数字图像处理卫星云图.docx

数字图像处理在气象卫星云图中的应用
1
课题名称：数字图像处理
姓名：
学号：
年级: 2013级
专业：地图学与地理环境、气候变化,小到指纹识别等,数字图像处理技术已经渗透到科学研究及应用的各个领域"【5】。
数字图像处理在气象卫星云图中的应用
6
3 云图云类识别技术国内外研究现状
卫星云图中的云类识别问题,从数字图像处理的角度来讲就是要对云图进行边缘检测、特征分析、图像分割等处理。目前,一般采用如下几类技术用来对气象卫星云图进行云判断和云型分类:
闽值法
阈值法根据不同类别的云在相同云图通道中所表现出的灰度差异来进行判断,或在多通道云图中,分别在各通道中确定各类云的灰度差异,然后再进行云类识别。杨澄[6]等利用多谱阐值法,建立了识别GMS-5气象卫星云图中晴空、半透明云或碎云和高、中、低云的方法。马芳[7]等建立了通道综合运算云检测方法,该方法不仅改善了地理位置的变化对云检测带来的影响,而且可减弱太阳高度角的影响,减少了检测过程中阈值变化的麻烦,同时得到较好的检测效果。师春香【8】等在Peak和Tag【9】【10】提出的人工神经网络方法基础上,设计了多阈值与人工神经网络相结合的方法,以此对GMS卫星红外云图进行分割实验,结果表明该方法在实际应用中是可行的。
监督分类法
监督分类需要事先知道云型类别并用他们的样本对计算机分类器进行监督和训练,然后对云图进行分类。即分类之前,对每种类型的云都要选取有代表性的训练区;然后计算特征向量,构成训练样本;再以这些云类的训练样本的特征向量为标准,按照云图上各点的特征向量与它们的相似或相异程度,把云图上各点分别归入己知的云型类别。神经网络和支持向量机是目前运用较多的云图分类方法。师春香等利用N0AA-AVHRR5个通道资料建立了 6种云类以及陆地和水体的BP神经网络分类模型,块像素样本测试正确率达79%,单像素样本测试正确率达78%。郝英明【11】等建立了基于支持向量机的遥感影像分类模型,并针对陆地、海洋2种不同的下垫面进行了云检测试验。云检测结果中,云与陆地、水体、积雪准确地区分开来。石小云【12】建立了 SOM神经网络的云分类模型,并对FY-2C红外和可见光多通道云图数据进行云分类,试验表明该方法是可行有效的。韩丁【13】等利用星载毫米波雷达探测资料提取云的特征参数,建立支持向量机模型实现云分类,
数字图像处理在气象卫星云图中的应用
6
实验表明,该模型具有较好的分类能力。
非监督分类法
非监督分类法是不需要已知及其类别对计算机的分类器进行监督和训练,只是根据云图数据本身的特征,即各云类所代表的光谱特性及纹理特性的相似性或相异性来分类。K-均值和模糊C均值聚类是目前应用较多的云类识别算法。王继光【14】等运用遗传算法全局寻优、模糊C均值聚类局部寻优及模糊减法聚类客观估算聚类数等优势互补的等思想和途径,进行卫星云图的云类判别。王彦磊【15】等提出用样本特征均值替代FCM中随机初始中心的改进办法对陆地、水体、低云、中云、卷云和积雨云进行分类,结果表明分割判别效果符合客观实际。
4 个人对于该领域的认识
一般来讲，对图像