-
公开(公告)号：CN112287838B
公开(公告)日：2022-09-27
申请号：CN202011184064.3
申请日：2020-10-29
IPC: G06V10/764 , G06V10/56 , G06V10/44 , G06V20/13
Abstract: 本发明涉及一种基于静止气象卫星影像序列的云雾自动判识方法及系统，获取时间连续的静止气象卫星影像源数据；将静止气象卫星影像源数据按照时间顺序进行排列，得到时序影像数据，以及利用基于颜色的图片分割法提取静止气象卫星影像源数据中每一幅图片的云区和雾区，得到初始掩膜；利用Farneback光流法生成时序影像数据的光流图；根据光流图和初始掩膜计算每一个云区和雾区的像素点的平均光流，并确定云雾分类阈值；根据云雾分类阈值对静止气象卫星影像源数据的每个连通域进行云雾分类，得到云雾自动判识结果。本发明引入了云和雾随时间变化的不同运动属性，能够取得更准确的判识结果，有效提高云雾判识的准确率，同时具有较高的普适性。
-
公开(公告)号：CN112287838A
公开(公告)日：2021-01-29
申请号：CN202011184064.3
申请日：2020-10-29
Abstract: 本发明涉及一种基于静止气象卫星影像序列的云雾自动判识方法及系统，获取时间连续的静止气象卫星影像源数据；将静止气象卫星影像源数据按照时间顺序进行排列，得到时序影像数据，以及利用基于颜色的图片分割法提取静止气象卫星影像源数据中每一幅图片的云区和雾区，得到初始掩膜；利用Farneback光流法生成时序影像数据的光流图；根据光流图和初始掩膜计算每一个云区和雾区的像素点的平均光流，并确定云雾分类阈值；根据云雾分类阈值对静止气象卫星影像源数据的每个连通域进行云雾分类，得到云雾自动判识结果。本发明引入了云和雾随时间变化的不同运动属性，能够取得更准确的判识结果，有效提高云雾判识的准确率，同时具有较高的普适性。
-
公开(公告)号：CN112183452B
公开(公告)日：2023-03-24
申请号：CN202011104887.0
申请日：2020-10-15
IPC: G06V20/13 , G06V10/94 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于气象卫星图像和深度迁移学习的海雾识别方法，包括：制作陆地雾数据集和海雾数据集；使用陆地雾数据集对语义分割网络进行训练，得到陆地雾识别模型；保留陆地雾识别模型中的低层级权重参数不变，使用海雾数据集训练陆地雾识别模型中的高层级权重参数，得到基于深度迁移学习的海雾识别模型；将待识别气象卫星可见光真彩图像输入海雾识别模型，海雾识别模型最后经由sigmoid层输出海雾识别二值结果图，并将海雾识别二值结果图以海雾区域覆盖掩模的形式叠加在待识别气象卫星可见光真彩图像上。本发明基于气象卫星图像和深度迁移学习方法训练获得更具泛化能力的海雾识别模型，具有泛化性好、识别精度高以及自动化程度较高等优点。
-
公开(公告)号：CN112183452A
公开(公告)日：2021-01-05
申请号：CN202011104887.0
申请日：2020-10-15
Abstract: 本发明涉及一种基于气象卫星图像和深度迁移学习的海雾识别方法，包括：制作陆地雾数据集和海雾数据集；使用陆地雾数据集对语义分割网络进行训练，得到陆地雾识别模型；保留陆地雾识别模型中的低层级权重参数不变，使用海雾数据集训练陆地雾识别模型中的高层级权重参数，得到基于深度迁移学习的海雾识别模型；将待识别气象卫星可见光真彩图像输入海雾识别模型，海雾识别模型最后经由sigmoid层输出海雾识别二值结果图，并将海雾识别二值结果图以海雾区域覆盖掩模的形式叠加在待识别气象卫星可见光真彩图像上。本发明基于气象卫星图像和深度迁移学习方法训练获得更具泛化能力的海雾识别模型，具有泛化性好、识别精度高以及自动化程度较高等优点。
-
-
-
Search Results
4
records
(took 0.022 seconds)
