[發明專利]一種全圓盤可見光擬合方法、系統、設備及介質

有效

• 申請號: 202310318159.7
• 申請日: 2023-03-28
• 公開（公告）號: CN116342448B
• 公開（公告）日: 2023-09-29
• 發明（設計）人: 鄢俊潔;瞿建華;安宏達;黃奕
• 申請（專利權）人: 北京華云星地通科技有限公司
• 主分類號: G06T5/50
• 分類號: G06T5/50;G06V20/13;G06V20/64;G06V10/82;G06V10/143
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 韓雪梅

1.一種全圓盤可見光擬合方法，其特征在于，所述方法包括：

獲取目標時段的全圓盤數據和目標時段的地表特征圖像；所述全圓盤數據包括：真實真彩圖和紅外通道數據；所述紅外通道數據為靜止軌道輻射成像儀的各中心波長的紅外通道獲取到的圖像；所述靜止軌道輻射成像儀搭載在靜止軌道氣象衛星上；所述紅外通道數據的分辨率與所述地表特征圖像的分辨率不同；

對目標時段的地表特征圖像進行圖像處理，得到目標時段的投影地表特征圖像；所述圖像處理包括：耀斑去除以及圖像數據的重采樣合成；

對目標時段的紅外通道數據進行所述圖像處理，得到目標時段的二維數組；

對目標時段的真實真彩圖進行所述圖像處理，得到目標時段的特征真實真彩圖；

將目標時段的二維數組和目標時段的投影地表特征圖像輸入至可見光模擬模型中進行反演，得到目標可見光真彩圖；所述可見光模擬模型是基于深度神經網絡構建的；

根據目標時段的特征真實真彩圖對目標可見光真彩圖中的云區域進行檢測替換，得到目標時段的可見光云圖。

2.根據權利要求1所述的全圓盤可見光擬合方法，其特征在于，所述可見光模擬模型的確定方法，具體包括：

獲取訓練數據；所述訓練數據是對多個原始訓練數據進行圖像處理得到的；所述原始訓練數據包括訓練時段的全圓盤數據和訓練時段的地表特征圖像；所述訓練數據包括：多個訓練時段的投影地表特征圖像、多個訓練時段的特征真實真彩圖和多個訓練時段的二維數組；

將所述訓練數據按照設定比例劃分為訓練集和驗證集；

構建深度神經網絡；

將所述訓練集輸入至所述深度神經網絡，以所述深度神經網絡輸出的真彩圖與訓練時段的特征真實真彩圖之間的損失最小為目標，對所述深度神經網絡中的擬合參數進行訓練，得到訓練后的深度神經網絡；

采用所述驗證集對所述訓練后的深度神經網絡的擬合參數進行調整，得到可見光模擬模型。

3.根據權利要求1所述的全圓盤可見光擬合方法，其特征在于，所述紅外通道數據的分辨率為4千米；所述地表特征圖像的分辨率為500m。

4.根據權利要求1所述的全圓盤可見光擬合方法，其特征在于，目標時段的投影地表特征圖像的分辨率為4千米。

5.一種全圓盤可見光擬合系統，其特征在于，所述系統包括：

獲取模塊，用于獲取目標時段的全圓盤數據和目標時段的地表特征圖像；所述全圓盤數據包括：真實真彩圖和紅外通道數據；所述紅外通道數據為靜止軌道輻射成像儀的各中心波長的紅外通道獲取到的圖像；所述靜止軌道輻射成像儀搭載在靜止軌道氣象衛星上；所述紅外通道數據的分辨率與所述地表特征圖像的分辨率不同；

特征處理模塊，用于對目標時段的地表特征圖像進行圖像處理，得到目標時段的投影地表特征圖像；所述圖像處理包括：耀斑去除以及圖像數據的重采樣合成；

通道數據處理模塊，用于對目標時段的紅外通道數據進行所述圖像處理，得到目標時段的二維數組；

真彩圖處理模塊，用于對目標時段的真實真彩圖進行所述圖像處理，得到目標時段的特征真實真彩圖；

反演模塊，用于將目標時段的二維數組和目標時段的投影地表特征圖像輸入至可見光模擬模型中進行反演，得到目標可見光真彩圖；所述可見光模擬模型是基于深度神經網絡構建的；

校正模塊，用于根據目標時段的特征真實真彩圖對目標可見光真彩圖中的云區域進行檢測替換，得到目標時段的可見光云圖。