基于PPCT的气象灾难预测方法技术

本发明专利技术提供基于PPCT的气象灾难预测方法，首先，利用PPCT显著性检测算法对星载图像进行显著性检测，获得高光谱图像的显著性结果，最后，使用VGG对显著性视图进行识别预测，获得各个位置的气象预测结果，达到对各区域气象灾害预测的目的。针对星载图像对气象预测准确率低、实时性差等问题，本发明专利技术提出了一种基于脉冲主成分变换(PPCT，Pulsed Principal Component Transfrom)用于星载图像的显著性检测。检测。检测。

【技术实现步骤摘要】
基于PPCT的气象灾难预测方法


[0001]本专利技术涉及气象灾害预测领域，特别设计基于PPCT的气象灾难预测方法。

技术介绍

[0002]近年来，随着深度学习技术的高速发展，气象灾害预测技术得到了极大的发展，然而，高光谱图像数据量大，信息量复杂，造成基于深度学习的气象灾害预测技术准确行低等问题，显著性检测是利用变换编码等技术提取图像的显著性区域，能够有效去除图像的冗余背景信息，增加深度学习算法的预测精度。但目前显著性检测算法大多数存在算法复杂度高或显著性检测效果差等问题，因此亟待提出一种结合深度学习与显著性检测方法用于对气象灾害进行预测。

技术实现思路

[0003]为了解决上述存在问题。本专利技术提出一种基于PPCT的气象灾难预测方法，对气象灾害进行有效预测，为达此目的：
[0004]本专利技术提出基于PPCT的气象灾难预测方法，所述具体步骤如下：
[0005]步骤1：利用星载高光谱成像仪采集大气对流云高光谱图像信息；
[0006]步骤2：对高光谱图像进行降采样处理；
[0007]步骤3：使用P本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于PPCT的气象灾难预测方法，所述具体步骤如下，其特征在于，步骤1：利用星载高光谱成像仪采集大气对流云高光谱图像信息；步骤2：对高光谱图像进行降采样处理；步骤3：使用PPCT算法对高光谱图像进行显著性检测，获得高光谱图像的显著性结果图；步骤4：对高光谱图像的显著性结果图进行黑白化二值处理；步骤5：使用VGG网络模型分别对高光谱图像和高光谱的显著性的二值化视图进行训练识别；步骤6：对高光谱图像和高光谱的显著性的二值化视图的预测结果进行加权平均，对气象进行预测。2.根据权利要求1所述的基于PPCT的气象灾难预测方法，其特征在于；所述步骤3中，PPCT算法可以表示为P＝PCA(X)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)Pr＝PCA
‑1(Q)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)Y＝G(Pr)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中，X表示高光谱图像，P表示高光谱图像的主成分分析系数，PCA(
·
)表示主成分分析函数，表示高光谱图像的主成分分析系数P的均值，round(
·
)表示求四舍五入的函数，Q表示高光谱图像主成分系数的量化处理结果，PCA
‑1表示主成分分析...

【专利技术属性】
技术研发人员：周洪成，
申请(专利权)人：金陵科技学院，
类型：发明
国别省市：