买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南通大学;中国科学院大气物理研究所

摘要：本发明公开了基于多级去噪网络的卫星闪电成像虚警信号滤除方法，通过预测卫星闪电成像图像上的噪声分布水平，从而将闪电成像虚警信号滤除任务简化为去除图像中特定分布的噪声，本发明第一阶段为自适应噪声分布估计阶段，利用注意力与多尺度机制的分布估计子网络挖掘噪声分布映射关系，第二阶段为非盲去噪阶段，利用深度可分离和残差结构从不同感受野中学习细粒度特征信息，减少去噪过程中的信息丢失，在保证去噪效果的同时减少网络参数，通过相关实验表明，本发明能够有效去除虚假事件，保证卫星闪电成像图像的质量。

主权项：1.基于多级去噪网络的卫星闪电成像虚警信号滤除方法，其特征在于，包括以下步骤：步骤1，构建卫星闪电成像去噪数据集，包括含噪声卫星闪电图像和去噪图像；步骤2，利用4个多尺度卷积模块Multi-Conv和1个通道-空间注意力模块CSM构建噪声水平估计子网络，利用噪声水平估计子网络估计含噪声卫星闪电图像的噪声分布水平；步骤3，利用2个多尺度卷积模块Multi-Conv、2个深度可分离卷积模块DS-Conv以及2个残差卷积模块Res-Conv构建非盲去噪子网络，利用非盲去噪子网络对输入图像进行非盲降噪，得到无噪声预测图像；步骤4，计算无噪声预测图像与真实去噪图像之间的去噪损失，采用交替参数更新策略在正向和反向传播中交替完成相关权重系数更新，以优化噪声水平估计子网络和非盲去噪子网络；步骤5，将优化后的噪声水平估计子网络和非盲去噪子网络组成分割模型，利用分割模型实现给定含噪声的卫星闪电成像的图像去噪；利用4个多尺度卷积模块Multi-Conv和1个通道-空间注意力模块CSM构建噪声水平估计子网络，包括：将第1个Multi-Conv连接CSM，将CSM的输出端依次连接其余3个Multi-Conv，将第4个Multi-Conv的输出端作为噪声水平估计子网络的输出端；噪声水平估计子网络的数学模型表示为：O＝Multi-ConvCSMMulti-ConvI×3其中，I表示此阶段输入特征图，O表示此阶段输出特征图，×3表示操作重复三次；Multi-Conv包括4个1×1卷积层Conv1×1、1个3×3卷积层Conv3×3、1个5×5卷积层Conv5×5以及1个3×3最大池化层Maxpool3×3；Multi-Conv的数学模型表示为：O＝ConcatConv1×1I,Conv3×3Conv1×1I,Conv5×5Conv1×1I,Conv5×5Maxpool3×3I其中，Concat表示特征图拼接操作；利用2个多尺度卷积模块Multi-Conv、2个深度可分离卷积模块DS-Conv以及2个残差卷积模块Res-Conv构建非盲去噪子网络，包括：将第1个Multi-Conv依次连接2个DS-Conv，将第2个DS-Conv的输出端依次连接2个Res-Conv，将第2个Res-Conv的输出端连接第2个Multi-Conv，将Multi-Conv的输出端作为非盲去噪子网络的输出端；非盲去噪子网络的数学模型表示为：O＝Multi-ConvRes-Conv×2DS-Conv×2Multi-ConvI其中，×2表示操作重复两次；DS-Conv由两个深度可分离膨胀卷积金字塔级联构建而成，单个深度可分离膨胀卷积金字塔由三个深度可分离膨胀卷积构成；DS-Conv的数学模型为：O＝ConcatDexConv1×1I,DexConv3×3I,DexConv5×5I其中，DexConv表示深度可分离膨胀卷积。

全文数据：

权利要求：

百度查询： 南通大学 中国科学院大气物理研究所 基于多级去噪网络的卫星闪电成像虚警信号滤除方法