[發明專利]一種用于確定雷達回波預測幀序列的方法與設備

有效

• 申請號: 202011003479.6
• 申請日: 2020-09-22
• 公開（公告）號: CN111929688B
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 楊光
• 申請（專利權）人: 蔻斯科技（上海）有限公司
• 主分類號: G01S13/95
• 分類號: G01S13/95;G01S7/41
• 代理公司: 上海百一領御專利代理事務所(普通合伙) 31243
• 代理人: 王奎宇;朱永海

本申請通過一種用于確定雷達回波預測幀序列的方法與設備，獲取包含連續N幀的雷達回波原始幀序列，按通道方向疊加后作為第一輸入值，接著將所述雷達回波原始幀序列與當前雷達回波預測幀之幀序號按通道方向疊加后作為第三輸入值，然后將當前雷達回波預測幀與其之前的(N?1)個連續雷達回波預測幀共N幀按通道方向疊加后作為第二輸入值，再接著將所述第二輸入值與所述第三輸入值輸入已訓練的神經網絡，獲取下一幀雷達回波預測幀，最后循環執行上述操作，迭代預測雷達回波預測幀，直至獲得雷達回波預測幀序列。可確定預設時間段內精準度較高的雷達回波圖像預測幀序列。該方法可用于短時臨近天氣預報，帶來較好的實用效果。

技術領域

本申請涉及計算機圖像處理技術領域，尤其涉及一種確定預設時間段內雷達回波預測幀序列的技術。

背景技術

短時臨近預報對與工農業生產和生活相關活動或場景來說非常重要，例如機場運行、城市交通調度等。短時臨近預報通常是通過對未來2小時內的雷達回波預測圖像進行分析，以預測未來短時間內的天氣情況。

現有技術中，傳統方式是通過交叉相關法跟蹤、光流法外推等來確定未來2小時內的雷達回波預測圖像，分析后預測短時臨近天氣預報，但是由于天氣的復雜性和多變性，通過傳統方式預測的短時臨近天氣預報能達到的精準度有限。隨著深度學習的興起，一些基于深度學習的方法預測的雷達回波圖像的精準度相比傳統方式有了較大提升，但存在精準度仍然不夠的技術問題，導致預測效果較差。

發明內容

本申請的目的是提供一種用于確定雷達回波預測幀序列的方法與設備，用以解決現有技術中預測的雷達回波精準度不高的技術問題。

根據本申請的一個方面，提供了一種用于確定雷達回波預測幀序列的方法，其中，所述方法包括：

獲取包含連續N幀的雷達回波原始幀序列，將雷達回波原始幀序列各幀按通道方向疊加，將疊加結果作為第一輸入值，其中，所述N為預設值；

將所述雷達回波原始幀序列與當前雷達回波預測幀之幀序號按通道方向疊加，將疊加結果作為第三輸入值；

將當前雷達回波預測幀與其之前的(N-1)個連續雷達回波預測幀共N幀按通道方向疊加，將疊加結果作為第二輸入值，其中，若所述連續雷達回波預測幀的數量不足(N-1)，從雷達回波原始幀序列中選擇若干數量原始幀直至所述第二輸入值包含的幀數量達到N，若無當前雷達回波預測幀，將第一輸入值作為第二輸入值；

將所述第二輸入值與所述第三輸入值輸入已訓練的神經網絡，獲取下一幀雷達回波預測幀；

循環執行上述操作，迭代預測雷達回波預測幀，直至雷達回波預測幀的幀個數達到預設的雷達回波預測幀序列的數目，將獲得的預設數目雷達回波預測幀組成所述雷達回波預測幀序列。

可選地，所述將所述第二輸入值與所述第三輸入值輸入已訓練的神經網絡，獲取下一幀雷達回波預測幀還包括：

將所述第二輸入值與所述第三輸入值輸入已訓練的神經網絡，獲取當前預測的光流圖像；

將所述當前預測的光流圖像、融合光流后的當前雷達回波預測幀進行光流變換后與所述下一幀雷達回波預測幀進行光流融合，獲得融合光流后的下一幀雷達回波預測幀，并將所述下一幀雷達回波預測幀更新為融合光流后的下一幀雷達回波預測幀，其中，若無融合光流后的當前雷達回波預測幀，則采用當前雷達回波預測幀代替所述融合光流后的當前雷達回波預測幀。

可選地，所述神經網絡為全卷積神經網絡，其中，所述全卷積神經網絡包含預設數目的殘差網絡模塊、卷積下采樣層和反卷積上采樣層。

可選地，其中，所述將所述第二輸入值與所述第三輸入值輸入已訓練的神經網絡，獲取下一幀雷達回波預測幀包括：

將所述第二輸入值與所述第三輸入值分別經過殘差網絡模塊及卷積下采樣層獲得各自的圖像特征；