雷达图像去噪系统、方法及计算机设备技术方案

本申请实施例提供了一种雷达图像去噪系统、方法及计算机设备，其中雷达图像去噪系统包括：第一单元，获取时间上连续的雷达回波图像；第二单元，将时间上连续的所述雷达回波图像输入训练好的神经网络模型；第三单元，基于所述雷达回波图像中的数据的空间特征和时间特征，所述神经网络模型划分真实回波数据和噪声数据。本申请实施例提供的雷达图像去噪系统，基于深度学习的图像语义分割技术搭建神经网络模型，依据雷达回波图像中真实回波数据和噪声数据在连续时间点上的不同特征，运用训练好的神经网络模型对雷达回波图像进行划分，进而实现对图像的去噪，降低干扰，提升气象预测的准确度。

【技术实现步骤摘要】
雷达图像去噪系统、方法及计算机设备
本申请涉及气象预测
，具体而言，涉及一种雷达图像去噪系统、方法及计算机设备。
技术介绍
本申请对于
技术介绍
的描述属于与本申请相关的相关技术，仅仅是用于说明和便于理解本申请的申请内容，不应理解为申请人明确认为或推定申请人认为是本申请在首次提出申请的申请日的现有技术。现阶段的气象预测，通常是借助于气象卫星与雷达回波图像来对未来一段时间内的天气情况进行预测。气象雷达用于探测大气中降水类型(雨、雪、冰雹等)的分布及演变，雷达发射电磁波，对目标进行照射并接收其回波，雷达显示器上会显示出反映雷达回波特征的信号或图像，不同的天气系统或天气现象体现出不同的回波特征，以此推测天气变化。但是，一些非气象目标物也会对雷达电磁波进行反射形成回波，干扰回波图像，影响气象预测的准确性。
技术实现思路
有鉴于此，本申请实施例提供了一种雷达图像去噪系统、方法及计算机设备。第一方面，本申请提供了一种雷达图像去噪系统，包括：第一单元，获取时间上连续的雷达回波图像；第二单元，将时间上连续的所述雷达回波图像输入训练好的神经网络模型；第三单元，基于所述雷达回波图像中的数据的空间特征和时间本文档来自技高网...

【技术保护点】
1.一种雷达图像去噪系统，其特征在于，包括：第一单元，获取时间上连续的雷达回波图像；第二单元，将时间上连续的所述雷达回波图像输入训练好的神经网络模型；第三单元，基于所述雷达回波图像中的数据的空间特征和时间特征，所述神经网络模型划分真实回波数据和噪声数据。

【技术特征摘要】
1.一种雷达图像去噪系统，其特征在于，包括：第一单元，获取时间上连续的雷达回波图像；第二单元，将时间上连续的所述雷达回波图像输入训练好的神经网络模型；第三单元，基于所述雷达回波图像中的数据的空间特征和时间特征，所述神经网络模型划分真实回波数据和噪声数据。2.根据权利要求1所述的系统，其特征在于，基于所述雷达回波图像中的数据的空间特征和时间特征，所述神经网络模型划分真实回波数据和噪声数据包括：将在时间上呈规则运动的数据划分为真实回波数据，将在时间上呈无规则运动的数据划分为噪声数据；将在空间上呈团状结构、有明显边界的数据划分为真实回波数据，将在空间上呈孔洞形状或放射形状、无明显边界的数据划分为噪声数据。3.根据权利要求1所述的系统，其特征在于，所述将雷达回波图像输入训练好的神经网络模型包括：将获取的时间上连续的三幅所述雷达回波图像输入训练好的神经网络模型；所述基于所述雷达回波图像中的数据的空间特征和时间特征，所述神经网络模型划分真实回波数据和噪声数据包括：所述神经网络模型划分三幅所述雷达回波图像中的中间时刻的所述雷达回波图的真实回波数据和噪声数据。4.根据权利要求1所述的系统，其特征在于，还包括：获取雷达回波图像的历史数据作为训练样本；将获取的时间上连续的三幅所述雷达回波图像作为神经网络的输入，将中间时刻的雷达回波图像中每个像素点为噪声的概率作为神经网络的输出；将神经网络输出的噪声概率与所述训练样本标注的噪声概率的平均信息熵作为损失函数训练模型。5.根据权利要求1所述的系统，其特征在于，还包括：第四单元，对所述雷达回波图像进行预处理，所述预处理包括将雷达回波图像中雷达中心一定半径范围内的高噪声区的回波值置零。6.根据权利要求1所述的系统，其特征在于，所述神经网络模型为U-Net结构的多层卷积层和多层反卷积层。7.根据权利要求1所述的系统，其特征在于，所述神经网络模型基于谷歌深度学习开源框架Tensorflow及Keras搭建。8.一种雷达图像去噪方法，其特征在于，包括：获取时间上连续的雷达回波图像；将时间上连续的所述雷达回波图像输入训练好的神经...

【专利技术属性】
技术研发人员：王奇勋，宋宽，杨国伟，何媛，徐春萌，顾竹，张弓，
申请(专利权)人：北京佳格天地科技有限公司，
类型：发明
国别省市：北京,11