一种基于形状特征的云图检索方法
【技术领域】
[0001] 本发明设及一种云图的检索方法，尤其是设及一种基于形状特征的云图检索方 法。
【背景技术】
[0002] 卫星云图能从多角度展示各类云系特征及其演变过程，在天气实况监测、气候研 究或灾难天气救灾决策等方面具有重要的意义。卫星云图中各云系往往对应着不同的天气 信息，一般若两幅云图在灰度、形状和纹理等特征上相似，则两幅云图在该阶段的天气状况 存在一定相似度并具有借鉴意义。同时，随着气象卫星技术的发展，各资料站每天能够接收 几乎覆盖全球的GB数量级的海量云图数据，传统的云图人工标注方法已捉襟见肘。如何更 为有效借助历史云图信息并投入实际领域，吸引了大批气象卫星工作研究者进行科学研 究。因此，如何设计一个高效的基于内容的云图检索系统将成为破解当前难题的关键技术， 已引起了许多学者的关注。
[0003] 在基于内容的云图检索研究中要实现云图较为精确的检索，必须找到能有效逼近 云图高层语义内容的底层特征。就图像特征而言，灰度、纹理和形状特征是图像最重要的Ξ 类特征，图像的形状特征尽管有别于灰度和纹理特征，却是对灰度或纹理特征的几何重现， 认知屯、理学研究发现，形状在检索过程中显现出来的作用比灰度和纹理更为重要。同时云 形状多种多样，变化也较复杂，如高积云形状差异大，常W楠圆形或水波状密集云条存在， 卷云一般呈现丝缕状、团簇状，台风等热带气旋常呈现巨大云团满旋等。因此，云图在形状 方面具有较强的区分度，研究一种基于形状特征的云图检索方法具有重要的意义。
[0004] 当前基于内容的卫星云图检索研究处于起步阶段，国内外尚未形成可靠的利用形 状特征的云图检索方案。日本研究了可变形的楠圆来提取台风云系的云团形状特征，并根 据楠圆位置的变化来表示运动轨迹，设计了一种面向台风云图的检索系统:Kitamoto,但该 系统只能针对台风云系，不具有一般性;意大利的Acqua等人利用点扩散技术，通过位置、旋 转度和尺度来刻画云图的形状特征，研究了针对赃风与非赃风云系的检索系统，该系统同 样存在应用面较窄的问题且计算复杂；印度的Deepak利用云团的面积和周长作为形状特 征，实现了一个云图检索系统，但实验表明该类特征也仅对台风云系适应性较好。在国内， 李艳兵等人利用圆形的"可变形模型"描述云团形状，提取多云块参数特征，但圆形提取和 匹配的复杂性都很大，计算比较费时。哈尔滨工程大学的上官伟采用变分法提取云图形状 特征，通过模糊相似度计算，实现了一种云图检索系统，但系统的检索精度不高；南京航空 航天大学融合粒子群优化方法和FCM方法，首先对云系进行前期聚类得到积云云系，再由几 何不变矩提取形状特征，进行相似度匹配，实现云图检索，但当该方法面对复杂云系时，难 于提取全面的形状特征，并且相似度匹配也不易实现。
[000引为克服传统基于形状特征的云图检索方法在分析云图时的困难，特别是方法普适 性、计算复杂度、鲁棒性等问题，有必要引入信号与图像处理领域的新理念、新技术。近年 来，随着压缩感知技术在信号处理及成像等领域的成功应用，稀疏表示理论受到了各国学 者的广泛关注。研究表明，稀疏表示符合灵长类动物大脑视觉皮层对复杂刺激的感知过程， 可作为神经信息群体分布式表达的有效策略，更加符合人眼的视觉特性，正是由于稀疏表 示所具有的特征保持性和稀疏性，W冗余字典为代表的稀疏表示理论被应用于信号处理的 各个领域，特别是其在人脸识别中的成功应用，为在图像分类和检索领域的应用提供了重 要参考。
【发明内容】
[0006] 本发明所要解决的技术问题是提供一种计算复杂度较低、鲁棒性强且检索精度高 的基于形状特征的云图检索方法。
[0007] 本发明解决上述技术问题所采用的技术方案为:一种基于形状特征的云图检索方 法，包括W下步骤：
[0008] (1)将静止卫星云图接收系统所接收到的灰度区间为[0,1024]的云图，依据云图 接收系统所对应的云图灰度与云顶亮溫关系对照表，将云图灰度转化为云顶亮溫；
[0009] (2)完成云图亮溫空间转换后，再采用迭代阔值分割方法进行云图分割；
[0010] (3)通过开、闭运算处理，去除云图的云系空桐和边界毛刺；
[0011] (4)对开、闭运算处理后的整幅云图采用100*100大小进行不重叠分块处理，得到 云图各子块的区域信息；
[0012] (5)对整幅云图分块处理后，采用几何不变矩对各子块进行区域特征描述，将提取 的所有子块的特征向量依次排为一长列向量作为该幅云图的形状特征向量，表示为κ= 其中KERm，表示Κ是实数空间的m维向量，m表示形状特征列向量的维数，Τ为 向量的转置，fi为K中的分量，i为区间[l，m]中的正整数；
[0013] (6)对于该幅云图，首先统计得到形状特征向量K中的最大值和最小值，分别记为 Fmax和Fmin，再对形状特征向量K中的任意分量f i进行归一化处理，表示如下：
[0014]
[0015]将形状特征向量K归一化到[0，1 ]范围，得到新的云图形状特征向量，表示为;H =
[0016] (7)将通过上述步骤提取的所有云图的形状特征，建立一个云图形状特征库A = 阳1，此，...?...，Hw]，AerXw，其中W表示云图库中总的云图数量,?表示任意一幅云图的 特征向量，j为区间[1，W]中的正整数；
[0017] (8)对于一幅待检索云图，采用步骤(1)~(6)的方法提取形状特征向量，表示为:y er;然后采用稀疏分类方法将待检索云图的形状特征与云图形状特征库进行相似度计 算，得到最接近的9幅云图，完成云图检索。
[0018] 采用迭代阔值分割方法进行云图分割的具体方法为：
[0019] ①先用如下公式计算云图初始亮溫阔值iT虹eshold:
[0020]
，
[0021 ] 其中，max_value_gray表示为整幅云图中的最大亮溫值，min_value_gray表示整 幅云图中的最小亮溫值；
[0022]②根据初始亮溫阔值iThreshold，采用下式统计云图的重要云系成分Zo和云系背 景Zi:
[0025] 式中Zo表示重要云系成分，幻表示云系背景，（x，y)表示云图中的像素坐标点，f(x, y)表示云图在坐标点（x，y)处亮溫大小，N(x，y)表示权重大小，设定为1，并设定初始亮溫阔 值iT虹eshold大小为175;
[0026] ③根据Zo和Zi重新求解新亮溫阔值iNew化reshold
[0027] ④如果新亮溫阔值iNew化reshold与初始亮溫阔值iThreshold差值在50之内，贝U 继续下一步骤;否则用iNew化reshold作为初始亮溫阔值口虹eshold,转到步骤②；
[0028] ⑤根据新亮溫阔值iNew化reshold对原始云图进行分割，
即当云图中像素的亮溫大于iNew化reshol加寸设定为1，否则设定为0,得到黑白二值图像。
[0029] 去除云图的云系空桐和边界毛刺的具体步骤为：
[0030] ①对阔值分割后的云图，先采用半径为5的平坦型圆盘结构元素进行膨胀处理，再 通过半径为7的平坦型圆盘结构元素进行腐蚀处理，通过闭运算去除云系内部大部分细小 空桐；
[0031] ②对闭运算处理后的云图，先采用半径为6的平坦型圆盘结构元素进行腐蚀处理， 再通过半径为7的平坦型圆盘结构元素进行膨胀处理，通过开运算去除边界毛刺。
[0032] 采用几何不变矩对各子块进行区域特征描述的具体方法为：
[0033] ①首先计算各云图子块的区域几何中屯、坐标（：^，；?〇;
[0034]
[0035] ②计算云图各子块的中屯、矩μρ。：
式中P，q满足Ρ +9 = 2或者9+〇 = 3，且9,〇为正整数；
[0036] ③对中屯、矩μρ。进行规格化处理：
'式中满足丫 =(P+q)/2;
[0037] ④根据规格化后的中屯、矩％q，提取各子块的7个形状不变矩Ik,其中k = 1，2，3，4， 5，6，7 : Il = ri20+%2，》^2 = (口Ww )- + .切Γι ，' l3 = 0-?3〇-3η?2)2+(3η2广％3)2，l4 = 0-?30+η?2)2+ (? 州 03)2，
[004引 + (屯日-化12 )(屯 1+η03 ) [ 3 (ril2巧30) 2- (ri21巧日3) 2 ]，
[0043] 将所得的7个形状不变矩排为一列作为该云图子块的形状不变矩特征；
[0044] ⑤当完成整幅云图所有子块形状不