[发明专利]预测图像获取方法、装置、计算机设备和存储介质

权利要求书

1.一种预测图像获取方法，其特征在于，所述方法包括：

获取多个历史时刻的初始图像；

采用预设的动态信息提取网络，对所述初始图像进行识别，得到表征未来连续时刻气象状态的多个动态图像；其中，所述动态信息提取网络为多层卷积递归神经网络，所述动态信息提取网络包括多个长短期记忆单元；

将多个所述动态图像中最晚时刻的目标动态图像输入内容提取网络进行图像内容提取，得到内容图像；其中，所述内容提取网络为卷积神经网络；

将多个所述动态图像和所述内容图像输入预设的预测网络进行融合和特征提取，得到表征未来连续时刻气象的多个预测图像；其中，所述预测网络包括对抗生成网络GAN。

2.根据权利要求1所述的方法，其特征在于，所述获取多个历史时刻的初始图像，包括：

获取多个历史时刻的原始图像；其中，所述原始图像为雷达拍摄所得到的气象图像；

对多个所述原始图像进行归一化处理，得到归一化原始图像；

对所述归一化原始图像进行填充处理，得到所述初始图像。

3.根据权利要求1或2所述的方法，其特征在于，所述预测网络包括融合子网络和识别子网络，所述将多个所述动态图像和所述内容图像输入预设的预测网络进行融合和特征提取，得到表征未来连续时刻气象的多个预测图像，包括：

采用所述融合子网络将每个所述动态图像分别和所述内容图像进行融合，得到多个与所述动态图像一一对应的融合图像；

采用所述识别子网络对多个所述融合图像分别进行特征提取，得到每个所述融合图像对应的所述预测图像；其中，所述识别子网络包括所述GAN。

4.根据权利要求2所述的方法，其特征在于，所述识别子网络的训练包括：对鉴别器和对生成器的交替训练。

5.根据权利要求4所述的方法，其特征在于，所述鉴别器包括真实性鉴别器和连续性鉴别器，所述鉴别器的训练过程包括：

将训练图像输入所述生成器，得到卷积结果；所述训练图像为雷达拍摄的气象图像；

将所述卷积结果和每个所述训练图像对应的真实图像，输入所述真实性鉴别器，并获取所述真实性鉴别器输出的交叉商损失值的梯度，得到真实梯度；

采用反向传播技术，根据所述真实梯度对所述真实性鉴别器进行训练；

将所述卷积结果和每个所述训练图像对应的所述真实结果，输入连续性鉴别器，并获取所述连续性鉴别器输出的交叉商损失值的梯度，得到连续梯度；

采用反向传播技术，根据所述连续梯度对所述连续性鉴别器进行训练。

6.根据权利要求4所述的方法，其特征在于，所述生成器的训练过程包括：

将训练图像输入所述生成器，得到卷积结果；其中，所述训练图像为雷达拍摄的气象图像；

将所述卷积结果的真实标签设置为真，得到更新卷积结果；

计算所述更新卷积结果和每个所述训练图像对应的真实结果之间的图片均方值误差，得到图片损失；

将所述图片损失、所述更新卷积结果对应的真实交叉商损失值和连续交叉商损失值进行叠加并计算梯度，得到综合梯度；

采用反向传播技术，根据所述综合梯度对所述生成器进行训练。

7.根据权利要求6所述的方法，其特征在于，所述将所述图片损失、所述更新卷积结果对应的真实交叉商损失值和连续交叉商损失值进行叠加并计算梯度，得到综合梯度之前，还包括：

将所述更新卷积结果和每个所述训练图像对应的真实结果，输入真实性鉴别器，得到真实交叉商损失值；

将所述更新卷积结果和每个所述训练图像对应的真实结果，输入连续性鉴别器，得到连续交叉商损失值。