[发明专利]海洋锋面识别方法和装置

权利要求书

1.一种海洋锋面识别方法，其特征在于，包括：

将待识别的海表温度图输入到多尺度采样模型中进行不同尺度的采样，得到多个不同尺度的块；

将多个不同尺度的块输入到预先训练好的深度模型中进行模型识别，得到识别结果，其中，所述识别结果包括有锋和无锋；

根据所述识别结果对多个不同尺度的块进行标记；

将标记后的多个不同尺度的块输入到二值化模型中进行拼接，得到与待识别的海表温度图大小相同的二值图；

将与待识别的海表温度图大小相同的二值图输入到细粒度定位划界模型中进行细粒度识别，得到细粒度识别结果，其中，所述细粒度识别结果包括海洋锋的位置和海洋锋强弱的变化趋势。

2.根据权利要求1所述的方法，其特征在于，根据所述识别结果对多个不同尺度的块进行标记包括：

将被识别为有锋的块的所有像素值设置为1，将被识别为无锋的块的所有像素值设置为0。

3.根据权利要求1所述的方法，其特征在于，在将多个不同尺度的块输入到预先训练好的深度模型中进行模型识别之前，所述方法还包括：

将预设数量的训练样本图片进行灰度化处理，得到灰度样本图；

基于所述灰度样本图和对应于每张灰度样本图的标签对AlexNet卷积神经网络模型进行训练，得到所述预先训练好的深度模型。

4.根据权利要求1所述的方法，其特征在于，所述预先训练好的深度模型的网络结构包括5层卷积层，2层全连接层，以及softmax层。

5.根据权利要求1所述的方法，其特征在于，在所述细粒度定位划界模型中，通过离散的尺度权值函数f(n)将不同尺度的细粒度识别结果结合起来，其中，所述离散的尺度权值函数的定义为：f(i)＝A*i+B，i＝1,2,…n，n表示扫描识别结果的数量，i表示不同尺度，A、B为满足的变量。

6.一种海洋锋面识别装置，其特征在于，包括：

采样单元，用于将待识别的海表温度图输入到多尺度采样模型中进行不同尺度的采样，得到多个不同尺度的块；

识别单元，用于将多个不同尺度的块输入到预先训练好的深度模型中进行模型识别，得到识别结果，其中，所述识别结果包括有锋和无锋；

标记单元，用于根据所述识别结果对多个不同尺度的块进行标记；

拼接单元，用于将标记后的多个不同尺度的块输入到二值化模型中进行拼接，得到与待识别的海表温度图大小相同的二值图；

细化定位单元，用于将与待识别的海表温度图大小相同的二值图输入到细粒度定位划界模型中进行细粒度识别，得到细粒度识别结果，其中，所述细粒度识别结果包括海洋锋的位置和海洋锋强弱的变化趋势。

7.根据权利要求6所述的装置，其特征在于，所述标记单元用于：

将被识别为有锋的块的所有像素值设置为1，将被识别为无锋的块的所有像素值设置为0。

8.根据权利要求6所述的装置，其特征在于，所述装置还包括：

处理单元，用于在将多个不同尺度的块输入到预先训练好的深度模型中进行模型识别之前，将预设数量的训练样本图片进行灰度化处理，得到灰度样本图；

训练单元，用于基于所述灰度样本图和对应于每张灰度样本图的标签对AlexNet卷积神经网络模型进行训练，得到所述预先训练好的深度模型。

9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至5中任意一项所述的海洋锋面识别方法。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至5中任意一项所述的海洋锋面识别方法。