公开(公告)号：CN116246179A

公开(公告)日：2023-06-09

申请号：CN202211657656.1

申请日：2022-12-22

Applicant: 中国人民解放军61540部队 ,  哈尔滨工程大学

Inventor： 成巍 ,  姜宇航 ,  李亚云 ,  孙敬哲 ,  高峰 ,  刘厂

IPC: G06V20/13 ,  G06V10/77 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明涉及气象技术领域，且公开了一种基于深度学习的卫星云图外推方法，包括：使用历史卫星观测数据构建气象卫星时间序列云图数据集；构建基于深度学习的卫星云图外推模型；根据构建的卫星时间序列云图数据集对该深度学习模型进行训练，得到卫星云图外推模型；将实时的卫星时间序列云图数据输入卫星云图外推模型，模型输出未来一段时间的卫星云图，从而实现卫星云图外推。本发明利用深度学习的时间和空间特征提取能力，基于历史卫星时间序列云图数据集训练模型，能够对实时的卫星云图数据进行时间序列预测，克服了现有技术不足。

公开(公告)号：CN114814766B

公开(公告)日：2025-03-14

申请号：CN202210344140.5

申请日：2022-04-02

Applicant: 中国人民解放军61540部队 ,  哈尔滨工程大学

Inventor： 成巍 ,  叶远康 ,  高峰 ,  刘厂 ,  顾春利 ,  孙敬哲 ,  邓志武

IPC: G01S7/41 ,  G06T5/70

Abstract: 本发明提供了一种雷达图像的处理方法以及处理系统，所述处理方法包括：将雷达图像按时间序列排序得到数据集；对所述数据集中的相同位置之间的像素值变化率进行计算分析，以判断是否为噪声；将判定为噪声的数据删除后返回降噪后的雷达图像；按照时间序列顺序继续判断下一时刻图像，直到所述雷达图像全部更新完毕。本发明的雷达图像处理方法利用雷达图像的时间维度属性，基于序列图像构造了该算法，提取图像的噪声特征并进行消除，能够得到更为良好的噪声去除效果。

公开(公告)号：CN115859797A

公开(公告)日：2023-03-28

申请号：CN202211486452.6

申请日：2022-11-24

Applicant: 哈尔滨工程大学

Inventor： 高峰 ,  刘波 ,  成巍 ,  刘厂 ,  李亚云 ,  卞双双 ,  孙静哲 ,  王凯

IPC: G06F30/27 ,  G06F119/02

Abstract: 本发明了一种基于深度学习的卫星定量降水估计方法，属于气象卫星的技术领域。首先收集降水量待估计区域的历史卫星观测数据和使用GPM‑IMERG逐半小时测量的历史区域降水数据，构建训练数据集。然后构建深度学习网络模型，并使用训练数据集对深度学习网络模型进行训练，得到卫星定量降水估计模型。最后将某一时刻的新的卫星观测数据进行处理后得到一份区域数据，并将此区域数据作为卫星定量降水估计模型的输入数据，经过卫星定量降水估计模型输出区域定量降水估计结果，并将该结果可视化为一张降雨强度分布图。本发明利用深度学习的非线性映射能力，提高了降水估计的准确性。

公开(公告)号：CN116908940A

公开(公告)日：2023-10-20

申请号：CN202310842860.9

申请日：2023-07-11

Applicant: 哈尔滨工程大学

Inventor： 高峰 ,  姜宇航 ,  刘厂 ,  成巍 ,  张绍晴

IPC: G01W1/10 ,  G06N3/0464 ,  G06N3/08 ,  G01W1/14

Abstract: 本发明公开了一种基于深度学习的卫星降水预测方法，属于气象技术领域；具体包括：首先，使用历史卫星观测数据和历史降水量网格数据构建卫星降水预测数据集；然后，构建基于深度学习的卫星降水预测模型；利用卫星降水预测数据集对搭建的卫星降水预测模型进行训练，得到卫星降水预测模型的最优参数；将实时的卫星观测数据输入训练好最优参数的卫星降水预测模型中，输出未来时刻的降水量数据，从而实现实时的卫星降水预测。本发明具有较好的区域扩展能力，仅需要获得卫星观测资料，即可扩展至其他地区进行降水预测。

公开(公告)号：CN114814766A

公开(公告)日：2022-07-29

申请号：CN202210344140.5

申请日：2022-04-02

Applicant: 中国人民解放军61540部队 ,  哈尔滨工程大学

Inventor： 成巍 ,  叶远康 ,  高峰 ,  刘厂 ,  顾春利 ,  孙敬哲 ,  邓志武

IPC: G01S7/41 ,  G06T5/00

Abstract: 本发明提供了一种雷达图像的处理方法以及处理系统，所述处理方法包括：将雷达图像按时间序列排序得到数据集；对所述数据集中的相同位置之间的像素值变化率进行计算分析，以判断是否为噪声；将判定为噪声的数据删除后返回降噪后的雷达图像；按照时间序列顺序继续判断下一时刻图像，直到所述雷达图像全部更新完毕。本发明的雷达图像处理方法利用雷达图像的时间维度属性，基于序列图像构造了该算法，提取图像的噪声特征并进行消除，能够得到更为良好的噪声去除效果。

公开(公告)号：CN108830167A

公开(公告)日：2018-11-16

申请号：CN201810507008.5

申请日：2018-05-24

Applicant: 哈尔滨工程大学

Inventor： 刘厂 ,  雷宇宁 ,  周学文 ,  高峰 ,  赵玉新 ,  何忠杰 ,  成巍

IPC: G06K9/00

Abstract: 本发明提供一种基于K-SVD字典学习的海水温度场数据重构方法，包括步骤：海水温度场历史数据预处理，得到训练样本集，利用K-SVD字典学习算法得到适合海水温度场的稀疏基，选取观测矩阵后，对海水温度场进行随机采样，最后利用重构算法重构海水温度场分布。相比于传统的正交类稀疏基，本发明得到的稀疏基更具有海水温度特性的针对性，提高海水温度场的重构效果。

公开(公告)号：CN109284671B

公开(公告)日：2022-02-22

申请号：CN201810869587.8

申请日：2018-08-02

Applicant: 哈尔滨工程大学

Inventor： 刘厂 ,  周诗楠 ,  高峰 ,  赵玉新 ,  雷宇宁 ,  靳光强 ,  成巍 ,  赵艳玲

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明为一种基于ASMP阈值最优和低通滤波的海水温度场重构算法，在观测区域内进行随机采样，得到采样值后，将温度数据转化为一维列信号的形式，并对温度场进行重构，过程如下：首先进行ASMP算法的初始化并运行ASMP算法，确定细化阈值搜索步骤中的起始阈值，在细化阈值搜索步骤中，运行ASMP算法确定最优输入阈值，将得到的最优阈值作为ASMP算法的输入量，再次运行ASMP算法得到稀疏估计，对稀疏估计进行低通滤波处理，并将一维温度信号还原为二维分布的形式，即可得到温度场的二维分布。本发明改进了ASMP重构算法，通过搜索最优输入阈值，使温度场信号稀疏度的估计更精确；根据温度场信号的特性，对稀疏估计进行低通滤波处理，进一步提高了海洋温度场的重构精度。