摘要
针对多普勒气象雷达回波图中的地物杂波只能通过肉眼识别且效率低下的问题,提出一种结合卷积神经网络模型与区域重叠灰度共生矩阵的算法,以实现对雷达回波图中特定杂波区域的高效识别。首先设计一个卷积神经网络模型,利用数据集对卷积神经网络进行训练,从而对雷达回波图的俯仰角进行识别;然后利用区域重叠灰度共生矩阵算法对低仰角的气象雷达回波图进行特征提取,检测出存在地物杂波的具体区域;最后得出地物杂波所在具体区域的坐标。经过大量实验,结果表明,该算法可对气象雷达回波图中的地物杂波进行有效识别。
0 引言
当下是人工智能的时代,随着万物皆互联的呼声越来越高,很多需要手工作业完成的工作都开始思考如何用人工智能来替代。随着全国各地天气雷达网的逐步完善,国内已建成覆盖人口密集区的天气雷达网。气象状况与人类的生产生活息息相关,天气状况预测在农业、民航等各个领域也发挥着重要作用。虽然天气雷达可通过识别静止像素判断目标是否运动,从而消除大部分地物杂波,但在低角度区域仍会受到地物杂波的干扰,无法完全识别。当前,仍然需要依靠相关从业人员通过肉眼判别出地物杂波的存在,很明显该工作需要浪费一定人力且效率低下。