基于深度卷积神经网络的气象雷达噪声图像语义分割方法
针对新一代多普勒气象雷达的散射回波图像受非降雨等噪声回波干扰导致精细化短时气象预报准确度降低的问题,该文提出一种基于深度卷积神经网络(DCNN)的气象雷达噪声图像语义分割方法.首先,设计一种深度卷积神经网络模型(DCNNM),利用MJDATA数据集的训练集数据进行训练,通过前向传播过程提取特征,将图像高维全局语义信息与局部特征细节融合;然后,利用训练误差值反向传播迭代更新网络参数,实现模型的收敛效果最优化;最后,通过该模型对气象雷达图像数据进行分割处理.实验结果表明,该文方法对气象雷达图像的去噪效果较好,与光流法、全卷积网络(FCN)等方法相比,该文方法对气象雷达图像中真实回波和噪声回波的识别准确率高,图像的像素精度较高.
气象雷达、深度学习、图像语义分割、图像去噪、卷积神经网络
41
TN957.52
国家自然科学基金U1833107;国家科技重大专项2012ZX03002002
2019-10-28(万方平台首次上网日期,不代表论文的发表时间)
共9页
2373-2381