[发明专利]基于无监督域适应的不同类型气象卫星的多云识别系统

权利要求书

1.一种基于无监督域适应的不同类型气象卫星的多云识别系统，其特征在于，包括以下模块：

输入模块，用于将目标域卫星数据与源域卫星数据作为输入，输入到卫星数据预处理模块；

卫星数据预处理模块，用于根据所输入的卫星数据对卫星数据进行预处理、像素层次的归一化处理、维度处理和同卫星不同通道的最低空间分辨率处理；

源域卫星数据特征提取及卫星数据分割模块，用于对源域的卫星数据进行特征提取与对源域数据及目标域数据的语义分割；

目标域卫星数据特征提取模块，用于对目标域的卫星数据进行特征提取；

目标域卫星数据域鉴别器模块，用于对源域与目标域生成的卫星数据的高维语义特征进行判别并反馈，与目标域卫星数据特征提取模块呈对抗关系；

以及输出模块，用于输出为目标域卫星的标注后的文件形式。

2.根据权利要求1所述的基于无监督域适应的不同类型气象卫星的多云识别系统，其特征在于，所述输入模块包括源域数据输入模块和目标域数据输入模块，目标域数据输入模块和源域数据输入模块分别将目标域卫星数据与源域卫星数据作为输入，共同输入到卫星数据预处理模块进行操作。

3.根据权利要求1所述的基于无监督域适应的不同类型气象卫星的多云识别系统，其特征在于，在卫星数据预处理模块中，卫星数据的原格式是一个三维数组，卫星数据预处理包括分辨率、经纬度方向的统一，数据格式的统一，像素层次的归一化处理。

4.根据权利要求1所述的基于无监督域适应的不同类型气象卫星的多云识别系统，其特征在于，在卫星数据预处理模块中，卫星数据预处理后转为深度学习框架可用数据格式。

5.根据权利要求1所述的基于无监督域适应的不同类型气象卫星的多云识别系统，其特征在于，在卫星数据预处理模块中，维度处理统一为高×宽×卫星通道数的区域大小。

6.根据权利要求1所述的基于无监督域适应的不同类型气象卫星的多云识别系统，其特征在于，在源域卫星数据特征提取及卫星数据分割模块中，对源域的卫星数据进行特征提取主要包括多层卷积层组成的用于特征提取的深度神经网络，对源域与目标域的卫星数据进行语义分割主要包括多层卷积层与上采样层组成的语义分割神经网络，在最后输出分割结果。

7.根据权利要求1所述的基于无监督域适应的不同类型气象卫星的多云识别系统，其特征在于，在目标域卫星数据特征提取模块中，对目标域的卫星数据进行特征提取，主要包括多层卷积层组成的深度神经网络，提取高维的目标域卫星数据的语义特征。

8.根据权利要求1-7任一项所述的基于无监督域适应的不同类型气象卫星的多云识别系统的控制方法，其特征在于，包括以下步骤：

S1、获取足够数量的两种卫星数据与源域卫星数据的标注并将其传入卫星数据预处理模块；

S2、将预处理后的源域卫星数据传入源域卫星数据特征提取及卫星数据分割模块进行预训练，并得到源域数据的分割训练结果；

S3、将预处理后的目标域卫星数据传入目标域卫星数据特征提取模块与目标域卫星数据域鉴别器模块，结合S2中分割训练结果进行预训练，即只更新目标域卫星数据域鉴别器模块；

S4、完成预训练后继续进行训练，即目标域卫星数据域鉴别器模块与目标域卫星数据特征提取模块迭代更新，并输出最终预测结果。