【技术实现步骤摘要】
本申请一个或多个实施例涉及卫星遥感，尤其涉及一种卫星遥感云类型识别方法、装备、电子设备及存储介质。
技术介绍
1、天气和环境对于光伏发电影响极大，准确预测光伏发电功率对于光伏并网具有重要的意义。目前，通常采用光伏电站本身的历史发电信息和当地的历史天气信息，训练反映两者对应关系的模型，并结合未来天气预报的信息预测光伏电站的发电状况，但预测精度仍有待提高。
2、目前预测精度仍然主要受限于区域气象和环境信息的预测精度，需要根据高精度的卫星遥感数据获取准确的云和气溶胶等大气成份的理化光学参数和变化趋势，结合地面和探空气象数据开展短时气象环境预报。其中，如何实现对云目标的准确分类识别是一个亟待解决的问题。
技术实现思路
1、有鉴于此，本申请一个或多个实施例的目的在于提出一种卫星遥感云类型识别方法、装备、电子设备及存储介质，可以根据卫星遥感数据对云对象进行高效准确的分类识别。
2、基于上述目的，本申请一个或多个实施例提供了一种卫星遥感云类型识别方法，包括：
3、获取初始遥感样本图像，根据所述初始遥感样本图像构建训练样本库；
4、利用所述训练样本库对深度卷积神经网络进行训练优化；
5、获取待测卫星遥感图像，利用训练优化后的所述深度卷积神经网络对所述待测卫星遥感图像进行分析，识别确定所述待测卫星遥感图像相应的云类型。
6、可选的，所述根据所述初始遥感样本图像构建训练样本库，包括：
7、根据不同云类的多个所述初始遥感
8、利用矢量辐射传输模型对所述样本图集中的多个样本图像中的云目标进行辐射特征模拟，确定与所述样本图像相应的物理特征描述信息；
9、根据所述样本图像与相应的所述物理特征描述信息生成样本数据，根据多项所述样本数据构建所述训练样本库。
10、可选的，所述根据不同云类的多个所述初始遥感样本图像利用生成对抗网络扩展生成样本图集，包括：
11、利用所述生成对抗网络中的生成器提取所述初始遥感样本图像的图像特征，根据所述图像特征生成待定扩展图像；
12、利用所述生成对抗网络中的判别器对所述待定扩展图像进行分析确定所述待定扩展图像的真实概率，根据所述真实概率对所述待定扩展图像的真伪性进行判定；
13、响应于根据所述真实概率无法判定所述待定扩展图像的真伪性时，将所述待定扩展图像作为扩展样本图像输出；
14、所述样本图集包括多个所述初始遥感样本图像与多个所述扩展样本图像。
15、可选的，所述生成器采用域分离网络；
16、所述利用所述生成对抗网络中的生成器提取所述初始遥感样本图像的图像特征，根据所述图像特征生成待定扩展图像，包括：
17、利用所述域分离网络的共享编码器提取所述初始遥感样本图像与所述待定扩展图像的公有特征；
18、利用所述域分离网络的源域私有编码器提取所述初始遥感样本图像的私有特征；
19、利用所述域分离网络的目标域私有编码器提取所述待定扩展图像的私有特征；
20、利用所述域分离网络的共享解码器根据所述公有特征与所述私有特征重构生成所述待定扩展图像。
21、可选的，所述利用矢量辐射传输模型对所述样本图集中的多个样本图像中的云目标进行辐射特征模拟，确定与所述样本图像相应的物理特征描述信息，包括：
22、确定所述样本图像中所述云目标的物理状态信息；
23、根据所述物理状态信息利用所述矢量辐射传输模型对所述云目标进行模拟分析，确定所述云目标的辐射特性信息；
24、根据所述物理状态信息与所述辐射特性信息确定所述物理特征描述信息。
25、可选的，所述利用所述训练样本库对深度卷积神经网络进行训练优化，包括：
26、根据所述训练样本库中所述样本数据的所述样本图像与所述物理特征描述信息提取遥感特征数据；
27、将所述遥感特征数据作为输入数据，利用所述深度卷积神经网络对所述样本数据进行分析识别，确定所述样本数据相对应的类型输出结果；
28、将多项所述样本数据的所述类型输出结果与相应所述云类进行对比，确定所述深度卷积神经网络的识别分类精度；
29、根据所述识别分类精度对所述遥感特征数据进行特征选择，确定最优特征子集，根据所述最优特征子集对所述输入数据进行调整。
30、可选的，所述利用训练优化后的所述深度卷积神经网络分类识别网络对所述待测卫星遥感图像进行分析，包括：
31、根据所述最优特征子集从所述待测卫星遥感图像提取最优遥感特征数据；
32、将所述最优遥感特征数据作为输入数据，利用所述深度卷积神经网络对所述待测卫星遥感图像进行分析识别，确定所述待测卫星遥感图像的云类型。
33、可选的，所述根据所述训练样本库中所述样本数据的所述样本图像与所述物理特征描述信息提取遥感特征数据，包括：
34、生成与所述样本图像相应的灰度图像，根据所述灰度图像提取所述云目标的纹理特征数据；
35、根据所述样本图像提取所述云目标的颜色特征数据；
36、根据所述样本图像提取所述云目标的几何形态特征数据；
37、根据所述物理特征描述信息提取所述云目标的反射率特征数据；
38、根据所述物理特征描述信息提取所述云目标的云相态特征数据；
39、所述遥感特征数据包括所述纹理特征数据、所述颜色特征数据、所述几何形态特征数据、所述反射率特征数据与所述云相态特征数据。
40、可选的，所述根据所述灰度图像提取所述云目标的纹理特征数据，包括：
41、对所述灰度图像中各灰度值进行统计分析，生成灰度共生矩阵；
42、根据所述灰度共生矩阵计算确定所述样本图像的多种纹理表达测度；
43、所述纹理特征数据包括多种所述纹理表达测度。
44、可选的，所述根据所述样本图像提取所述云目标的几何形态特征数据，包括：
45、利用形态学属性滤波器对所述样本图像进行多层级特征变换，生成多个图形特征图像；
46、计算确定所述图形特征图像的图形分解特征数据；
47、根据多个所述图形分解特征数据确定所述样本图像中所述云目标的所述几何形态特征数据。
48、可选的，所述根据所述识别分类精度对所述遥感特征数据进行特征选择，确定最优特征子集，包括：
49、根据所述识别分类精度采用随机森林算法对所述遥感特征数据的多项特征进行评价，确定各项特征的重要性分数；
50、根据所述重要性分数对多项特征进行排序，生成特征序列；
51、从所述特征序列的第一项所述特征开始，逐项增加特征构成多个特征子集；
52、分别在所述遥感特征数据中选取与多个所述特征子集相应的特征数据作为所述输入数据，确定对本文档来自技高网...
【技术保护点】
1.一种卫星遥感云类型识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述初始遥感样本图像构建训练样本库，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据不同云类的多个所述初始遥感样本图像利用生成对抗网络扩展生成样本图集，包括：
4.根据权利要求3所述的方法，其特征在于，所述生成器采用域分离网络；
5.根据权利要求2所述的方法，其特征在于，所述利用矢量辐射传输模型对所述样本图集中的多个样本图像中的云目标进行辐射特征模拟，确定与所述样本图像相应的物理特征描述信息，包括：
6.根据权利要求5所述的方法，其特征在于，所述利用训练优化后的所述深度卷积神经网络分类识别网络对所述待测卫星遥感图像进行分析，包括：
7.根据权利要求5所述的方法，其特征在于，所述根据所述训练样本库中所述样本数据的所述样本图像与所述物理特征描述信息提取遥感特征数据，包括：
8.根据权利要求7所述的方法，其特征在于，所述根据所述灰度图像提取所述云目标的纹理特征数据，包括：
9.根据
10.一种卫星遥感云类型识别装置，其特征在于，包括：
...【技术特征摘要】
1.一种卫星遥感云类型识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述初始遥感样本图像构建训练样本库，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据不同云类的多个所述初始遥感样本图像利用生成对抗网络扩展生成样本图集，包括：
4.根据权利要求3所述的方法，其特征在于，所述生成器采用域分离网络；
5.根据权利要求2所述的方法，其特征在于，所述利用矢量辐射传输模型对所述样本图集中的多个样本图像中的云目标进行辐射特征模拟，确定与所述样本图像相应的物理特征描述信息，包括：
6.根据权利...
【专利技术属性】
技术研发人员：孟令杰，索乐，王琦，欧阳平超，郭丁，王星星，吴俣，王凯，王更科，
申请(专利权)人：国家国防科技工业局重大专项工程中心国家航天局对地观测与数据中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。