多通道衛(wèi)星云圖的圖像處理技術(shù)研究.pdf

1、數(shù)字圖像處理技術(shù)在各領(lǐng)域中的應(yīng)用日益廣泛，利用該技術(shù)對多通道衛(wèi)星云圖數(shù)據(jù)進(jìn)行全方位、深層次的挖掘也成為一種必然趨勢，同時(shí)也為氣象衛(wèi)星數(shù)據(jù)應(yīng)用于氣象常規(guī)業(yè)務(wù)提供了一個(gè)新的途徑，拓展了氣象業(yè)務(wù)的分析方式。本文通過對數(shù)字圖像處理、衛(wèi)星氣象學(xué)、數(shù)據(jù)融合、模式識別等學(xué)科的研究，提出了分析氣象條件的新的研究思路。本文的主要研究工作有如下幾個(gè)方面：
　　 通過紅外云圖與可見光云圖的數(shù)據(jù)融合，解決了可見光云圖應(yīng)用不充分的問題，提出一種將紅外云圖

2、與可見光云圖進(jìn)行融合的圖像融合方法。首先將原始圖像經(jīng)過無下采樣Contourlet變換分解到不同尺度、不同方向的子帶中。圖像重構(gòu)過程中，根據(jù)改進(jìn)的拉普拉斯能量和，利用脈沖耦合神經(jīng)網(wǎng)絡(luò)對高頻子帶的值進(jìn)行智能決策。該方法既能獲取較好的方向信息，去除頻譜混疊效應(yīng)，又具有很好的抗噪性。應(yīng)用本方法對衛(wèi)星云圖融合能為后續(xù)臺風(fēng)主體云系的分割以及云類的自動識別打下良好基礎(chǔ)。
　　 通過對傳統(tǒng)水平集活動輪廓模型的分析，提出一種改進(jìn)的測地活動區(qū)域模

3、型，用于融合衛(wèi)星云圖中臺風(fēng)主體云系的提取。由于臺風(fēng)云系是不斷變化與發(fā)展的，不能僅通過某一個(gè)或幾個(gè)形狀或紋理特征識別臺風(fēng)云系，同時(shí)，臺風(fēng)云系在各個(gè)發(fā)展時(shí)期都包含渦旋，具有旋轉(zhuǎn)特性。根據(jù)上述特點(diǎn)，本文提出在融合衛(wèi)星云圖中用邊界云與中心主體云夾角來統(tǒng)計(jì)旋轉(zhuǎn)程度，作為識別臺風(fēng)云系的主要特征之一。并基于旋轉(zhuǎn)特征，綜合利用了閾值法、數(shù)學(xué)形態(tài)學(xué)以及數(shù)理統(tǒng)計(jì)等方法識別臺風(fēng)主體云系的感興趣區(qū)域，最后通過所提出模型實(shí)現(xiàn)對臺風(fēng)主體云系的分割。
　　

4、分別應(yīng)用基于鄰域自相關(guān)函數(shù)法、基于統(tǒng)計(jì)幾何特征法和基于灰度共生矩陣法三種方法對融合云圖的紋理特征進(jìn)行了檢測和分析。對不同大小的鄰域進(jìn)行了紋理檢測實(shí)驗(yàn)，并根據(jù)特征統(tǒng)計(jì)量提取出有效的紋理特征，為云類識別提供了有效的輸入空間。
　　 提出一種可自學(xué)習(xí)的半監(jiān)督訓(xùn)練方法，對不同的訓(xùn)練樣本、迭代停止條件引入迭代過程中的線性約束條件，并利用該方法訓(xùn)練支持向量機(jī)。提出基于決策樹的一對多分類方法對密卷云、透光高積云、淡積云以及雨層云四類樣本集進(jìn)行