一种基于U-HRNet的卫星云图多尺度融合语义分割方法技术

本发明专利技术属于图像处理技术领域，尤其为一种基于U‑HRNet的卫星云图多尺度融合语义分割方法，包括以下步骤：S1、获取星遥感数据及其他辅助数据，对其进行预处理，构建数据集；S2、U‑HRNet网络下采样部分搭建，使用Res2Net模块提取特征信息；S3、U‑HRNet并行网络结构搭建，使其产生四个不同尺度的特征块；S4、联合金字塔上采样模块(JPU)搭建，对S3输出的四个不同尺度的特征图进行融合，这种网络结构在保证提取特征丰富性的同时，得到的语义分割结果与输入图像的大小一致。本发明专利技术，采用U‑HRNet网络，对可见光与红外图像进行特征融合，既保留了可见光云图的高分辨率、丰富的纹理与边缘信息，又保留了红外云图的热辐射特征，减少云团遮挡所造成的影响。

【技术实现步骤摘要】

本专利技术属于深度学习图像处理，具体为一种基于u-hrnet的卫星云图多尺度融合语义分割方法。

技术介绍

1、云在全球能量循环中扮演着重要的角色，云通过反射和吸收太阳短波辐射、吸收和发射地球长波辐射，改变局地大气能量平衡，影响大气状态、天气演变和全球水循环，被称为地球系统中辐射收支的“调节器”。不同的云具有不同的云顶高度、形态、粒子大小、光学厚度，这必然会对辐射强度和降水概率产生不同的影响。因此正确地识别出云并实现精确地云检测，是实现天气监测与预报的前提。

2、近年来，随着大量卫星的成功发射以及遥感技术的飞速发展，人们对于遥感资料的获取方式变得越发的简单，使用卫星多仪器、多通道联合观测云和降水已经成为当前大气遥感和气候变化领域的研究热点。卫星云图因其具有范围广、周期短、信息量大、成本低等显著优势，已被应用到了生活的方方面面，在天气的监测以及灾害性天气预警中扮演着十分重要的角色。

3、在气象大数据的背景下，深度学习已广泛应用在遥感领域。由于深度学习技术使用特征学习和分层特征提取的高效算法代替了传统方法的人工获取特征方式，因此已在遥感图本文档来自技高网...

【技术保护点】

1.一种基于U-HRNet的卫星云图多尺度融合语义分割方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于U-HRNet的卫星云图多尺度融合语义分割方法，其特征在于：所述S3中Res2Net模块属于拆分混合连接结构，其输出包含不同感受野大小的组合，该结构有利于提取全局和本地信息，Res2Net模块表示为：

3.根据权利要求1所述的基于U-HRNet的卫星云图多尺度融合语义分割方法，其特征在于：所述S4中JPU模块可以从多层次的特征图中提取多尺度特征的上下文信息，这就提升了分割细节的性能，并且这与DeeplabV3的ASPP是显著不同。对提取的特征之间的映...

【技术特征摘要】

1.一种基于u-hrnet的卫星云图多尺度融合语义分割方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于u-hrnet的卫星云图多尺度融合语义分割方法，其特征在于：所述s3中res2net模块属于拆分混合连接结构，其输出包含不同感受野大小的组合，该结构有利于提取全局和本地信息，res2net模块表示为：

3.根据权利要求1所述的基于u-hrnet的卫星云图多尺度融合语义分割方法，其特征在于：所述s4中jpu模块可以从多层次的特征图中提取多尺度特征的上下文信息，这就提升了分割细节的性能，并且这与deeplabv3的aspp是显著不同。对提取的特征之间的映射关系进行编码，在...

【专利技术属性】
技术研发人员：胡奇，王哲，耿辉，徐恩达，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：