一种天气雷达图像处理方法及系统技术方案

技术编号:17880169 阅读:35 留言:0更新日期:2018-05-06 01:39
本发明专利技术提供一种天气雷达图像处理方法及系统,所述方法包括,接收天气雷达的回波图像,将所述回波图像输入到全卷积神经网络,对所述回波图像的每个像素点进行分类,获取标注真实回波的像素点的预测图像;其中,所述全卷积神经网络包括一个反卷积层和一个softmax层。本发明专利技术提供的方法,通过使用全卷积神经网络,对天气雷达的回波图像进行分类标注,能有效识别出天气雷达回波图像中的真实回波和杂波,提升了对天气雷达图像的处理效率和识别精度。

A weather radar image processing method and system

The present invention provides a weather radar image processing method and system. The method includes receiving the echo image of a weather radar, inputting the echo image into a fully convolution neural network, classifying each pixel point of the echo image and obtaining a prediction image of the pixel points marking the true echo. The total convolution neural network includes a deconvolution layer and a softmax layer. The method provided by the invention can classify the echo images of weather radar by using the full convolution neural network, and can effectively identify the real echo and clutter in the echo image of the weather radar, and improve the processing efficiency and recognition precision of the weather radar image.

【技术实现步骤摘要】
一种天气雷达图像处理方法及系统
本专利技术涉及图像处理领域,更具体地,涉及一种天气雷达图像处理方法及系统。
技术介绍
多普勒天气雷达对降水监测和预报有重要影响,其雷达回波强度可以直观体现降水强度。因此,多普勒天气雷达的数据精度就显得至关重要。现有的多普勒天气雷达,由于其原理所限,在较小仰角时,容易受地面杂物,以及鸟类等影响,产生大量非降水杂波。在地表大气折射率随海拔高度增加而迅速下降时,低仰角雷达电磁波受到折射之后改为朝向地面传播,会产生大量超折射杂波。此外,由于气象雷达反射率数据在生成和传输过程中受到的各种电磁噪音的影响,雷达图像中可能存强度较高的锥形杂波和环形杂波。各种类型的雷达杂波对降水预报和监测产生严重影响。现有技术中,对天气雷达的图像处理通常采用阈值分割法,即设定一个固定的阈值,去掉回波强度小于该阈值的像素点,然而,现有技术中,由于部分降水回波强度较低,杂波也存在强度较高的情况,所以阈值分割法的作用十分有限。另一方面,通过风暴跟踪方法,和连续性检测,可以去除大部分地物杂波,但是不能有效去除超折射杂波、锥形杂波和环形杂波,需要人工订正才能得到正确滤波的雷达图像,导致人工动作工本文档来自技高网...
一种天气雷达图像处理方法及系统

【技术保护点】
一种天气雷达图像处理方法,其特征在于,包括:S1,接收天气雷达的回波图像,将所述回波图像输入到全卷积神经网络,对所述回波图像的每个像素点进行分类,获取标注真实回波的像素点的预测图像;其中,所述全卷积神经网络包括一个反卷积层和一个softmax层。

【技术特征摘要】
1.一种天气雷达图像处理方法,其特征在于,包括:S1,接收天气雷达的回波图像,将所述回波图像输入到全卷积神经网络,对所述回波图像的每个像素点进行分类,获取标注真实回波的像素点的预测图像;其中,所述全卷积神经网络包括一个反卷积层和一个softmax层。2.根据权利要求1所述的方法,其特征在于,所述方法还包括:S2,将所述预测图像中判定为真实回波的像素点进行图像学腐蚀操作;S3,将所述真实回波的像素点进行膨胀操作,直至所述真实回波的像素点周围的像素点的图像梯度大于预设阈值,获取膨胀操作后的标注所述真实回波的像素点的预测图像。3.根据权利要求1或2所述的方法,其特征在于,所述步骤S1中还包括对所述回波图像中的每个杂波的像素点进行标注,获取标注真实回波的像素点和标注杂波的像素点的预测图像。4.根据权利要求1或2或3任一所述的方法,其特征在于,所述全卷积神经网络的结构依次包括:第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第四卷积层、第四池化层、第五卷积层、第五池化层、第六卷积层、第七卷积层、第一反卷积层、第二反卷积层、第三反卷积层和softmax层。5.根据权利要求4所述的方法,其特征在于,所有池化层的步长之积与所有反卷积层的步长之积相等,以使得所述天气雷达的回波图像和所述预测图像的宽度和高度相等。6.根据权利要求1-5中任一所述的方法,其特征在于,所述步骤S1之前还包括,基于滤波前的天气雷...

【专利技术属性】
技术研发人员:林忠万明阳潘涛班浩然
申请(专利权)人:象辑知源武汉科技有限公司
类型:发明
国别省市:湖北,42

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1