宁波大学信息科学与工程学院，浙江 宁波 315211
针对传统云图检索方法难于获得理想的检索精度且检索效率低的问题，提出了一种基于深度度量学习的云图检索方法。首先设计了残差3D-2D卷积神经网络，以提取云图的空间及光谱特征。鉴于传统基于分类的深度网络所提取的特征可能存在类内差异大、类间差异小的问题，采用三元组训练网络，依据云图之间的相似性将云图映射到度量空间中，以使同类云图在嵌入空间中的距离小于非同类云图。在模型训练时，通过对无损三元组损失函数增加正样本对间距离的约束，改善了传统三元组损失的收敛性能，提高了云图检索的精度。在此基础上，通过哈希学习，将度量空间中的云图特征变换成哈希码，在保证检索精度的条件下提高了检索效率。实验结果表明，在东南沿海云图数据集和北半球区域云图数据集上，本文算法的平均精度均值(mean average precision, mAP)分别达到75.14%和80.14%，优于其他对比方法。
由于红外探测器的观测易受云的影响及快速辐射传输模式对云亮温的模拟不精确,在同化风云三号B星(Feng Yun-3B)红外分光计(Infrared Atmospheric Sounder, IRAS)的亮温资料时,首先需要进行云检测,以获得晴空视场点或晴空通道信息。基于最小剩余法(Minimum Residual Method, MRM)对IRAS资料进行了云检测研究,该方法不仅能判识视场点是否有云,还能得到视场点的云参数(有效云量)。同时,采用FY-2E卫星云图对云检测效果进行了验证。结果表明,将该方法用于IRAS资料云检测是可行的。
风云三号B星 红外分光计 云检测 最小剩余法 卫星云图 FY-3B satellite infrared atmospheric sounder cloud detection minimum residual method satellite cloud image
宁波大学 信息科学与工程学院,浙江 宁波 315211
采用决策融合策略, 提出了一种基于多模糊支持向量机( FSVM)的积雨云检测方法以解决添加更多的特征可增加云分类识别的准确率而特征维数过高又会造成过拟合现象的矛盾。该方法首先从训练云图提取光谱特征、通道亮温差特征、一阶灰度直方图纹理特征、灰度共生矩阵纹理特征以及Gabor小波特征, 并组成包含5类特征的训练样本集; 然后针对每类特征, 训练5个FSVM子分类器。最后对各子分类器的结果在输出空间进行加权决策融合, 以提高积雨云检测的准确率。实验结果表明, 本文方法不仅较好地解决了积雨云检测中由于特征维数过高而造成的过拟合现象, 而且能自适应地确定不同特征的权重, 检测准确率优于各FSVM子分类器和包含所有输入特征的单FSVM分类器, 有望在卫星云图分析中得到应用。
多模糊支持向量机 加权决策融合 卫星云图 积雨云检测 Multi Fuzzy Support Vector Machine (Multi-FSVM) weighted decision fusion satellite cloud image cumulonimbus detection 光学 精密工程
2014, 22(12): 3427
宁波大学 信息科学与工程学院, 浙江 宁波 315211
针对卫星云图在接收及传输过程中受噪声、大气湍流、太阳风暴及卫星轨道漂移等影响造成的云图数据破损, 提出了一种联合块匹配与稀疏表示的卫星云图修复方法。首先, 根据破损区域的优先权值确定待修复像素, 对该像素的邻域进行分块处理。然后, 利用待修复块与各匹配块之间的结构相似度, 建立相应的冗余字典; 通过求解稀疏表示问题修复该破损区域。最后, 沿着等照度线不断更新优先权值, 实现整幅图像的修复。实验结果表明, 提出的方法不仅能避免传统偏微分方程(PDE)修复法所导致的结构丢失, 也能很好地改善基于纹理填充修复方法所导致的修复不足及块效应现象。测试结果显示: 在云图存在局部区域缺失时, 修复后云图的峰值信噪比(PSNR)比匹配追踪法及总变分法的修复结果平均提高了8.50 dB和0.28 dB, 而且在纹理细节及边缘区域具有更好的视觉效果。
卫星云图 图像修复 块匹配 稀疏表示 satellite cloud image image inpainting patch matching sparse representation
南京航空航天大学自动化学院, 江苏 南京 210016
卫星云图是研究天气系统演变规律的重要信息, 云层内容从卫星云图中提取出来可以有助于云图分析, 减少陆地和海洋信息的干扰。为此采用了模糊 C均值聚类算法( FCM)进行云图聚类, 该算法具有计算效率高, 过程简单的优点, 但对初始聚类中心敏感, 容易陷入局部最优解。针对此问题, 本文将全局性良好的粒子群优化算法(PSO)引入 FCM聚类算法, 克服了初始聚类中心对全局收敛性的影响。同时, 将阴影集理论与该混合算法结合起来, 去除聚类过程中的异常值, 提高算法的效率。通过红外云图聚类对比实验得出, 改进的 FCM算法与传统的 FCM算法相比, 聚类结果图的类间距离增大, 类内距离减小, 聚类质量有所提高。
模糊 C均值算法 阴影集 粒子群算法 卫星云图聚类 fuzzy C-means algorithm shadow sets PSO satellite cloud image clustering
