[发明专利]一种基于ENet全卷积网络的气象杂波抑制方法

权利要求书

1.一种基于ENet全卷积网络的气象杂波抑制方法，其特征在于，所述方法包括如下步骤：

S1：气象雷达回波图像获取；

S2：DEM图像获取；

S3：合成待处理图像；

S4：训练ENet全卷积网络模型；

S5：利用上述步骤获得的ENet全卷积网络模型进行杂波抑制；

所述步骤S1包括：利用雷达得到的信号数据，由雷达方程计算出反射率因子，得到了气象雷达回波的强度分布情况，将其量化显示得到一幅含有地杂波的气象回波图像；

所述步骤S2包括：利用载机飞行的地理位置信息，结合飞机扫描波束范围，计算相应的雷达扫描视线，结合DEM数据集中相应位置高度得出相应的可视区和遮挡区，对于可视区和遮挡区的二值化显示，得到一幅与地杂波相一致的DEM图像。

2.如权利要求1所述的基于ENet全卷积网络的气象杂波抑制方法，其特征在于，所述步骤S3包括：

将步骤S1和步骤S2中分别获得的气象回波图像和DEM图像，合成得到待处理图像。

3.如权利要求2所述的基于ENet全卷积网络的气象杂波抑制方法，其特征在于，所述步骤S4包括：

a、将样本气象雷达回波图和样本DEM图像叠加成为样本融合图像；

所述样本气象雷达回波图为将雷达方程计算出的反射率因子量化显示所得的一幅含有地杂波的气象回波图像；

所述样本DEM图像为将雷达扫描视线结合DEM数据得出的可视区和遮挡区二值化显示，得到的一幅与地杂波相一致的DEM图像；

b、将大量样本融合图像和标签图像整理成训练集；

所述标签图像为根据获得上述样本融合图像的载机的相应飞行时间和位置信息，结合气象中心标准气象目标图像信息，得到的一幅与机载气象雷达探测区域对应的气象图像；

c、预设定训练参数；

d、将训练集中的样本融合图像输入到ENet网络中，经过网络计算，输出预测的气象目标杂波抑制结果图；

e、利用交叉熵计算步骤d所得到的气象目标杂波抑制结果图与对应标签图像的误差；使用反向传播算法更新ENet网络权值；

f、保存训练好的模型。

4.如权利要求3所述的基于ENet全卷积网络的气象杂波抑制方法，其特征在于，所述步骤S5包括：

将步骤S3中得到的待处理图像输入到步骤S4中训练好的模型，即得到机载气象回波杂波抑制后的图像。