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！

龙图腾网获悉杭州电子科技大学申请的专利一种气象特征图像聚类与模糊融合的非气象目标识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119600318B 。

龙图腾网通过国家知识产权局官网在2025-10-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411584099.4，技术领域涉及：G06V10/762；该发明授权一种气象特征图像聚类与模糊融合的非气象目标识别方法是由姜亚定;王凯鑫;孟佳涵;蒋梦赛;董志佳;周文晖;张桦设计研发完成，并于2024-11-07向国家知识产权局提交的专利申请。

本一种气象特征图像聚类与模糊融合的非气象目标识别方法在说明书摘要公布了：本发明公开了一种气象特征图像聚类与模糊融合的非气象目标识别方法。首先对毫米波云雷达气象数据进行预处理。然后生成气象数据参量特征图像，将二维气象数据数组转化为二维伪彩图像。通过分析气象目标和非气象目标在数据图像上的分布特征，利用图像分割大模型将气象数据参量特征图像划分成不同的潜在目标区域，提取潜在目标区域内的参量特征，计算反射率因子的平均径向纹理和库间变化程度、径向速度的区域平均值和方差、速度谱宽的区域平均值参量特征统计信息。采用模糊逻辑融合算法确定统计信息的模糊隶属函数，设置模糊规则计算每个数据点的模糊隶属度，加权求和法去模糊化得到与阈值相比的判断值。本发明提高了识别非气象目标的准确性。

本发明授权一种气象特征图像聚类与模糊融合的非气象目标识别方法在权利要求书中公布了：1.一种气象特征图像聚类与模糊融合的非气象目标识别方法，其特征在于，对毫米波云雷达气象数据的多种参量特征数据，采用图像分割大模型实现多种参量特征图像的特征聚类，然后利用模糊逻辑融合算法实现多特征聚类结果的融合判决，并完成非气象目标的高精度识别；该方法具体包括如下步骤： 步骤1、毫米波云雷达气象数据的预处理； 1-1.收集某站点毫米波云雷达THI模式下全天的原始气象回波数据； 1-2.对原始气象回波数据进行滤波，提取滤波后气象回波数据的气象数据参量特征，包括反射率因子Z、径向速度V、谱宽W、信噪比SNR四个参量特征，进行归一化处理后数组矩阵形式保存； 步骤2、毫米波云雷达气象数据参量特征图像的生成； 2-1.采用伪彩色处理方式，将归一化后的气象数据参量特征根据数值大小对应到不同伪彩色，制作各气象数据参量特征图像； 2-2.采用图像分割和聚类方法分析气象目标和非气象目标在各气象数据参量特征图像上的特性； 步骤3、毫米波云雷达气象数据参量特征图像的潜在目标的聚类 3-1.对SAM图像分割大模型进行one-shot方式微调； 3-2.对各气象数据参量特征图像进行无监督聚类，根据参量特征在时间维度上的连续性和一致性，将各气象数据参量特征图像划分为不同的区域，每个区域代表不同的回波特征，包括背景区域、气象回波区域和非气象回波区域，将气象回波区域和非气象回波区域作为潜在目标区域； 步骤4、提取潜在目标区域的参量特征统计信息 根据划分出的潜在目标区域，提取出各个目标区域内气象数据参量特征的统计信息，包括反射率因子平均径向纹理、回波强度沿径向的库间变化程度、径向速度的区域平均值、径向速度的区域方差和速度谱宽的区域平均值，并作为后续模糊逻辑融合算法的输入； 步骤5、模糊逻辑融合算法的非气象目标识别 5-1.根据得到的各个潜在目标区域的统计信息，确定各气象数据参量特征统计信息的模糊隶属函数； 5-2.根据非气象目标的典型参量特征，设定模糊逻辑规则，计算潜在目标区域内每个数据点不同参量特征统计信息的非气象目标模糊隶属度，将这些模糊隶属度加权求和得到每个数据点的非气象目标可能性评分； 5-3.根据预先设置的阈值，将潜在目标区域内的每个数据点确定为非气象目标或气象目标，调整阈值大小，使潜在目标区域的模糊边界和区域内难以明确分类的点更加清晰化和明确化，提高非气象目标识别的准确率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。