)選的，所述數(shù)據(jù)集包括第一數(shù)據(jù)和第二數(shù)據(jù)，所述第一數(shù)據(jù)為風(fēng)云四號衛(wèi)星拍攝的衛(wèi)星云圖，拍攝的時間間隔為4分鐘，圖片大小為1500*1750；

所述第二數(shù)據(jù)為雷達(dá)獲取的圖像，獲取的時間間隔為6分鐘，圖片大小為700*800。

優(yōu)選的，所述匹配處理如下步驟：

S101、對所述第一數(shù)據(jù)和所述第二數(shù)據(jù)進(jìn)行時間上的匹配；

S102、參照所述第二數(shù)據(jù)的經(jīng)緯度，對所述第一數(shù)據(jù)進(jìn)行等經(jīng)緯度投影；