[发明专利]一种基于卷积神经网络的卫星云量计算方法

摘要

本发明公开了一种基于卷积神经网络的为卫星云量计算方法，先建立包含6000~8000训练样本的卫星云图训练样本，手动在卫星云图中标注出各2000~3000样本的厚云，薄云和晴空云图块，以此作为卷积神经网络的训练样本；再将训练样本和卫星云图进行预处理作为卷积神经网络的数据输入，然后进行卷积神经网络检测，以此检测云图中各厚云，薄云和晴空区域所在位置；最后根据云图中厚云、薄云和晴空的位置，分别计算其灰度值，根据其灰度值来进行卫星云图的云量计算。本发明可以把卫星云图图像直接作为CNN的输入，而且将特征提取功能融入神经网络，隐式的对图像的特征进行提取，比现有技术更加方便和精确，具有重要的应用价值。

主权项

1.一种基于卷积神经网络的为卫星云量计算方法，其特征在于，它包括以下步骤：(1)建立包含6000～8000训练样本的卫星云图训练样本，手动在卫星云图中标注出各2000～3000样本的厚云，薄云和晴空云图块，以此作为卷积神经网络的训练样本；(2)将训练样本和卫星云图进行预处理作为卷积神经网络的数据输入，然后进行卷积神经网络检测，以此检测云图中各个厚云，薄云和晴空区域所在位置；(3)根据检测后云图中厚云、薄云和晴空的位置，分别计算其灰度值，根据其灰度值来进行卫星云图的云量计算；所述步骤(1)具体包括：1)在中国资源卫星中心下载所需的HJ‑1A/1B卫星云图数据；2)利用采集器分别在HJ‑1A/1B卫星云图上采集39*39像素的厚云，薄云和晴空云块各2000块，统一缩放为32*32像素；所述步骤(2)具体包括：1)将整幅卫星云图格式转换为32*32像素形式，和训练样本一起作为卷积神经网络输入源；2)卷积神经网络包含7层，第1层为输入层，第2层为卷基层，通过多个5*5的卷积核提取图片的不同特征，包括12个28*28的特征映射图，第3层为下采样层，是由12个大小为14*14的特征图组成，特征图每个神经元与第1层的2*2领域相连，第4层由16个10*10的特征图组成的卷积层，第5层和第3层一样是下采样层，包含16个5*5的特征图，第6层为全连接层，共有400个连接点，最后一层为输出层，有3个节点，分别代表厚云、薄云和晴空；3)将检测后的卫星云图分别用红绿蓝三色和灰度图表示出来；步骤(3)所述的云量计算方法为：“空间相关法”的基本原理是基于对单个像元辐射量以及晴空和厚云情况下辐射量的检测，获取单个像元的总云量，其计算公式如下：I＝(1‑Ac)Iclr+AcIcld式中，I为像元接收的辐射量；Ac表示像元总云量；Iclr、Icld分别表示晴空/蓝色的最高灰度值、厚云/红色的最低灰度值辐射量；总云量计算公式为：I为像元接收的辐射量；Ac表示像元总云量；Iclr、Icld分别表示晴空/蓝色的最高灰度值、厚云/红色的最低灰度值辐射量。