申请/专利权人：中国电子科技集团公司第十四研究所

申请日：2019-12-31

公开（公告）日：2024-03-22

公开（公告）号：CN111222439B

主分类号：G06V20/13

分类号：G06V20/13;G06V10/764;G01W1/10;G06N20/10

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2020.06.26#实质审查的生效;2020.06.02#公开

摘要：本发明提出一种基于支持向量机的海雾识别方法，包括以下步骤：步骤S1：在一段时间内，获取卫星通道圆盘投影数据和船舶观测原始数据；步骤S2：进行解码，获取卫星通道格点数据x和能见度观测数据y及对应时次的船舶位置信息；步骤S3：获取卫星通道标准化数据xstd和观测点能见度二值化数据ystd；步骤S4：生成训练和测试样本集，并对支持向量机模型进行训练；通过训练过的所述支持向量机模型对待检测的数据进行海雾识别。本发明采用新一代静止气象卫星葵花8号作为模型输入数据，与现有技术中传统的阈值法相比，支持向量机在解决小样本、非线性、高维模式识别问题上具备较大优势，可提高卫星识别海雾的准确率。

主权项：1.一种基于支持向量机的海雾识别方法，其特征在于，所述海雾识别方法包括以下步骤：步骤S1：在一段时间内，获取卫星通道圆盘投影数据x0和船舶观测原始数据y0；步骤S2：对所述卫星通道圆盘投影数据x0和船舶观测原始数据y0进行解码，获取卫星通道格点数据x和能见度观测数据y及对应时次的船舶位置信息；步骤S3：对所述卫星通道格点数据x进行标准化处理获取卫星通道标准化数据xstd；对所述能见度观测数据y进行有雾无雾的二值化处理获取观测点能见度二值化数据ystd；步骤S4：将对应时间、位置的所述卫星通道格点标准化数据xstd与所述观测点能见度二值化数据ystd进行融合，生成训练和测试样本集，并对支持向量机模型进行训练；步骤S5：通过训练过的所述支持向量机模型对待检测的数据进行海雾识别；在步骤S2中，对所述卫星通道圆盘投影数据x0进行解码，通过像素点在以卫星为原点的坐标系中的位置和地球的赤道半径和极半径，根据几何原理推算出该像素点的经纬度坐标，进而获取出该像素点在圆盘图的经纬度信息，并插值到等间距的经纬度格点上，得到所述卫星通道格点数据x；对所述船舶观测原始数据y0进行解码从所述船舶观测原始数据y0提取所述能见度观测数据y及对应时次的船舶位置信息；在步骤S3中，还包括以下步骤：步骤S31：分别提取卫星各通道数据的最大值的经验常量xmax和最小值的经验常量xmin步骤S32：采用最大值最小值的标准化方法分别对16个通道的所述卫星通道数据x进行标准化处理： 公式中，xstd是卫星通道标准化数据，x是卫星通道格点数据，xmax是卫星通道格点数据最大值的经验常量，xmin是卫星通道格点数据最小值的经验常量；步骤S4中，还包括以下步骤：步骤S41：对给定的时刻t，选取t时刻的所述观测点能见度二值化数据ystd和对应的经纬度坐标lon，lat，共n组；步骤S42：选取t时刻的16个所述卫星通道标准化数据xstd；步骤S43：对步骤S41中筛选出的n组所述观测点能见度二值化数据ystd和对应的经纬度坐标lon，lat数据，分别读取t时刻16个所述卫星通道标准化数据xstd中距离坐标lon，lat最近的格点的数值，组成特征量f；步骤S44：对样本集中的所有时刻T，重复步骤S41-步骤S43，得到与所述观测点能见度二值化数据ystd对应的特征集F；步骤S45：将特征集F分为训练样本和验证样本，其中训练样本包括有雾或无雾的标签，而验证样本不包括有雾或无雾的标签；步骤S46：将所述训练样本输入支持向量机模型进行训练，并通过所述验证样本检验所述支持向量机模型训练准确程度；步骤S5中，还包括以下步骤：步骤S51：将待检测的低维卫星通道标准化数据xstd∈RN，通过核函数kxstd,xi映射到高维空间RH，并在H中构建最优超平面；步骤S52：在高维空间RH最优超平面中构建线性函数：步骤S53：通过对所述线性函数通过阶跃函数计算，并对输出结果进行判决。

全文数据：

权利要求：

百度查询： 中国电子科技集团公司第十四研究所 一种基于支持向量机的海雾识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD