一种全圆盘可见光拟合方法、系统、设备及介质技术方案

本发明专利技术公开一种全圆盘可见光拟合方法、系统、设备及介质，涉及人工智能领域；该方法通过获取目标时段的全圆盘数据和目标时段的地表特征图像；对目标时段的全圆盘数据和目标时段的地表特征图像均进行耀斑去除以及图像数据的重采样合成处理；然后将得到的目标时段的二维数组和目标时段的投影地表特征图像输入至基于深度神经网络构建的可见光模拟模型中进行反演，得到目标可见光真彩图；根据目标时段的特征真实真彩图对目标可见光真彩图中的云区域进行检测替换，得到目标时段的可见光云图；本发明专利技术通过对全圆盘数据进行反演得到可见光云图，实现了全覆盖性云图的拟合。实现了全覆盖性云图的拟合。实现了全覆盖性云图的拟合。

【技术实现步骤摘要】
一种全圆盘可见光拟合方法、系统、设备及介质


[0001]本专利技术涉及人工智能领域，特别是涉及一种全圆盘可见光拟合方法、系统、设备及介质。

技术介绍

[0002]目前，GOES
‑
R系列、风云四号系列、Himari
‑
8/
‑
9等新一代地球同步卫星的成像仪测量数据已应用于天气监测和预报、环境监测和气候应用。通常，一个成像仪具有多个光谱波段，涵盖可见(VIS)、近红外(NIR)和红外(IR)区域。除了各种定量产品外，地球同步卫星上的先进成像仪的有用图像产品包括但不限于亮度温度图像、真彩色合成图像、雾、灰尘、强对流风暴、对流形成的合成图像。在白天，基于多波段的真彩色合成图像已被用于监测快速天气和环境变化等许多应用。然而，在夜间，由于只有红外波段可用，只能使用假彩色合成图像进行应用。
[0003]真彩图像能较好地反映高低云的表面特征、纹理特征、对流风暴系统的演变，特别是热带气旋中的云分布和演变，在天气和环境监测中具有重要作用。在地球同步卫星成像仪云图动画的应用中，白天只能使用可见光波段，夜本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种全圆盘可见光拟合方法，其特征在于，所述方法包括：获取目标时段的全圆盘数据和目标时段的地表特征图像；所述全圆盘数据包括：真实真彩图和红外通道数据；所述红外通道数据为静止轨道辐射成像仪的各中心波长的红外通道获取到的图像；所述静止轨道辐射成像仪搭载在静止轨道气象卫星上；所述红外通道数据的分辨率与所述地表特征图像的分辨率不同；对目标时段的地表特征图像进行图像处理，得到目标时段的投影地表特征图像；所述图像处理包括：耀斑去除以及图像数据的重采样合成；对目标时段的红外通道数据进行所述图像处理，得到目标时段的二维数组；对目标时段的真实真彩图进行所述图像处理，得到目标时段的特征真实真彩图；将目标时段的二维数组和目标时段的投影地表特征图像输入至可见光模拟模型中进行反演，得到目标可见光真彩图；所述可见光模拟模型是基于深度神经网络构建的；根据目标时段的特征真实真彩图对目标可见光真彩图中的云区域进行检测替换，得到目标时段的可见光云图。2.根据权利要求1所述的全圆盘可见光拟合方法，其特征在于，所述可见光模拟模型的确定方法，具体包括：获取训练数据；所述训练数据是对多个原始训练数据进行图像处理得到的；所述原始训练数据包括训练时段的全圆盘数据和训练时段的地表特征图像；所述训练数据包括：多个训练时段的投影地表特征图像、多个训练时段的特征真实真彩图和多个训练时段的二维数组；将所述训练数据按照设定比例划分为训练集和验证集；构建深度神经网络；将所述训练集输入至所述深度神经网络，以所述深度神经网络输出的真彩图与训练时段的特征真实真彩图之间的损失最小为目标，对所述深度神经网络中的拟合参数进行训练，得到训练后的深度神经网络；采用所述验证集对所述训练后的深度神经网络的拟合参数进行调整，得到可见光模拟模型。3.根据权利要求1所述的全圆盘可见光拟合方法，其特征在于，所述红外通道数据的分辨率为4千米；所述地表特征图像的分辨率为500m。4.根据权利要求1所述的全圆盘可见光拟合方法，其特征在于，目标时段的投影地表特征图像的分辨率为4千米。5.一种全圆盘可见光拟合系统，其特征在于，所述系统包括：获取模块，用于获取目标时段的全圆盘数据和目标时段的地表特征图像；所述全圆盘数据包括：真实真彩...

【专利技术属性】
技术研发人员：鄢俊洁，瞿建华，安宏达，黄奕，
申请(专利权)人：北京华云星地通科技有限公司，
类型：发明
国别省市：