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：中国海洋大学

摘要：本发明属于图像处理技术领域，公开了基于多尺度傅里叶融合神经算子的海温补全方法及系统，方法包括步骤S1、预训练，通过预训练得到均值多尺度解耦的频率信号学习模块和波动多尺度解耦的频率信号学习模块的权重；步骤S2、基于预训练的多尺度波动频率信号学习，得到大尺度、中尺度、小尺度三个不同尺度的频率信号，步骤S3、基于多尺度傅里叶融合神经算子的补全，得到补全的图像；步骤S4、全局和局部多尺度判别。通过本发明使得补全的图像更符合真实海温图像，提高了补全的质量。

主权项：1.基于多尺度傅里叶融合神经算子的海温补全方法，其特征在于，包括以下步骤：步骤S1、预训练：输入历史均值图像SSThis_week和历史每日图像SSThis_day，将两者作差得到历史波动图像SSThis_day_ano，然后将历史均值图像SSThis_week和历史波动图像SSThis_day_ano分别输入均值多尺度解耦的频率信号学习模块和波动多尺度解耦的频率信号学习模块得到大尺度、中尺度和小尺度的图像频率信号，随后将不同尺度的频率信号合并之后进行逆傅里叶变换操作，通过预训练得到均值多尺度解耦的频率信号学习模块和波动多尺度解耦的频率信号学习模块的权重；步骤S2、基于预训练的多尺度波动频率信号学习：输入缺失的当日图像SSTday和周均值图像SSTweek，将两者作差得到当日波动图像SSTano，将当日波动图像SSTano输入到预训练阶段训练好的波动多尺度解耦的频率信号学习模块中，得到大尺度、中尺度、小尺度三个不同尺度的频率信号，步骤S3、基于多尺度傅里叶融合神经算子的补全：将周均值图像SSTweek输入到预训练阶段得到的均值多尺度解耦的频率信号学习模块，得到大尺度、中尺度、小尺度三个不同尺度的频率信号，然后将周均值图像SSTweek得到的不同尺度的频率信号和步骤S2中当日波动图像SSTano得到的不同尺度的频率信号分别叠加之后通过双通道过滤层进行处理，处理之后的频率信号进行逆傅里叶变换得到大尺度、中尺度、小尺度三个不同尺度的特征，然后对其进行卷积得到补全的图像SSTrecon；步骤S4、全局和局部多尺度判别：对真实图像SSTground和周均值图像SSTweek进行均值多尺度解耦，然后对其整体通过全局判别器进行判别，通过大尺度、中尺度和小尺度判别器分别对解耦得到的大尺度、中尺度、小尺度图像通过多尺度判别器进行多尺度局部判别；步骤S4分为全局判别和多尺度局部判别两部分，在全局判别中，判别补全的图像SSTrecon整体的真假，将真实海温图像SSTground和周均值图像SSTweek作为真实图像，补全的图像SSTrecon作为虚假图像；在多尺度局部判别中，先将真实海温图像SSTground和周均值图像SSTweek通过均值多尺度解耦的频率信号学习模块进行均值多尺度解耦操作，得到大尺度、中尺度、小尺度三个不同尺度的图像，然后将这三个不同尺度的特征作为真实图像，将步骤S3中逆傅里叶变换操作之后得到的大尺度、中尺度和小尺度三个不同尺度的图像作为虚假图像，分别通过大尺度判别器、中尺度判别器和小尺度判别器来进行判别。

全文数据：

权利要求：

百度查询： 中国海洋大学 基于多尺度傅里叶融合神经算子的海温补全方法及系统