遥感图像的台风中心定位与对流区域检测研究(源码)
本文针对在有眼台风中台风眼区以及对流云区的目标检测问题，首先使用局部二值模式(local binary pattern, LBP)以及图像的灰度值特征对图像进行特征提取。其次为减少滑动窗口查找的时间，在查找前使用了一种基于顶帽变换和最大类间方差法(Otsu)的图像分割方法以及基于数学形态学的膨胀、腐蚀算法，对图像进行预处理，可以提取出可能为目标的区域。然后使用支持向量机(support vector machine, SVM)进行类别判定，并使用多尺度的滑动窗口进行目标检测。最后针对台风眼区和对流云区分别设计了多检测窗口的合并算法。本文实验以MATLAB R2016a为实验平台。实验结果表明，本文算法能够准确、较快地检测到台风眼区以及对流云区的位置。
目录
摘要 1
关键词 1
Abstract 1
Key words 1
1 绪论 1
1.1 研究背景与意义 1
1.2 国内外研究现状 2
1.3 研究内容和技术路线 3
2 图像特征提取方法研究 3
2.1 纹理特征提取 3
2.1.1 LBP基本算子 4
2.1.2 LBP圆形算子 4
2.1.3 LBP旋转不变算子 5
2.1.4 LBP等价模式算子 5
2.1.5 LBP算子在本文中的应用 6
2.2 灰度值特征提取 6
3 建立分类模型 6
3.1 训练数据预处理 6
3.1.1 minmax归一化 6
3.1.2 ZScore标准化 7
3.1.3 归一化方法在本文中的应用 7
3.2 建模工具的选取 7
3.3 SVM原理简介 7
3.3.1 线性分类器 7
3.3.2 核函数 8
3.4 SVM训练过程 9
3.5 训练结果对比 9
4 检测目标位置 10
4.1 待检测图像预处理 10
4.1.1 膨胀和腐蚀 10< *好棒文|www.hbsrm.com +Q: #351916072#
br /> 4.1.2 开运算和闭运算 11
4.1.3 基于顶帽变换和Otsu的图像分割 11
4.2 滑动窗口扫描图像 13
4.2.1 检测对流云区 13
4.2.2 检测台风眼区 13
4.3 确定最终目标 14
4.3.1 判定对流云区 14
4.3.2 判定台风眼区 14
4.3.3 最终检测结果 15
5 总结与展望 15
致谢 16
参考文献 16
基于遥感图像的台风中心定位与对流区域检测研究
引言
1 绪论
1.1 研究背景与意义
在全球变暖的气候背景下，近些年全球的灾害性天气逐渐增多。我国拥有漫长的海岸线，东南沿海省市是台风的多发地区，因此我国也是台风灾害最重的国家之一。台风虽然给部分地区带来了充足的雨水，但也带来了各种破坏，人类的生产生活受其影响严重。它不仅会对农业生产、交通运输造成极大的损失，还严重威胁人民生命财产安全。
台风的生命周期主要分为形成期、成熟期和消亡期。成熟期时台风的特征最为明显，主要由外部螺旋云带、中心密蔽云区和台风眼区三部分组成。台风云系形成后，在台风眼附近风力最强。随之生成的还有对流云，在对流云区内会发生强降水、雷雨大风等灾害性天气。
随着科技的进步，气象卫星在监测灾害性天气、预报天气情况等方面发挥了重要作用，是分析和预报台风的重要工具。遥感卫星传回图像的分辨率不断提高，在卫星云图上能够清晰地观测到台风的全貌，从而进一步检测台风的动态。近年来在台风定位领域中的研究成果越来越多，但鉴于台风形态的多变性，想要设计一种适合与所有台风的定位方案是非常困难的。现在大多都是人工选择合适的方法使用卫星云图定位台风，还没有实现台风定位的自动化，各算法的定位台风的时间和效率也应进一步缩短和提高。
若能够对卫星云图传回的数据实现自动分析，实现对台风情况的自动监测，取代人工方式，无疑对满足我国预防灾害的需要具有重要的应用价值。准确识别台风眼区以及对流云区的位置，有助于预测台风的发展情况和走势，并对强降水的监测预报及防灾减灾工作有积极的作用[1]。
1.2 国内外研究现状
近些年，海内外研究人员对卫星云图进行了很多实验和探索工作，研究的主要内容有对台风云系进行分割、定位有眼和无眼台风的中心和识别不同的云体。
目前对台风中心定位的技术主要是先对台风云系进行分割，准确地分割是准确定位的前提。对台风云系进行分割，主要目的就是把不属于台风的云系以及大陆海洋等背景去除，得到一张二值化的只包含台风云系的图像以便进一步的检测。然而，很难有一种方法适合所有卫星云图的分割，各种分割方法还在不断的改进。分割的方法有基于阈值和数学形态学的分割方法，例如刘正光等[2]提出了数学形态学多值自适应分割算法，即根据台风云系在卫星云图中灰度值较高的特征，生成一个自适应的台风分割模板。师春香[3]等采用多阈值和神经网络相结合的分割方法，将红外云图中的不同云系用不同温度的阈值分割出来。陈禹良[4]采用二维最大熵法和二维Otsu法相结合的分割方法，提高了二维分割算法的运算速度。另外还有基于纹理和区域特征的分割方法，例如刘凯等[5]利用图像的灰度梯度共生矩阵和分形维数提取台风云系的纹理特征，识别出台风的密蔽云区；郑君杰等[6]利用模式识别技术，使用灰度共生矩阵和分形理论对云图上的三种云和晴空进行了问题特征提取，并设计神经网络进行了识别实验；满国晶[7]对台风云系使用蚁群算法进行纹理分割。姜波[8]利用台风的旋转特征提出了基于区域的MGAR活动轮廓模型，通过模型迭代分割出台风云系，并研究介绍了三种纹理检测方法，进行了大量的纹理检测试验。
目录
摘要 1
关键词 1
Abstract 1
Key words 1
1 绪论 1
1.1 研究背景与意义 1
1.2 国内外研究现状 2
1.3 研究内容和技术路线 3
2 图像特征提取方法研究 3
2.1 纹理特征提取 3
2.1.1 LBP基本算子 4
2.1.2 LBP圆形算子 4
2.1.3 LBP旋转不变算子 5
2.1.4 LBP等价模式算子 5
2.1.5 LBP算子在本文中的应用 6
2.2 灰度值特征提取 6
3 建立分类模型 6
3.1 训练数据预处理 6
3.1.1 minmax归一化 6
3.1.2 ZScore标准化 7
3.1.3 归一化方法在本文中的应用 7
3.2 建模工具的选取 7
3.3 SVM原理简介 7
3.3.1 线性分类器 7
3.3.2 核函数 8
3.4 SVM训练过程 9
3.5 训练结果对比 9
4 检测目标位置 10
4.1 待检测图像预处理 10
4.1.1 膨胀和腐蚀 10< *好棒文|www.hbsrm.com +Q: #351916072#
br /> 4.1.2 开运算和闭运算 11
4.1.3 基于顶帽变换和Otsu的图像分割 11
4.2 滑动窗口扫描图像 13
4.2.1 检测对流云区 13
4.2.2 检测台风眼区 13
4.3 确定最终目标 14
4.3.1 判定对流云区 14
4.3.2 判定台风眼区 14
4.3.3 最终检测结果 15
5 总结与展望 15
致谢 16
参考文献 16
基于遥感图像的台风中心定位与对流区域检测研究
引言
1 绪论
1.1 研究背景与意义
在全球变暖的气候背景下，近些年全球的灾害性天气逐渐增多。我国拥有漫长的海岸线，东南沿海省市是台风的多发地区，因此我国也是台风灾害最重的国家之一。台风虽然给部分地区带来了充足的雨水，但也带来了各种破坏，人类的生产生活受其影响严重。它不仅会对农业生产、交通运输造成极大的损失，还严重威胁人民生命财产安全。
台风的生命周期主要分为形成期、成熟期和消亡期。成熟期时台风的特征最为明显，主要由外部螺旋云带、中心密蔽云区和台风眼区三部分组成。台风云系形成后，在台风眼附近风力最强。随之生成的还有对流云，在对流云区内会发生强降水、雷雨大风等灾害性天气。
随着科技的进步，气象卫星在监测灾害性天气、预报天气情况等方面发挥了重要作用，是分析和预报台风的重要工具。遥感卫星传回图像的分辨率不断提高，在卫星云图上能够清晰地观测到台风的全貌，从而进一步检测台风的动态。近年来在台风定位领域中的研究成果越来越多，但鉴于台风形态的多变性，想要设计一种适合与所有台风的定位方案是非常困难的。现在大多都是人工选择合适的方法使用卫星云图定位台风，还没有实现台风定位的自动化，各算法的定位台风的时间和效率也应进一步缩短和提高。
若能够对卫星云图传回的数据实现自动分析，实现对台风情况的自动监测，取代人工方式，无疑对满足我国预防灾害的需要具有重要的应用价值。准确识别台风眼区以及对流云区的位置，有助于预测台风的发展情况和走势，并对强降水的监测预报及防灾减灾工作有积极的作用[1]。
1.2 国内外研究现状
近些年，海内外研究人员对卫星云图进行了很多实验和探索工作，研究的主要内容有对台风云系进行分割、定位有眼和无眼台风的中心和识别不同的云体。
目前对台风中心定位的技术主要是先对台风云系进行分割，准确地分割是准确定位的前提。对台风云系进行分割，主要目的就是把不属于台风的云系以及大陆海洋等背景去除，得到一张二值化的只包含台风云系的图像以便进一步的检测。然而，很难有一种方法适合所有卫星云图的分割，各种分割方法还在不断的改进。分割的方法有基于阈值和数学形态学的分割方法，例如刘正光等[2]提出了数学形态学多值自适应分割算法，即根据台风云系在卫星云图中灰度值较高的特征，生成一个自适应的台风分割模板。师春香[3]等采用多阈值和神经网络相结合的分割方法，将红外云图中的不同云系用不同温度的阈值分割出来。陈禹良[4]采用二维最大熵法和二维Otsu法相结合的分割方法，提高了二维分割算法的运算速度。另外还有基于纹理和区域特征的分割方法，例如刘凯等[5]利用图像的灰度梯度共生矩阵和分形维数提取台风云系的纹理特征，识别出台风的密蔽云区；郑君杰等[6]利用模式识别技术，使用灰度共生矩阵和分形理论对云图上的三种云和晴空进行了问题特征提取，并设计神经网络进行了识别实验；满国晶[7]对台风云系使用蚁群算法进行纹理分割。姜波[8]利用台风的旋转特征提出了基于区域的MGAR活动轮廓模型，通过模型迭代分割出台风云系，并研究介绍了三种纹理检测方法，进行了大量的纹理检测试验。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/1646.html
