【技术实现步骤摘要】
本专利技术涉及数据处理，特别是涉及一种基于时空自监督学习的多通道静止卫星时序超分方法。
技术介绍
1、高时间分辨率的静止气象卫星数据能够提供更加精细的对流变化过程，为研究对流系统追踪，对流初生、强对流天气预测等工作提供良好的数据基础，而目前的静止气象卫星的时间分辨率不足以刻画对流的快速变化过程。受限于数据、技术手段等因素，目前对于静止气象卫星时序超分的研究较少，大部分研究均将静止气象卫星时序超分作为计算机视觉领域的视频插帧问题进行处理，并沿用视频插帧方法进行静止气象卫星时序超分。
2、传统的视频插帧方法中，基于线性插值或光流插值的时序超分方法使用线性插值或光流插值对一组相邻的待超分帧进行时序超分，利用待超分帧对应位置的像素值关系进行中间帧的合成，方法的参数为恒定值无法利用数据驱动优化。基于深度学习光流估计框架的时序超分方法使用u-net、transformer等不同的神经网络对待超分帧进行光流的估计，并通过对待超分帧的前后向扭曲来合成中间帧从而实现时序超分。
3、然而，基于传统线性插值或光流插值的时序超分方法使用...
【技术保护点】
1.一种基于时空自监督学习的多通道静止卫星时序超分方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于时空自监督学习的多通道静止卫星时序超分方法，其特征在于，获取训练数据集，包括：
3.根据权利要求2所述的基于时空自监督学习的多通道静止卫星时序超分方法，其特征在于，所述训练数据集包括由低分辨率待超分数据与高分辨率真值标签组成的数据对，包括：
4.根据权利要求1所述的基于时空自监督学习的多通道静止卫星时序超分方法，其特征在于，所述隐空间编码器的结构表达式为：
5.根据权利要求4所述的基于时空自监督学习的多通道静止...
【技术特征摘要】
1.一种基于时空自监督学习的多通道静止卫星时序超分方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于时空自监督学习的多通道静止卫星时序超分方法，其特征在于，获取训练数据集，包括：
3.根据权利要求2所述的基于时空自监督学习的多通道静止卫星时序超分方法，其特征在于，所述训练数据集包括由低分辨率待超分数据与高分辨率真值标签组成的数据对，包括：
4.根据权利要求1所述的基于时空自监督学习的多通道静止卫星时序超分方法，其特征在于，所述隐空间编码器的结构表达式为：
5.根据权利要求4所述的基于时空自监督学习的多通道静止卫星时序超分方法，其特征在于，所述序列时空运动流估计模块的结构表达式为：
6.根据权利要求5所述的基于时空自监督学习的多通道静止卫星时...
【专利技术属性】
技术研发人员：林翔，李昀英，李骞，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
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。