[发明专利]一种基于深度学习的云图内插预测方法及系统

权利要求书

1.一种基于深度学习的云图内插预测方法，其特征在于，包括：

获取起始时次云图和结束时次云图；

采用光流法，根据所述起始时次云图和所述结束时次云图生成双向光流；

根据所述双向光流，对中间光流进行预测，得到双向近似中间光流；

根据所述双向近似中间光流、所述起始时次云图和所述结束时次云图进行后向光流翘曲计算，分别得到由预测时次到起始时次的近似中间光流和起始时次云图推算得到的预测时次预估云图以及由预测时次到结束时次的近似中间光流和结束时次云图推算得到的预测时次预估云图；

将所述由预测时次到起始时次的近似中间光流和起始时次云图推算得到的预测时次预估云图、所述由预测时次到结束时次的近似中间光流和结束时次云图推算得到的预测时次预估云图、所述起始时次云图、所述结束时次云图以及所述双向近似中间光流输入至基于深度学习的SuperSlomo模型中，输出预测像素阻塞映射和预测中间光流误差；

根据所述预测中间光流误差和所述双向近似中间光流进行中间光流误差校正，得到校正后的中间时次光流；

根据所述校正后的中间时次光流、所述起始时次云图和所述结束时次云图进行后向光流翘曲计算，分别得到预测时次到起始时次的校正云图以及预测时次到结束时次的校正云图；

根据所述预测时次到起始时次的校正云图、所述预测时次到结束时次的校正云图和所述预测像素阻塞映射进行云图预测，生成最终预测的中间云图。

2.根据权利要求1所述的云图内插预测方法，其特征在于，所述采用光流法，根据所述起始时次云图和所述结束时次云图生成双向光流，具体包括：

根据所述起始时次云图和所述结束时次云图，采用光流法分别生成由起始时次到所述结束时次云图的光流数组以及由结束时次到所述起始时次云图的光流数组，两种所述光流数组构成所述双向光流。

3.根据权利要求1所述的云图内插预测方法，其特征在于，所述根据所述双向光流，对中间光流进行预测，得到双向近似中间光流，具体包括：

将所述双向光流代入到光流预测公式中，对中间光流进行预测计算，分别得到预测时次到结束时次的近似中间光流和预测时次到起始时次的近似中间光流；两种所述近似中间光流构成所述双向近似中间光流；

其中，所述预测时次到结束时次的近似中间光流的光流预测公式为：

所述预测时次到起始时次的近似中间光流的光流预测公式为：

其中，表示预测时次到结束时次的近似中间光流；t表示中间时次，且t∈(0，1)；表示预测时次到起始时次的近似中间光流，F_0→1表示起始时次云图到结束时次云图的光流，F_1→0表示结束时次云图到起始时次云图的光流。

4.根据权利要求1所述的云图内插预测方法，其特征在于，所述根据所述双向近似中间光流、所述起始时次云图和所述结束时次云图进行后向光流翘曲计算，分别得到由预测时次到起始时次的近似中间光流和起始时次云图推算得到的预测时次预估云图以及由预测时次到结束时次的近似中间光流和结束时次云图推算得到的预测时次预估云图，具体包括：

将所述双向近似中间光流、所述起始时次云图和所述结束时次云图代入到后向光流翘曲公式中，计算得到所述由预测时次到起始时次的近似中间光流和起始时次云图推算得到的预测时次预估云图和所述由预测时次到结束时次的近似中间光流和结束时次云图推算得到的预测时次预估云图，表示为：

其中，表示生成的近似中间时次云图；α₀表示控制预估云图的贡献参数，且α₀∈[0，1]；*表示矩阵对应元素相乘；g(·)表示光流翘曲，表示由预测时次到起始时次的近似中间光流和起始时次云图推算得到的预测时次预估云图，表示由预测时次到结束时次的近似中间光流和结束时次云图推算得到的预测时次预估云图；I₀表示起始时次云图，I₁表示结束时次云图；表示预测时次到结束时次的近似中间光流；表示预测时次到起始时次的近似中间光流。