[发明专利]三维降尺度方法、装置、电子设备及可读存储介质

说明书

本申请实施例提供一种三维降尺度方法、装置、电子设备及可读存储介质，该方法包括：通过线性插值网络对目标图像进行线性插值处理，获得具有第二尺度的第一图像；通过特征提取网络对第一图像进行特征提取，获得第一特征图；通过图像重构网络分别对第一特征图和第一图像进行降尺度处理，获得第一特征图对应的第一降尺度图像和第一图像对应的第二降尺度图像；通过图像融合网络对第一降尺度图像和第二降尺度图像进行融合处理，获得第一融合图像。本方案通过线性插值网络对图像进行线性插值后再输入降尺度网络中，可实现分数倍降尺度，提高了降尺度的精度，且通过降尺度网络对图像进行特征提取，使获得的图像可以保留原始图像中更多的细节，效果更好。

技术领域

本申请涉及降尺度技术领域，具体而言，涉及一种三维降尺度方法、装置、电子设备及可读存储介质。

背景技术

降尺度是指把大尺度、低分辨率的全球气候模式输出的信息转换为小尺度、高分辨率的区域地面气候变化信息的一种方法。

全球气象模式能很好地预估未来全球气象变化，但目前它输出的空间分辨率(通常为300千米左右)较低，缺少详细的区域气象信息，难以对区域气象做出合理的预测。降尺度可以弥补全球气象模式预测区域气象变化的局限，它可以把全球气象模式提供的大尺度气象信息转化为区域尺度的气象信息(如气温、降水、压强等)，从而实现对区域气象预测。

现有的降尺度方法有动力降尺度方法、统计降尺度方法以及统计与动力相结合降尺度方法，但是这些方法都存在精度不够，难以得到较为理想的降尺度效果。

发明内容

本申请实施例的目的在于提供一种三维降尺度方法、装置、电子设备及可读存储介质，用以改善现有技术中的降尺度方法的精度不够无法获得较为理想的降尺度效果的问题。

第一方面，本申请实施例提供了一种三维降尺度方法，用于通过图像超分辨率模型对图像进行降尺度处理，所述图像超分辨率模型包括线性插值网络和至少一级降尺度网络，所述至少一级降尺度网络中的每一级降尺度网络均包括特征提取网络、图像重构网络以及图像融合网络，所述方法包括：通过所述线性插值网络对获得的具有第一尺度的目标图像进行线性插值处理，获得具有第二尺度的第一图像，所述目标图像表征具有所述第一尺度的多个不同高度的气象数据；通过所述至少一级降尺度网络中目标降尺度网络中的特征提取网络对所述第一图像进行特征提取，获得第一特征图，所述目标降尺度网络位于所述线性插值网络之后，且与所述线性插值网络连接；通过所述目标降尺度网络中的图像重构网络分别对所述第一特征图和所述第一图像进行降尺度处理，获得所述第一特征图对应的第一降尺度图像和所述第一图像对应的第二降尺度图像，其中，所述第一降尺度图像和所述第二降尺度图像均表征具有第三尺度的多个不同高度的气象数据，所述第二尺度为所述第三尺度的整数倍，所述第一尺度为所述第三尺度的非整数倍；通过所述目标降尺度网络中的图像融合网络对所述第一降尺度图像和所述第二降尺度图像进行融合处理，获得具有所述第三尺度的第一融合图像，所述第一融合图像表征具有所述第三尺度的多个不同高度的气象数据。

在上述实现过程中，通过线性插值网络对图像进行线性插值后再输入降尺度网络中，从而可实现分数倍降尺度，有效提高了降尺度的精度，并且通过降尺度网络对图像进行特征提取，使得获得的图像可以保留原始图像中更多的细节，效果更好。

可选地，所述特征提取网络包括X个卷积层，所述通过所述至少一级降尺度网络中目标降尺度网络中的特征提取网络对所述第一图像进行特征提取，获得第一特征图，包括：通过第一卷积层对所述第一图像进行特征提取，获得第一子特征图；依次取i为2到X，通过第i卷积层对所述第一图像以及所述第一子特征图至第i-1子特征图进行特征提取，获得第i子特征图，在所述i为X时，第X子特征图为所述第一特征图，X为大于或等于2的整数。

在上述实现过程中，通过多个卷积层进行特征提取，且每个卷积层的输入均为前面所有卷积层的输出，从而使得最后获得的降尺度图像更好地保留了原始图像更多的细节。