[發明專利]基于邏輯回歸的FY-3D紅外高光譜云檢測方法

有效

• 申請號: 202110133631.0
• 申請日: 2021-02-01
• 公開（公告）號: CN112767543B
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 余意;史華湘;張衛民;羅藤靈;張琪;王鵬飛;吳建平;王舒暢
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06T17/00
• 分類號: G06T17/00;G06K9/62;G06V10/764;G06F17/11;G06F17/15
• 代理公司: 長沙大珂知識產權代理事務所(普通合伙) 43236
• 代理人: 伍志祥

1.一種基于邏輯回歸的FY-3D紅外高光譜云檢測方法，其特征在于，包括以下具體步驟：

S1.構建HIRAS與MERSI數據匹配模型

(1)時間匹配：

當HIRAS和MERSI的觀測時間滿足以下公式時，則可認為HIRAS和MERSI儀器同時對相同區域進行了觀測，

|t_HIRAS-t_MERSI|＜δ_max

其中，t_HIRAS表示HIRAS的觀測時間，t_MERSI表示MERSI的觀測時間，δ_max為匹配時間閾值，不超過59s；

(2)空間匹配：

匹配算法遍歷每個HIRAS像元，基于球面距離找到該HIRAS像元視場所覆蓋的MERSI像元，當MERSI像元中心經緯度與HIRAS像元中心經緯度滿足以下距離公式時，則可認為HIRAS與MERSI數據空間匹配，以此找到每個HIRAS像元匹配到的MERSI像元，

dd_r

其中，d是MERSI像元與HIRAS像元之間的距離，x1是HIRAS像元中心的緯度，x2是MERSI像元中心的緯度，y1是HIRAS像元中心的經度，y2是MERSI中心像元的經度，R是地球半徑；d_r是HIRAS的匹配半徑，設置為9KM；

(3)確定HIRAS像元云標簽：

根據每個HIRAS像元匹配到的MERSI像元的云檢測數據，確定每個HIRAS視場的云標簽；

S2.生成訓練數據集和測試數據集

將步驟S1中確定的帶有云標簽的HIRAS像元樣本，根據其海陸位置，分別構建海洋數據集和陸地數據集，然后分別訓練海洋云檢測模型和陸地云檢測模型，進而生成海洋和陸地訓練數據集，并將海洋數據集和陸地數據集中的30％作為測試數據集；

S3.訓練邏輯回歸云檢測模型

將上述得到的海洋數據集和陸地數據集，采用邏輯回歸分類算法分別訓練海洋和陸地云檢測模型，并通過使用機器學習算法中的網格搜索方法，選擇合適的邏輯回歸超參數，得到海洋和陸地邏輯回歸云檢測模型；

S4.使用不同天氣實例來做云檢測測試

1)構造訓練海洋和陸地數據集以外的測試數據集，包括不同訓練區域和時間的數據，即時間和空間的泛化性能測試，將原始HIRAS和MERSI數據通過步驟S1生成帶標簽的測試數據集，帶入訓練好的陸地和海洋邏輯回歸云檢測模型做分類，計算出有云、晴空類別的準確度、查準率、查全率和AUC值，驗證模型的性能；

2)選擇訓練數據集之外的天氣實例數據做驗證數據集；

3)將預報結果可視化，并與相同時刻的衛星的真彩云圖、MERSI云檢測產品做比較，檢驗邏輯回歸檢測模型的預報準確性。

2.根據權利要求1所述的基于邏輯回歸的FY-3D紅外高光譜云檢測方法，其特征在于，所述步驟S1中所述HIRAS與MERSI儀器都在同一個衛星平臺，且MERSI儀器的觀測范圍完全覆蓋了HIRAS儀器的觀測范圍。

3.根據權利要求2所述的基于邏輯回歸的FY-3D紅外高光譜云檢測方法，其特征在于，所述MERSI探元陣列的掃描范圍為±55.1°±1°，所述HIRAS探元陣列的掃描范圍為±50.4°。

4.根據權利要求1所述的基于邏輯回歸的FY-3D紅外高光譜云檢測方法，其特征在于，所述步驟S1的(2)中匹配算法的搜索方法為：先找到離HIRAS像元中心最近的MERSI像元，然后基于該MERSI像元上下左右分別搜索32行和32列。