基于语义损失的卫星云图反演雷达数据方法技术

本发明专利技术公开了基于语义损失的卫星云图反演雷达数据方法，包括如下：S1、建立数据集；S2、建立网络结构，对数据集进行特征提取，然后根据相应卷积层的特征计算损失；S3、使用训练集对深度卷积神经网络进行迭代训练，训练好后，使用验证集对训练后的模型进行验证，然后保存在验证集上抗模糊损失函数最小的模型；S4、使用测试集对抗模糊损失函数最小的模型进行测试，判断是否符合要求，若不符合，继续进行步骤S3，进行迭代训练，直到测试结果符合要求，输出正式模型；S5、使用正式模型对卫星云图反演雷达数据，输出结果。本发明专利技术提出的抗模糊损失函数解决了传统使用像素级损失函数的网络训练图像时会出现模糊现象的问题。

【技术实现步骤摘要】
基于语义损失的卫星云图反演雷达数据方法
本专利技术涉及气象探测领域，特别是涉及基于语义损失的卫星云图反演雷达数据方法。
技术介绍
卫星云图是地面接受到的来自气象卫星的云况图片。气象卫星虽然可以对地球进行全方位的监控，但是这种监控尺度太大、面积太广，对于尺度较小、持续时间比较短的局地系统不能做到有效监测。例如：局地强对流，当一个龙卷风产生并不断发展时，卫星云图上并不能观察到，但是雷达可以探测是否有勾状回波产生。所以说，雷达数据的使用使气象探测更为精确。然而，雷达的观测范围并不是全方位的，在雷达部署比较稀疏的西部地区，雷达组网之间存在很大的间隙。同时雷达在海上的观测范围有限，只能覆盖近海地区。为了弥补雷达组网间隙以及海上观测不足，我们尝试使用卫星观测数据来反演雷达数据。目前这方面技术使用并不广泛。由于卫星云图和雷达数据存在一定差异，并不是一一对应的，这就导致一些使用像素级损失函数的网络训练图像时会出现模糊现象。为此，我们在多层卷积网络中引入了特殊的抗模糊损失函数(ContextualLoss)，其对轻微的数据错位是鲁棒的。该损失函数由和两部本文档来自技高网...

【技术保护点】
1.基于语义损失的卫星云图反演雷达数据方法，其特征在于，包括如下步骤：/nS1、建立数据集，对所述数据集进行匹配处理，然后将数据集划分训练集、验证集和测试集；/nS2、建立网络结构，对数据集进行特征提取，然后根据相应卷积层的特征计算损失；所述网络结构包括三部分：特征提取网络、抗模糊损失函数和深度卷积神经网络；/nS3、使用训练集对深度卷积神经网络进行迭代训练，训练好后，使用验证集对训练后的模型进行验证，然后保存在验证集上抗模糊损失函数最小的模型；/nS4、使用测试集对抗模糊损失函数最小的模型进行测试，判断是否符合要求，若不符合，继续进行步骤S3，进行迭代训练，直到测试结果符合要求，输出正式模型...

【技术特征摘要】
1.基于语义损失的卫星云图反演雷达数据方法，其特征在于，包括如下步骤：
S1、建立数据集，对所述数据集进行匹配处理，然后将数据集划分训练集、验证集和测试集；
S2、建立网络结构，对数据集进行特征提取，然后根据相应卷积层的特征计算损失；所述网络结构包括三部分：特征提取网络、抗模糊损失函数和深度卷积神经网络；
S3、使用训练集对深度卷积神经网络进行迭代训练，训练好后，使用验证集对训练后的模型进行验证，然后保存在验证集上抗模糊损失函数最小的模型；
S4、使用测试集对抗模糊损失函数最小的模型进行测试，判断是否符合要求，若不符合，继续进行步骤S3，进行迭代训练，直到测试结果符合要求，输出正式模型；
S5、使用正式模型对卫星云图反演雷达数据，输出反演结果。


2.根据权利要求1所述的基于语义损失的卫星云图反演雷达数据方法，其特征在于，
所述数据集包括第一数据和第二数据，所述第一数据为风云四号卫星拍摄的卫星云图，拍摄的时间间隔为4分钟，图片大小为1500*1750；
所述第二数据为雷达获取的图像，获取的时间间隔为6分钟，图片大小为700*800。


3.根据权利要求2所述的基于语义损失的卫星云图反演雷达数据方法，其特征在于，所述匹配处理如下步骤：
S101、对所述第一数据和所述第二数据进行时间上的匹配；
S102、参照所述第二数据的经纬度，对所述第一数据进行等经纬度投影；
S103、从所述第一数据中截取350*400的图像作为输入图像，相对应的从所述第二数据中截取350*400的图像作为标签图像。


4.根据权利要求3所述的基于语义损失的卫星云图反演雷达数据方法，其特征在于，所述第一数据为风云四号卫星中多个通道获取的数据进行的叠加，所述多个通道包括：NOMChanne...

【专利技术属性】
技术研发人员：谢世朋，梁颖娟，庄文芹，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32