一种基于多尺度结构特征的地基云状识别方法

文档序号:6623226阅读:164来源:国知局
一种基于多尺度结构特征的地基云状识别方法
【专利摘要】本发明提供一种基于多尺度结构特征的地基云状识别方法,具体步骤如下:(1)利用地基红外测云仪获得图像,通过人工对比以及人为校正进行筛选,挑出典型样本组合成典型样本库,作为训练标准集;其余的作为测试样本集;(2)利用分层方法分解训练标准集和测试样本集,得到每张云图的多尺度图像;(3)提取云图的多尺度结构特征;(4)基于所述训练标准集中训练地基云图样本的最终特征表示和所述测试样本集中测试地基云图的最终特征表示,应用支持向量机分类器对所述测试地基云图进行分类,得到所述测试地基云图的分类结果;并根据分类结果对支持向量机的参数进行优化。
【专利说明】-种基于多尺度结构特征的地基云状识别方法

【技术领域】
[0001] 本发明涉及一种基于多尺度结构特征的地基云状识别方法,其主要用于云状的自 动化观测中。

【背景技术】
[0002] 云的形成和演变是大气中发生错综复杂的物理过程的具体表现之一。云的形态、 分布及其变化标志着大气运动的状况,并能作为天气变化的征兆。云的自动观测是世界气 象组织和中国气象局关注的问题,并且中国气象局《综合气象观测研究计划》已将其列为优 先研究主题。
[0003] 云状是重要的气象要素,在天气预测、现场保障、航空航天和气候研究中有重要作 用。一名有经验的观测员可以在白天较好地进行云状的判断,但夜间,尤其暗夜的判断难以 有效进行。此外,培养有经验的观测员需要较长时间和较大费用,观测员由于水平不一造成 数据误差较大。研究云状自动识别对于提高地面气象要素自动化观测水平,全面实现气象 要素自动化观测有促进作用。
[0004] 随着技术的不断发展,地基测云仪器得到了很好的改进,云量和云底高目前基本 能实现仪器自动测量,但云状自动识别一直是云的自动观测的难点,未能得到有效解决。其 主要原因在于,云体本身是不断运动和变化的,观测员可以根据云的形态、颜色、轮廓、范 围、云的演变物理过程以及与云有关的天气系统的性质等等对云状进行综合判别,但计算 机进行图像识别时,以传统的纹理特征提取方法很难对这些复杂的特征进行行之有效的描 述,从而造成自动识别较为困难。
[0005] 目前,国内外一些学者对地基云状自动识别已经做了大量的工作。如,Buch等对 WSI (Whole Sky Imager)云图进行了识别分类,主要考察了云图的纹理特征、位置信息和像 素点亮度信息,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,总正确率为61 %。Singh等利用数字相机得到的图像进行地基云图识别分类研究,通过 自相关法、灰度共生矩阵法、LAWS能量法等方法提取出上百种云特征,进行区分积云、浓积 云、积雨云、晴空和其他云类这五种天空类型。但对于分类效果仅限于方法性的讨论,认为 获取的图像的质量和图像分割的质量会影响分类效果。此外,Calb0等采用位于不同地区 的TSI (Total Sky Imager)和WSC(Whole Sky Camera)仪器的数据,通过抽取原始图像的 统计信息、Fourier变换图像的信息和有云无云点的信息进行晴空、波状云、卷云、层状云和 积状云五类天空状况的识别,正确率达到76%。以上方法主要是利用数字图像处理技术中 发展起来的纹理特征对云图特性进行表达,研究像素灰度值的分布和组合信息,而没有结 合地基云图自身特点和人工目测经验对云的结构信息进行研究。从目前的研究结果来看, 现有的地基云状特征的表述因子还不够有效,不能很好的表示地基云图的信息。


【发明内容】

[0006] 为了解决上述现有技术存在的问题,本发明的目的是充分考虑人工目测云状经 验,利用多尺度分析的方法,在原有云图的基础上增加尺度信息,模拟人眼观测,提出一种 针对地基云图特点的特征表达性能更好的云状识别方法。
[0007] 本发明的技术方案为:一种基于多尺度结构特征的地基云状识别方法,具体步骤 如下:
[0008] (1)利用地基红外测云仪获得图像,通过人工对比以及人为校正进行筛选,挑出典 型样本组合成典型样本库,作为训练标准集;其余的作为测试样本集;
[0009] (2)利用分层方法分解训练标准集和测试样本集,得到每张云图的多尺度图像; [0010] (3)提取云图的多尺度结构特征;
[0011] (4)基于所述训练标准集中训练地基云图样本的最终特征表示和所述测试样本集 中测试地基云图的最终特征表示,应用支持向量机分类器对所述测试地基云图进行分类, 得到所述测试地基云图的分类结果;并根据分类结果对支持向量机的参数进行优化。
[0012] 进一步的,步骤(2)中所利用的分层方法为高斯金字塔分解的方法,具体方法如 下:
[0013] 将原始图像心作为高斯金字塔的第0层,高斯金字塔的第1层图像h通过1-1层 图像与窗口函数W(m,η)卷积获得,并将获得的结果隔行隔列降采样,即:
[0014]

【权利要求】
1. 一种基于多尺度结构特征的地基云状识别方法,其特征是:具体步骤如下: (1) 利用地基红外测云仪获得图像,通过人工对比以及人为校正进行筛选,挑出典型样 本组合成典型样本库,作为训练标准集;其余的作为测试样本集; (2) 利用分层方法分解训练标准集和测试样本集,得到每张云图的多尺度图像; (3) 提取云图的多尺度结构特征; (4) 基于所述训练标准集中训练地基云图样本的最终特征表示和所述测试样本集中测 试地基云图的最终特征表示,应用支持向量机分类器对所述测试地基云图进行分类,得到 所述测试地基云图的分类结果;并根据分类结果对支持向量机的参数进行优化。
2. 根据权利要求1所述的基于多尺度结构特征的地基云状识别方法,其特征是:步骤 (2) 中所利用的分层方法为高斯金字塔分解的方法,具体方法如下: 将原始图像心作为高斯金字塔的第0层,高斯金字塔的第1层图像匕通过1-1层图像 与窗口函数W(m,η)卷积获得,并将获得的结果隔行隔列降采样,即:
其中,Ν表示高斯金字塔顶层的层数,Q表示高斯金字塔第1图像的列数,氏表示高斯 金字塔第1图像的行数,w(m, η)为5X5的窗口函数。
3. 根据权利要求2所述的基于多尺度结构特征的地基云状识别方法,其特征是:对图 像Q进行内插方法,得到放大图像<,且获得的图像 < 和Gl_i的尺寸相同,即:
4. 根据权利要求1所述的基于多尺度结构特征的地基云状识别方法,其特征是:步骤 (3) 中所述云图的多尺度结构特征包括云图的多维灰度变化特征、云图的多维有效云块比、 云图的云块边缘变化特征、云图的云体尺度分布特征。
5. 根据权利要求4所述的基于多尺度结构特征的地基云状识别方法,其特征是:步骤 (3)中所述提取云图的多尺度结构特征,在提取特征之前,对每一张图像进行阈值分割,得 到二值化图像BW,将图像BW进行一次开闭运算,得到分割后的图像X。
6. 根据权利要求5所述的基于多尺度结构特征的地基云状识别方法,其特征是:提取 分割后的图像X的多维灰度变化特征,具体方法如下: 多维灰度特征:
多维灰度变化特征:
式中,g(x,y)为像素点(x,y)的灰度值,N表示分割图像X中等于1的像素总数即云点 个数,η表示图像所分层数,i表示云层数,f(x)表示拟合直线的斜率函数。
7. 根据权利要求5所述的基于多尺度结构特征的地基云状识别方法,其特征是:提取 分割后的图像X的多维有效云块比特征,具体方法如下: 利用分割后的二值图像X定义多维有效云块比DCFB :
式中,Ntotal表示分析区域总像素个数,Nd()Ud表示某一块云的像素个数,η表示图像所 分层数,i表示云层数,f(x)表示拟合直线的斜率函数。
8. 根据权利要求5所述的基于多尺度结构特征的地基云状识别方法,其特征是:提取 分割后的图像X的云块边缘变化特征,即在得到云的主体轮廓后,对轮廓点求取较小区域 和稍大区域灰度标准差的差值来表示所述轮廓点的梯度信息。
9. 根据权利要求8所述的基于多尺度结构特征的地基云状识别方法,其特征是:提取 分割后的图像X的云块边缘变化特征,具体方法如下:在得到云的主体轮廓后,对轮廓点求 取3pixel X 3pixel和5pixel X 5pixel区域的灰度标准差的差值来表示所述轮廓点的梯度 信息; 云块边缘变化特征用ESB表示:
其中,f(x)表示拟合直线的斜率函数,η表示图像所分层数。
10. 根据权利要求5所述的基于多尺度结构特征的地基云状识别方法,其特征是:提取 分割后的图像X的云体尺度分布特征,具体方法如下: 将X取反可得到云缝图像Γ,分别对分离的独立云体和缝隙进行标记,并按尺寸大小 分为大、较大、中、较小、小五种分布情况,计算每种分布的相对尺度变化,云的相对尺寸变 化CRB、云缝的相对尺寸变化GRB ;

分别表示每块云和云缝的面积,即求云块、云缝的像素个数, f(x)表示拟合直线的斜率函数,η表示图像所分层数。
【文档编号】G06K9/62GK104156733SQ201410394601
【公开日】2014年11月19日 申请日期:2014年8月12日 优先权日:2014年8月12日
【发明者】刘磊, 高太长, 韩文宇, 赵世军, 张婷, 黄威 申请人:中国人民解放军理工大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1