基于像素卷积网络的气象卫星云图超分处理方法及系统与流程

本发明涉及云图超分处理，具体为基于像素卷积网络的气象卫星云图超分处理方法及系统。

背景技术：

1、在申请号为cn202110251986.x的中国专利中公开了图像超分处理方法、图像超分处理装置及存储介质，其中，图像超分处理方法应用于终端，包括：确定待处理图像；基于终端的电量运行状态，以及待处理图像的图像分辨率，确定图像超分模型，并基于图像超分模型对所述待处理图像进行图像超分处理。

2、现有技术可以在进行图像超分处理过程中，更好地平衡超分处理效果与终端系统耗电量，给用户带来良好的使用体验，然而应用在气象卫星云图中，云图在提取处理时效率不够高，无法快速响应新的云图数据，若想准确预测气象变化，特别是地理范围在乡镇级别精细化预报，则需要通过提高云图的分辨率以及更新云图的时间频次达到超分处理的良好效果，这个过程难以保持优良的精细程度和高清晰度，因此精细化预警预报成为难点。

技术实现思路

1、本发明的目的在于提供基于像素卷积网络的气象卫星云图超分处理方法及系统，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：基于像素卷积网络的气象卫星云图超分处理方法，包括以下步骤：

3、s1、从气象大数据云平台获取低分辨率的卫星云图，且每15分钟更新一次的卫星云图，收集后对低分辨率的卫星云图进行处理；

4、s2、采用基于cgms规范的网格计算方法对指定区域进行气象卫星云图定位与配准后，转换为墨卡托投影，最后将卫星云图解析为像素数据，便于在像素级层面进行超分处理；

5、s3、构建基于像素卷积网络的气象卫星云图超分处理模型，选取涵盖白天、黑夜、晴天、雨天多种天气特征的气象卫星云图，压缩后作为训练数据集，并从未压缩的原始气象卫星云图中选取10%作为验证数据集，利用上述数据集对气象卫星云图超分处理模型进行超分训练，使气象卫星云图精细程度和清晰度明显提升；

6、s4、将气象卫星云图超分处理模型部署于气象大数据云平台，实时对输入的低分辨率气象卫星云图做特征提取，直接通过像素卷积计算输出高分辨率卫星云图。

7、优选的，所述基于cgms规范的网格计算方法公式为：

8、

9、式中，表示气象卫星指向观测目标物的地心，此处观测目标物为已知量，表示气象卫星自旋矢量，表示与之间的夹角，该角可通过观测云图中地球中心的行序号量出，表示余弦函数。

10、优选的，所述步骤s3中，像素卷积网络的构建包括以下步骤：

11、s301、对原始低分辨率气象卫星云图经过3个不同尺寸的卷积层，所采用的卷积核尺寸大小分别为，，，每层输出的卫星云图所提取的特征映射区域大小不同，将不同尺寸的特征通过拼接进行合并，用于提取失真特征和消除压缩伪影及噪声；

12、s302、构建三层卷积来提取气象卫星云图中的主干特征，在第一层卷积中，滤波器数量为64个，卷积核大小为，在第二层卷积中，滤波器数量为32个，卷积核大小为，在第三层卷积中，滤波器数量为16个，卷积核大小为；

13、s303、对合并后的特征和提取到的主干特征进行融合，之后通过采用残差密集模块提取丰富的局部特征作为输出特征，残差密集模块由三个残差稠密块构成。

14、优选的，所述步骤s303中，残差密集模块表示为：

15、

16、式中，表示输入特征，表示输出特征，表示残差稠密块，表示残差缩放系数，表示第一个残差稠密块提取的局部特征，表示第二个残差稠密块提取的局部特征，表示第三个残差稠密块提取的局部特征。

17、优选的，所述像素卷积网络的构建还包括以下步骤：

18、s304、第一层卷积和第二层卷积的激活函数采用relu函数，第三层卷积的激活函数采用tanh函数，得到与输入气象卫星云图尺寸一致以及特征通道数为的特征图，其中为缩放倍数；

19、s305、将特征图中个特征通道重新排列成为的区域，此区域对应高分辨率气象卫星云图中一个的子块，该操作在像素层面将原始宽为、高为以及通道数为的特征图直接转换成宽为、高为以及通道数为的特征图。

20、优选的，所述气象卫星云图超分处理模型为：

21、

22、式中，表示基于像素卷积网络的操作，和分别表示第层的参数，表示第层的卷积操作，和分别表示低分辨率气象卫星云图和高分辨率气象卫星云图，表示卷积层。

23、优选的，所述步骤s3中，采用损失函数不断调整参数来训练气象卫星超分处理模型，损失函数表示为：

24、

25、式中，表示损失函数，表示卷积核、偏置等待学习的参数，表示生成分数像素的神经网络，和分别表示低分辨率气象卫星云图和高分辨率气象卫星云图，表示参数调整次数，，表示取绝对值。

26、基于像素卷积网络的气象卫星云图超分处理系统，包括云图获取单元、云图处理单元、模型构建单元和超分处理单元；

27、所述云图获取单元用于收集并处理低分辨率的气象卫星云图，从气象大数据云平台获取低分辨率的卫星云图，且每15分钟更新一次的卫星云图，收集后对低分辨率的卫星云图进行处理；

28、所述云图处理单元将卫星云图解析为像素数据，便于在像素级层面进行超分处理；

29、所述模型构建单元构建基于像素卷积网络的气象卫星云图超分处理模型，选取涵盖白天、黑夜、晴天、雨天多种天气特征的气象卫星云图，压缩后作为训练数据集，并从未压缩的原始气象卫星云图中选取10%作为验证数据集，利用上述数据集对气象卫星云图超分处理模型进行超分训练，使气象卫星云图精细程度和清晰度明显提升；

30、所述超分处理单元实时对输入的低分辨率气象卫星云图做特征提取，直接通过像素卷积计算输出高分辨率卫星云图。

31、与现有技术相比，本发明的有益效果是：

32、本发明实时获取并预处理低分辨率的fy4b气象卫星云图，解析气象卫星云图为像素数据，便于在像素级层面进行超分处理，构建基于像素卷积网络的气象卫星云图超分处理模型，处理一幅气象卫星云图的时间小于1秒，极大提升了计算效率，快速响应新的气象卫星云图数据，采用损失函数不断调整参数来训练气象卫星云图超分处理模型，提升超分效果，优化后超分气象卫星云图psnr最高达45.56db，模型训练后对原始fy4b卫星云图进行超分的结果，使精细程度和清晰度明显提升，解决气象卫星云图处理速度不够、精细程度不足等难题；

33、本发明通过选取涵盖白天、黑夜、晴天、雨天多种天气特征的气象卫星云图的数据集对气象卫星云图超分处理模型进行训练，模型训练精度提高，气象卫星云图超分处理模型对fy4b卫星云图进行4倍超分处理，提高超分处理速度，超分处理后的气象卫星云图相比直接倍数放大的气象卫星云图更清晰，超分处理效果更好，超分后的气象卫星云图服务于短临气象灾害预警，便于提前识别初生强对流天气，为城市内涝、中小河流洪水、山洪地质灾害防治提供有力支撑。

技术特征：

1.基于像素卷积网络的气象卫星云图超分处理方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于像素卷积网络的气象卫星云图超分处理方法，其特征在于：所述基于cgms规范的网格计算方法公式为：

3.根据权利要求1所述的基于像素卷积网络的气象卫星云图超分处理方法，其特征在于：所述步骤s3中，像素卷积网络的构建包括以下步骤：

4.根据权利要求3所述的基于像素卷积网络的气象卫星云图超分处理方法，其特征在于：所述步骤s303中，残差密集模块表示为：

5.根据权利要求4所述的基于像素卷积网络的气象卫星云图超分处理方法，其特征在于：所述像素卷积网络的构建还包括以下步骤：

6.根据权利要求5所述的基于像素卷积网络的气象卫星云图超分处理方法，其特征在于：所述气象卫星云图超分处理模型为：

7.根据权利要求1所述的基于像素卷积网络的气象卫星云图超分处理方法，其特征在于：所述步骤s3中，采用损失函数不断调整参数来训练气象卫星云图超分处理模型，损失函数表示为：

8.基于像素卷积网络的气象卫星云图超分处理系统，所述气象卫星云图超分处理系统适用于权利要求1-7任意一项所述的基于像素卷积网络的气象卫星云图超分处理方法，其特征在于，包括云图获取单元（1）、云图处理单元（2）、模型构建单元（3）和超分处理单元（4）；

技术总结
本发明公开了基于像素卷积网络的气象卫星云图超分处理方法及系统，涉及云图超分处理技术领域，包括以下步骤：S1、实时获取气象卫星云图；S2、气象卫星云图预处理；S3、构建基于像素卷积网络的气象卫星云图超分处理模型；S4、气象卫星云图实时超分处理。本发明实时获取并预处理低分辨率的FY4B气象卫星云图，解析卫星云图为像素数据，便于在像素级层面进行超分处理，研发基于像素卷积网络的气象卫星云图超分处理模型，极大提升了计算效率，采用损失函数不断调整参数来训练气象卫星云图超分处理模型，提升超分效果，解决气象卫星云图处理速度不够、精细程度不足等难题。

技术研发人员：冯冼,方昆,施佳驰,罗林艳,文立恒,刘晓波,郑秋生,罗红梅,崔巍
受保护的技术使用者：湖南省气象信息中心
技术研发日：
技术公布日：2025/1/6