【技术实现步骤摘要】
卫星云图分类方法及系统
本专利技术涉及图像识别
，特别涉及一种卫星云图分类方法及系统。
技术介绍
卫星云图是由气象卫星自上而下观测到的地球上的云层覆盖和地表面特征的图像。主要包括红外云图、可见光云图及水汽图等。卫星云图可以用于识别不同的天气系统，确定它们的位置，估计其强度和发展趋势，为天气分析和天气预报提供依据。尤其是在海洋、沙漠、高原等缺少气象观测台站的地区，卫星云图所提供的资料，弥补了常规探测资料的不足，对提高预报准确率起了重要作用。卷积神经网络在自然图像的分类及分割任务中取得了巨大成功，但是目前将深度学习的方法应用到卫星图像中云分类的准确度比较差，不利于及时预警。
技术实现思路
为了解决现有技术中的上述问题，即为了提高云图像分类的准确性，本专利技术的目的在于提供一种卫星云图分类方法及系统。为解决上述技术问题，本专利技术提供了如下方案：一种卫星云图分类方法，所述分类方法包括：获取多幅参考卫星云图，每一参考卫星云图均有四通道参考红外图像；对各参考卫星云图的四...
【技术保护点】
1.一种卫星云图分类方法，其特征在于，所述分类方法包括：/n获取多幅参考卫星云图，每一参考卫星云图均有四通道参考红外图像；/n对各参考卫星云图的四通道参考红外图像中的每个像素位置进行标记分类，得到参考标签；/n根据各所述参考红外图像及对应的参考标签，进行建模，得到分类网络模型；/n根据所述分类网络模型，识别待处理卫星云图的四通道外红图像，得到对应的类别。/n
【技术特征摘要】
1.一种卫星云图分类方法，其特征在于，所述分类方法包括：
获取多幅参考卫星云图，每一参考卫星云图均有四通道参考红外图像；
对各参考卫星云图的四通道参考红外图像中的每个像素位置进行标记分类，得到参考标签；
根据各所述参考红外图像及对应的参考标签，进行建模，得到分类网络模型；
根据所述分类网络模型，识别待处理卫星云图的四通道外红图像，得到对应的类别。
2.根据权利要求1所述的卫星云图分类方法，其特征在于，所述根据各所述参考红外图像及对应的参考标签，进行建模，得到分类网络模型，具体包括：
针对每一参考红外图像，
依次通过多层卷积层和池化层从所述参考红外图像中提取深层特征和浅层特征；
通过注意力层对池化层后的浅层特征进行提取，得到精确浅层特征；
将当前深层特征和对应的精确浅层特征融合，并通过反卷积层上采样，得到采样特征，所述采样特征为更新的当前深层特征；重复多次上采样，得到与各参考红外图像大小相同的分类特征；
基于各所述分类特征及对应的参考标签，建立分类网络模型，在所述分类网络模型中通过softmax函数判断每个云图像素位置的所属类别。
3.根据权利要求2所述的卫星云图分类方法，其特征在于，所述卷积层提取的特征的尺寸不变,池化层下采样得到特征的尺寸为下采样前特征的一半，反卷积层上采样得到的特征的尺寸为上采样前特征的两倍。
4.根据权利要求2所述的卫星云图分类方法，其特征在于，所述将当前深层特征和对应的精确浅层特征融合，并通过反卷积层上采样，得到采样特征，具体包括：
将当前的深层特征与对应相同尺寸的浅层特征进行特征对应位置融合，得到融合特征；
根据所述融合特征，再通过反卷积层进行一次上采样，获得采样特征，所述采样特征的尺寸为所述融合特征的两倍。
5.根据权利要求4所述的卫星云图分类方法，其特征在于，所述将当前的深层特征与对应相同尺寸的浅层特征进行特征对应位置融合，得到融合特征，具体包括：
将当前的深层特征与长宽相同的浅层特征进行数值对应位置点乘，得到点乘值；
所述点乘值与当前的深层特征的数值相加，获得融合特征。
6.根据权利要求2-5中任一项所述的卫星云图分类方法，其特征在...
【专利技术属性】
技术研发人员：王春恒，徐健，肖柏华，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京;11
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。