基于随机自适应符号稀疏编码的地基云图分类方法与制造工艺

本发明属于图像处理技术领域，尤其是一种基于随机自适应符号稀疏编码的地基云图分类方法。

背景技术：
云是大气中热力过程和动力过程的外部表现，其生成及演变是大气中发生的错综复杂的物理过程的具体表现之一，不仅反映当时大气的运动、稳定度和水汽情况等，而且能够预示未来一定时间内的天气变化趋势。因此，云的观测是气象观测的重要内容，准确地获取云的信息，对于天气预报以及国民经济和军事保障等诸多领域都有十分重要的意义。目前，云的观测主要是通过地基观测和卫星遥感来完成。其中卫星遥感在大尺度云的观测取得了很好的成果，但由于其空间分辨率以及对云底和多层云的下层云的观测能力的限制，所以不能满足大气科学研究的需要。而地基云观测的范围较小，反映的是云块大小、排列方式以及云的高低分布等局地分部信息，弥补了卫星观测的不足，同时对大气科学许多研究领域具有重要意义。在地基云观测中，云状分类是地基云观测的主要要素，也是分析云资料时的重要统计内容。目前，主要通过地面的人工目测来进行云状分类，即依靠气象观测员主观判断当前天空云状类型。然而，目测云状类型有很多缺点。首先，云状分类采用人工目测方式，每个地面观测站都需要观测人员进行观测，成本较高；其次，人工目测带有较大的主观性，不但容易受到心理、生理、视力、责任心等方面的影响，还会受到观测人员经验和水平的影响。相同的云状由不同的人观测可能会产生不同的观测结果，即使相同的观测员在不同条件下也可能会给出不同的观测结果。因此实现云状的自动分类是当前的迫切需要。近年来，随着硬件技术的发展和数字图像处理技术的不断完善，很多地基遥感测云仪器研制成功，从而获得天空图像，比如国外的全天空成像仪WSI(wholeskyimager)、总天空成像仪TSI(totalskyimager)、红外云成像仪ICI(infraredcloudimager)、全天空数字相机等。上述设备为分析地基云图提供了硬件支持，使得地基云的自动化观测成为可能。国际上云的分类主要以云的基本外形特征和高度特征为依据，并结合云的成因发展和内部微观结构，将云状划分为3族10属29类。其中，3族是把云按照高低分为高云、中云和低云三族，每一族云又划分为几类形成10属云，包括积云、积雨云、层积云、层云、雨层云、高层云、高积云、卷云、卷层云和卷积云。对10属云可进一步划分为29类。然而此分类方法的可操作性并不强，不仅很难适用于器测云分类，而且即使具有相当水平的观测员也很难准确识别这29类云。在云状自动分类的研究方面，国际上Buch等人对WSI云图进行了分类，主要考察云图的纹理特征、位置信息和像元亮度信息，纹理特征选择采用了LAWS纹理分析法；运用二元决策树进行高积云、卷云、层云、积云和晴空等5种天空类型的判断。Peura等人利用云的基本物理信息作为特征将全天空云图分为10属。Singh等人对数字相机得到的云图进行分类，对积云、浓积云、积雨云、天空和其他云类这5种天空类型分类。Heinle等人采用德国吉尔大学获得的全天空图像，通过提取云图的纹理、结构以及统计特征来对云图进行分类。孙学金等人通过研究WSIRCMS获取的红外云图，提出了基于结合模糊纹理光谱和云物理属性的全天空云类识别方法。以上分类方法均是对云图提取简单的纹理特征，显然不能很好地表示地基云图这种包含丰富信息的自然纹理图像，同时能够快速获得云图的分类结果对于那些有实时性要求的系统尤为重要。

技术实现要素：
为了解决上述现有技...