（模式识别与智能系统专业论文）形成期台风云系特征提取及特征体系构建方法的研究.pdf

中文摘要 本文工作隶属于模式识别国家重点实验室开放课题“形成期台风云系识别方 法的研究”。 台风是影响我国的主要自然灾害之一，台风预报尤其是早期预报引起人们特 别的关注。在台风的产生和形成阶段，台风典型特征尚不具备，相应阶段的台风 云系不易被及时地识别出来。从目前的资料来看，对形成期台风的研究尚处于探 索阶段，本课题具有很高的研究价值和现实意义。 本文以红外及可见光时间序列卫星云图作为客观资料，主要研究形成期阶段 台风云系与非台风云系之间的差异以及台风云系自身特有的规律，提取形成期台 风云系的特征并构建形成期台风的特征体系。 本文主要涉及以下几方面的工作： 1 针对形成期台风云系提取了面积、平均灰度值、类圆度、主骨架斜度、 主骨架弯度等五类静态特征，同时，针对它们在时间序列云图中的变化规律进行 相应变化特征的提取。 2 首次提出基于云导风的旋转性动态特征及其随时间发展而显现出的持续 性特征。从对已有样本的测试结果看，旋转性特征的提取思路和实现技术均获得 成功。旋转性特征良好的运行品质，将为尽早地识别出形成期台风做出熏要贡献。 3 基于提取出的静动态特征及其时间变化特性，初步完成了形成期台风云 系与非台风云系的类型识别规则以及形成期台风云系特征体系的构建。 综上，本文工作将为形成期台风的识别、预报及定位，为云图数据库的建设 等作出重要贡献。 关键词：时间序列云图形成期台风特征提取特征体系云导风旋转性特征 a b s t r a c t t h ew o r ko ft h i s p a p e rb e l o n g st o t h e o p e np r o j e c t t h e r e s e a r c ho nt h e r e c o g n i t i o nm e t h o do ft y p h o o nd u r i n gi t sd e v e l o p i n gs t a g e ”，w h i c hi ss u p p o s e db y t h en a t i o n a ll a b o r a t o r yo fp a t t e r nr e c o g n i t i o n t y p h o o ni so n eo ft h em o s td a n g e r o u sd i s a s t e rc l i m a t e s ，w h i c hh e a v i l ya f f e c t r o u t i n ew o r ka n d d a l l yl i f e ag o o dm a n y a t t e n t i o n si sp a i dt ot h et y p h o o n f o r e c a s t i n g ， e s p e c i a l l yt oi t se a r l y - s t a g ef o r e c a s t i n g d u r i n gi t sd e v e l o p i n gs t a g e ，t y p h o o nh a s h t i t st y p i c a lf e a t u r e s w h i c hm a k e si tv e r yh a r dt or e c o g n i z et h et y p h o o ni ns u c hs t a g e t h e r e f o r e ，t h i sp r o j e c te n j o y sah i g h l yr e s e a r c hv a l u e i nt h i sp a p e r , t h ed i f f e r e n c e sb e t w e e n d e v e l o p i n gt y p h o o na n dn o n - t y p h o o n a r e h i 曲l yr e g a r d e d i no r d e rt o d e s c r i b ea n dq u a n t i f yt h e s ed i f f e r e n c e s ，w ee x t r a c t f e a t u r e sf r o mt h ed e v e l o p i n gt y p h o o na n dt h e nc o n s t r u c tt h ef e a t u r es y s t e mi nt e r m s o f t h et i m es e r i e ss a t e l l i t ei m a g e s s e v e r a ls t a t i cf e a t u r e sa r ee x t r a c t e da c c o r d i n gt ot h ec h a r a c t e r i s t i c so f d e v e l o p i n g t y p h o o n ，s u c h a sa r e a , a v e r a g e 掣a yv a l u e ，c i r c l e l i k er a t i o ，k e ys k e l e t o ns l o p e ，a n ds o o n a l s o ，t h et e m p o r a lv a r i a t i o nf e a t u r eo f e a c hf e a t u r ei se x t r a c t e d a d y n a m i cr o t a t i o nf e a t u r e ，w h i c hi sb a s e do nt h ec l o u dm o t i o nw i n d ，i sp u t f o r w a r df o rt h ef i r s tt i m e a c c o r d i n gt ot h et e s tr e s u l t s ，i t se f f e c ti sh i 曲l ys a t i s f a c t o r y , w h i c hw i l lm a k ea s i g n i f i c a n t c o n t r i b u t i o nt ot h ea c c u r a t e r e c o g n i t i o n o ft h e d e v e l o p i n gt y p h o o n i nt h en e a rf u t u r e b a s e do nt h ee x t r a c t e df e a t u r e s ，b o t hs t a t i ca n dd y n a m i c ，a n dt h e i rt e m p o r a l v a r i a t i o nf e a t u r e s ，as e to fr e c o g n i t i o nr u l e sa n daf e a t u r es y s t e ma r ec o n s t r u c t e d ， w h i c hp r o v i d e st h ef o u n d a t i o nf o rt h ec o n s t r u c t i o no ft h et y p h o o nf o r e c a s t i n ga n d r e c o g n i t i o nm o d e la n d t h es a t e l l i t ei m a g ed a t a b a s e k e y w o r d s ：t i m es e r i e ss a t e l l i t ei m a g e ，d e v e l o p i n gt y p h o o n ，f e a t u r ee x t r a c t i o n f e a t u r es y s t e m ，c l o u dm o t i o nw i n d ，r o t a t i o nf e a t u r e 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取 得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人 已经发表或撰写过的研究成果，也不包含为获得鑫注盘鲎或其他教育机 构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何 贡献均已在论文中作了明确的说明并表示了谢意。 学位论文作者签名：李主动 签字日期：神3 年p 月知日 学位论文版权使用授权书 本学位论文作者完全了解墨盗盘堂有关保留、使用学位论文的规 定。特授权基鲞盘堂可以将学位论文的全部或部分内容编入有关数据库 进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。 同意学校向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名： 李捌 签字日期：扣弓年f 工月触目 签字日期： 坤，年扯月知目 磊，卫持 名签师导 第一章概述 第一章概述 1 1 智能系统在气象中的应用与研究现状 人工智能技术用于气象领域始于上世纪8 0 年代中期，在我国也已经历了二 十余年，这期间又可以区分为两个阶段 1 】。1 9 8 3 年至1 9 8 7 年是第一阶段，这个 阶段的主要特点是初级专家系统的普及应用。在上世纪8 0 年代前期，我国气象 部门引进专家系统( e s ) 技术，先后开发研制的几个暴雨预报专家系统以其实 用性、灵活性和多功能的特点受到广泛欢迎。 知识表示和知识获取作为专家系统的两个主要问题，在天气预报专家系统中 更为突出，它表现在三个方面：( 1 ) 知识获取主要靠人工移植；( 2 ) 不具备记忆 联想，只有微弱的自学习功能；( 3 ) 层次性知识不好处理。这导致同一个系统外 壳的应用结果差别很大。如何突破原有的专家系统框架，设计一种新的系统已是 发展的必然，因此1 9 8 7 年提出了智能预报系统的结构框架。这个系统的主要特 点是将模式识别技术、传统人工智能与人工神经元网络结合在一起，更科学地利 用来源于不同渠道的气象数据，以便于做出符合气象要求的理解。 气象领域人工智能、模式识别技术的应用虽然已有一定的时日，在某些方面 也取得了一些进展，但总的来说还是初步的。早期的气象预报专家系统，由于它 知识表达的局限性及推理结构的单一，己不能满足要求，特别是上世纪9 0 年代 随着气象事业的现代化发展，信息量激增，需要对大量的图表、数据进行综合利 用，快速做出预报，因此形成用于气象方面的人工智能预报系统成为发展的必然。 气象人工智能预报系统是一个大型、综合的智能集成系统，它分为智能数据 库系统、天气过程理解系统和预测预报系统3 个层次 2 j 。智能数据库系统是气象 智能预报系统的底层系统，为其上层系统提供数据与知识来源。卫星云图数据库 是智能数据库系统的一部分，也是智能气象预报系统的重要组成部分。 云图数据库的入手条件是原始卫星云图，它通过对图象数据进行预处理与特 征提取，从中获取所需的信息，并结合一定的气象专业知识，对信息进行分析与 综合处理，抽象出符合一定气象意义的知识，作为“因子”提供给人工智能预报 系统。这样，云图数据库不仅缩小了计算机处理与气象知识二者的距离，也大大 缩小了气象信息的存储量，使得在中、小型机上实现处理和存储成为可能。 卫星云图数据库进一步完善了气象智能预报系统，为过程理解和综合预报提 供卫星云图的资料来源，也提高了智能预报系统的工作效率，使得预报业务的现 代化有了现实的基础，推动了气象智能预报系统的综合化和集成化研究的进展， 为智能预报系统走上实用阶段奠定了基础。 第一章概述 目前，气象人工智能系统只有少数己投入业务使用，多数还处于研制、测试 与评价阶段3 1 。而建立卫星云图数据库需满足气象的需求，必须与气象领域知识 紧密结合，对卫星云图数据库的研究更是一较新课题。 1 2 卫星云图的应用概况 1 9 6 0 年4 月，美国第一颗气象试验卫星泰罗斯一号( t i r o s 1 ) 发射成功， 开创了人造卫星应用于气象探测的新纪元1 4 j 。从那时起至今的四十多年里，气象 卫星技术得到了迅速的发展，不仅由实验型卫星发展到业务型卫星，而且还发展 了不少专门性的和综合性的气象卫星，建立了全球性的气象卫星观测体系。气象 卫星作为新型的观测平台，与常规的气象观测相比，具有很多优点：它可以实现 全球观测，使得过去一些难以观测的地区能够通过气象卫星进行有效的监视；它 的观测时间间隔短，能够连续监视一些空间尺度较小，生命期较短的危险天气， 如台风、强雷暴等。卫星云图在气象中的作用，特别是灾害性天气预报中的重要 性，已成为气象工作者的共识。 在我国早期的气象云图应用中，对云图的计算机加工处理大都仅限于常规的 图象处理技术，如分屏、漫游、动画、增强和不同光谱通道的简易叠加、合成等， 以改善云图的视觉效应，便于气象预报人员进行经验性的人工定性判断，没有涉 及到更进一步的计算机处理、识别、分类和描述工作。而早期国外对卫星云图进 行计算机分析识别的研究工作重点为模式识别手段实现云图的自动分类等研究， 如利用纹理特征分析积云、层云的特点、利用象素分类及聚类等方法对云进行自 动分类等等。 近年来，对卫星云图的研究异常活跃。就单幅卫星云图而言，国内主要的研 究集中于辅助人工决策，比如通过卫星云图的增强、通过不同调色板的选取实现 云图的伪彩色处理，辅助专业人员识别不同云系、判定云系的变化趋势等等。国 外云图处理集中在云系的三维重建和云系的追踪方面。 由于单幅云图受到频谱、分辨率等的局限，所反映的特征量有限。随着计算 机处理速度的加快，更由于计算机视觉理论的广泛应用和空间遥感理论的发展， 当前卫星云图处理的热门方向是多谱和序列图象的数据挖掘和数据融合，它们分 别在时间和通道两方面综合考虑来描述云系的特征和运动。比如1 9 9 8 年在巴黎 召开的第八届国际空间学术交流会上，各国都涉及到多谱段卫星图象综合研究和 时间序列图象的综合研究。 针对台风的卫星云图处理目前也非常活跃，比如z h o ul 等运用流体力学知 识通过红外和水汽通道分析相邻时刻台风云系云顶局部区域的变化趋势【5 j ；日本 2 第一章概述 的d o b a s h iy 等使用m e t a b a l l 方法将台风云图三维重建便于下一步的分析应用【6 】。 目前另一个研究热点是云系追踪。国内在这方面白洁等提出了粗细两阶段方法识 别和追踪台风云系，粗阶段法设定搜索区域和云系面积识别可能的跟踪云系，细 对比分析云系的r 形状因子进一步确定 ”。国外如p a l a n i a p p a nk 等运用光流理 论分析和追踪特定云系口】：e v a n s ，a n 根据前后两连续图象灰值顺序一致的原理 追踪云图，并由于序列图象非严格相等导致相关能量低，提出使用松弛标记 ( r e l a x a t i o nl a b e l i n g ) 法进行算法约束【9 】。 课题组对卫星云图的研究也已经开展了数年，并己取得了一定的成果。郭爱 民实现了补丢线处理、m 滤波、边缘检测、细化等算法，初步提取出云系的三 种形态特征：边缘、骨架和中心点【1 0 】；程彦提出了“轮廓线跟踪算法”和“骨 架线分割跟踪算法”，提出了7 个识别基元共6 6 种可能的识别指标】；薛俊滔研 究了红外卫星云图的多值自适应分割和锋面云系、涡旋云系的识别问题 12 ；刘 勇研究了云图数据库及数据库最基本的管理功能 13 】；吴冰研究了成熟期台风云 系的中心定位问题i l 。 从现有资料来看，目前针对形成期台风较系统的特征提取及客观预报模型的 研究还未见报道。 1 3 课题目标和意义 本文工作是模式识别国家重点实验室开放课题一“形成期台风云系识别方法 的研究”的重要部分。 台风是影响我国的主要自然灾害之一，每年都造成数十亿元的经济损失和大 量的人员伤亡。为此，台风预报尤其是早期预报引起人们特别的关注“”。卫星云 图携带有台风产生、发展、成熟和衰亡的重要信息，是国内外预报台风天气的重 要信息源。在云图中，反映成熟期和较成熟期的台风云系具有眼区、密闭云墙和 较完整的螺旋云带等三大显著性标志，是气象工作人员识别并定位此阶段台风的 重要客观依据。但是，在台风的产生和形成阶段，台风眼特征、密闭云墙特征尚 未形成，螺旋云带也不甚明显，因此，相应阶段尤其是台风形成初期阶段的台风 云系不易被及时地识别出来。 课题组以前的研究成果为本课题的工作打下了坚实的基础，但针对形成期的 台风还未开展过研究。而从目前的资料分析，对台风云系的研究仍感不足，尤其 是对形成初期的台风云系特征的分析与研究、提取与描述以及识别与追踪离预报 业务的需求相距甚远。目前，我国国家气象中心仍然采用人工的方法预报台风， 有经验的预报员通过目测云系的几何形状( 主要是云墙和云带) 辅以套用模板拟 第一章概述 合螺旋云带的方法识别并定位台风云系，其识别率及定位准确率因人而异。特别 是对形成初期的台风云系，因其明显特征的削弱增加了人工识别并定位的难度。 由此，此阶段台风云系的自动识别方法的研究，是一项十分有意义的工作。 本课题以红外及可见光云图作为客观资料，研究处于形成阶段的台风云系的 自动识别方法。本文工作主要研究形成期阶段台风云系与非台风云系之间差异， 提取形成期台风的特征以及构建形成期台风的特征体系。 考虑到台风云系不具备传统意义下的一致性特征，也不具备以灰度梯度定义 的图象边缘的良好对应关系，在台风形成初期尤甚。不同的台风、同一台风的不 同阶段，其云系的形态各不相同，形成期台风与传统定义的分割对象模型更有较 大的差异。本文展开的台风云系特征的提取及特征体系的构建特别侧重于台风云 系形态特征规律的提取与描述，着眼于形成期台风云系的正确分割与识别，为建 立云图数据库打下了较坚实的基础。 4 第二章理论基础与方法 第二章理论基础与方法 本章主要介绍在本文工作中涉及到的理论和方法。首先介绍模式识别，然后 介绍计算机视觉及相关技术，再就是数学形态学及其运算的介绍，最后对云图数 据库进行介绍。 2 1 模式识别m 嘲 模式识别诞生于2 0 世纪2 0 年代，随着4 0 年代计算机的出现，5 0 年代人工 智能的兴起，模式识别在6 0 年代初迅速发展成为一门学科。它所研究的理论和 方法在许多科学和技术领域中得到了广泛的重视，推动了人工智能的发展，扩大 了计算机应用的可能性。几十年来，模式识别研究取得了大量的成果。在农业、 天文、气象、生物学、军事、经济、工程等领域里，模式识别系统和技术都有着 极其广泛的应用。 模式的概念，广义的说，是存在于时间和空间中可观察的事物，如果我们可 以区别它们是否相同或是否相似，就可以称之为模式。但模式所指的不是事物本 身，而是我们从事物中获得的信息。因此，模式往往表现为具有时间和空间分布 的信息。人们为了掌握客观事物，按照模式相似的程度组成类别。模式识别的作 用和目的就在于面对某一具体事物时将其正确地归入某一类别。 模式识别系统主要有4 个基本部分：信息获取、预处理、特征选择和提取、 分类决策。其结构如图2 1 所示： 图2 1 模式识别系统结构图 信息获取的目的在于用计算机可以运算的符号来表示所研究的对象，从而达 到使计算机能够对各种现象进行分类识别的目的。客观世界对象的表示形式一般 有二维图象、一维波形、物理量等形式，通过测量、采样和量化等步骤，可以用 矩阵或向量等计算机易于处理的形式来进行表示。 预处理的目的是去除噪声，加强有用的信息，并对输入的测量仪器或其他因 素所造成的退化现象进行复原，如图象对象的滤波、平滑、锐化、细化、膨胀等。 第= 章理论基础与方法 为反映对象的基本形状与属性，需要进行特征的选择与提取，这是模式识别 的关键问题之一。特征提取的要求是：同一类对象属性相似，不同类对象的属性 相异。 特征提取的过程往往是特征的形成过程。 特征具有三要素：鲁棒性、唯一性和相对性。 特征的鲁棒性是指特征在识别过程中的可检测性以及这种检测的可靠性。对 于图象信息，即指该特征的可见性及可见长度。可见范围越大其鲁棒性越好。 特征的唯一性要求选择的特征集对模式库中的不同目标均不相同。 特征的相对性是指特征与我们所要识别的模式集密不可分。脱离所研究的问 题，特征和特征提取便毫无意义。更明确地说，我们究竟应选择怎样的特征取决 于我们的研究对象和我们最终的研究目的。当研究对象和研究目的明确以后，我 们的问题才成为寻找特征并确定相应的提取方法。选择特征应满足分类精度要求 以及系统的时间和空间存储要求。 对于图象对象，特征提取所要满足的约束条件有： ( 1 ) 样本的可分离性。为了有效的分类，希望同类样本之间的差异越小越 好，而不同类样本之间的差异越大越好。 ( 2 ) 特征的有效性。提取出的特征应满足对特征的一般要求和特殊要求， 并使分类错误率达到给定的指标。 ( 3 ) 抗模式畸变能力。通常的模式畸变主要有：噪声对模式的影响、模式 的平移、放缩与旋转变化。 分类决策就是在特征空间中用统计方法把被识别对象归为某一类别。它又由 两个过程所组成，即设计和实现。设计是指用一定数量的样本( 叫做训练集或学 习集) 进行分类器的设计，实现是指用所设计的分类器对待识别的样本进行分类 决策。如果按分类器对被识别对象进行分类所造成的错误识别率最小或引起的损 失最小，这个分类器就是成功的。 2 2 计算机视觉 2 2 1 计算机视觉简介3 视觉信息是人的最重要的感觉来源，是人类智能活动必不可少的要素。人类 对外在世界的认识信息中，有8 0 是通过视觉获得的。人的视觉系统是一个非常 好的信息处理系统，它能快速、有效地完成大量纷繁复杂的外部景物的识别、定 位和追踪，并通过大脑做出相应的判断和处理。让计算机模拟人的视觉是人类美 好的梦想，并且为此付出了大量的艰辛和努力，形成了一门新的交叉学科一计算 6 第二章理论基础与方法 机视觉。 计算机视觉研究的主要内容是通过计算机分析景物的二维图象，从中获得三 维世界的结构、属性等信息，进而在复杂的环境中完成分析、识别、跟踪、导航 等任务。计算机视觉的研究对提高计算机的自动化和智能水平、促进智能机器人 和智能系统的发展都有很大的作用。 有不少学科的研究目标与计算机视觉相近或与此有关。其中包括图象处理、 模式识别、景物分析、图象理解等。在建立计算机视觉系统时需要用到它们的有 关技术，而计算机视觉研究的内容要比这些学科更为广泛。它是站在更高层面上 的一门综合性学科，深度和广度都在不断加深和拓宽。目前，建立在计算机视觉 之上的各种智能系统的研究与开发方兴未艾，有着巨大的应用价值、商业价值和 研究价值。 2 2 2 图象分割陉” 计算机所能处理的是数字和符号。计算机视觉的低层次处理是对二维数字图 象阵列进行的数字处理，而高层次的结构、属性则是由符号所表达的，是一种符 号处理，要从数字处理转化到符号处理，就必须要把用数字来表达的图象阵列转 化为表征这个数字集几何特性的符号集合，这时要用到分割技术。因此图象分割 是计算机视觉中的一个基本问题。 简单的说，图象分割就是将给定的图象按照某种准则划分为互不相交的有意 义的子图的过程。根据利用图象信息的不同，图象分割方法可以分为如下三个方 面： ( 1 ) 利用图象灰度统计信息的方法，包括一维直方图阈值化方法和二维直 方图阈值化方法。 ( 2 ) 利用图象空间区域信息和光谱信息的图象分割方法，包括区域分裂、 合并、生长法、纹理分割、多光谱图象分割等。 ( 3 ) 利用图象中灰度变化最强烈区域信息的方法一边缘检测方法。 阈值化分割算法是图象分割算法中数量最多的一类。简单的说来，对灰度图 象的取闽值分割就是先确定一个处于图象灰度取值范围之中的灰度阈值，然后将 图象中各个象素的灰度值都与这个阈值相比较，并根据比较结果将对应的象素划 为两类：象素的灰度值大于阈值的为一类，象素的灰度值小于阈值的为另一类， 灰度值等于阈值的象素可归入这两类之一。这两类象素一般分属图象中的两类区 域，所以对象素根据闽值分类达到了区域分割的目的。 闽值化分割算法主要有两个步骤：一是确定需要的分割阈值；二是将分割阈 值与象素值比较以划分象素。在以上两个步骤中，确定阚值是分割的关键。 第二章理论基础与方法 区域生长的基本思想是将具有相似性质的象素集合起来构成区域。具体做法 是：先对每个需要分割的区域找一个种子象素作为生长的起点，然后将种子象素 周围邻域中与种子象素有相同和相似性质的象素( 根据某种事先确定的生长或相 似准则来判定) 合并到种子象素所在的区域中。将这些新象素当作新的种子象素 继续进行上面的过程，直到再没有满足条件的象素可被包括进来。这样，一个区 域就长成了。 在实际应用中，区域生长法要解决三个问题： ( 1 ) 选择或确定一组能正确代表所需区域的种子象素。 ( 2 ) 确定在生长过程中能将相邻象素包括进来的准则。 ( 3 ) 制定让生长过程停止的条件或规则。 2 2 3 骨架啪3 计算机视觉的根本性任务之是研究和开发柔性的形状表示和描述方法。描 述目标结构化形状的一个重要的方法是将它简化为一个图，这种简化可以通过提 取目标的骨架来实现。目标的骨架( 也叫对称轴或中轴) 能够提供许多其它表示 框架所不能提供的关键信息，所以它成为计算机视觉领域的重要研究课题。 目标的骨架具有许多重要的优点，具体为： ( 1 ) 目标的骨架表示显著地减小了后续处理的数据量。 ( 2 ) 目标的骨架反映了目标的重要视觉线索，例如形状复杂性、变形历史 等。 ( 3 ) 目标的骨架提供了与人类视觉感知非常接近的目标的图结构，它保持 了目标原始形状的几何性质和拓扑性质。 ( 4 ) 目标的骨架表示可以被用来描述自然的或变形的目标，而传统的形状 表示框架难于完成这样的任务。 ( 5 ) 目标的骨架表示组合了目标的内部区域信息和外部轮廓信息。是对目 标形状的完全描述。 2 2 4 运动视觉及其技术m 4 运动视觉是计算机视觉的重要组成部分，它根据对动态图象或时变图象序列 的分析，来确定运动物体的结构，或者物体与观察者之间的相对运动参数。运动 视觉在工业和军事应用领域具有重要的现实意义，例如自动装配线上的机器人视 觉系统、基于运动分析的空间卫星跟踪等。 在运动视觉中，运动目标提取与跟踪是它的一项重要课题。运动目标跟踪的 第二章理论基础与方法 目的就是通过对传感器拍摄到的图象序列进行分析，计算出目标在每帧图象的位 置，给出目标运动速度和方向的估计。常用的运动检测与分析方法有光流场分析 方法、傅立叶分析方法、差分图象方法等。 光流是空间运动物体的被观测表面上的象素点运动的瞬时速度场。光流携带 了物体可见表面的深度、曲率和取向的重要信息，以及有关景物中物体与传感器 系统之间相对运动的关系。心理学和神经生理学的大量实验已经证明，光流概念 在认识人和动物视觉感知机制原理方面具有重要的意义。生物系统在真实世界中 一般是相对连续运动的，当它们在运动时，投射到它们的视网膜平面( 即图象平 面) 上的图象实质上也是连续变化的。人正是这样感觉到平滑连续的运动，而光 流就是给这一运动中每一点赋予一个二维“网膜速度”。因此，对光流的研究是 计算机运动视觉的一个重要部分。 光流的研究就是利用图象序列中的强度数据的时域变化和相关性来确定各 自象素位置的运动，即研究图象灰度在时间上的变化与景象中物体结构及其运动 的关系。研究光流场的目的就是为了从序列图象中近似计算不能直接得到的运动 场。由于图象光流的计算不需要在图象序列中建立特征之间的对应关系，因此光 流属于较高层次的计算机视觉表述。 按照理论基础与数学方法的区别把光流计算技术分成四种：微分技术、基于 区域的匹配法( 块匹配法) 、基于能量的方法和基于相位的方法，通常使用微分法 和块匹配法。 微分法以经典的h o m & s c h u n c k 方法为代表，其原理为：设图象模式中的点 ( x ，y ) 在时刻f 的亮度为e 阢卫砂，当模式运动时，该点的亮度保持不变，即等= 0 ， - 于是得到差分方程： 丝堕+ 塑生+ 丝：0( 2 一i ) 瓠出 卸d l a 设甜：冬，v ：冬，则得到光流q ，v ) 的线性方程 讲订r e，“+e。v+巨=0(2-2) 这就是光流约束方程，其中e x ，e ，e 分别表示图象亮度e 对x ，y ，r 的偏导。 方程中包含两个未知量“和v ，若要求解，必须引入其他的约束条件，常用的有 平滑约束条件等。 块匹配法是将速度v ) 定义为不同时刻的图象区域的位移量出( 蟊，呦，使 得不同时刻的图象区域匹配最佳( 最佳拟和) 。其实质是在图象序列的顺序图象对 之间实施的一种位置对应。块匹配法也有很多种方法，模板匹配法是其中一种常 用的方法。 第二章理论基础与方法 方面的先验不确定性，样板匹配总是难得准确的，因而一般在像场的每一点上求 像场和样板之间的差值测度d o , j ) 。凡是d ( i , ) d , ：5 - 某i 3 限值l o a , j ) 的地方，都标 明是所要检测的物体，通常门限值在整个像场内是恒定的。设模板丁在搜索图s 上平移，模板覆盖下的搜索图叫作子图，f 和j 为子图的左上角象索点在s 图 中的坐标，叫参考点，其中1 i m ，1 歹n ，m 为图象宽度，n 为图象高 现在可以比较，和的内容。若两者一致，则t 和酽之差为零。可以用下 d ( i ，力= p 7 ，坊一t ( m ，哟l ( 2 3 ) d ( i ，) = 陋”( 肌，n ) 一t ( m ，玎) 2 ( 2 4 ) d 她 三型竺竺竺：竺竺 。：吲(i ，) 2 币焉芦些些彳气亏一“1 1 ( 丁( m ，”) 一于( m ， ) ) ( s “7 ( m ，”) 一掌( m ，n ) ) 2 1 0 第二章理论基础与方法 式中s “( m ，n ) 是被探测的像场，0 “( m ，n ) 是被探测的像场均值，r ( m ，n ) 是 样板，于( 晰， ) 是样板均值。自然，探测只限于移动样板与像场之间的重叠区域， 如果d 以一 i t ( 1 k 8 ) 且其处理标识为未处理，则将( ，y 。) 点并入集合z ，中，同时设景该点的处理标识为已处理。 步骤3 ：以( x ，y 女) 点为中t h , ，再返回到步骤2 ，如此递归反复，直到( x 。，y 。) 点的八邻域象素点中找不到可并入集合z j 的象素点时为止。至此，一个云系成 功生成，其面积即为集合z ，的大小，若面积值小于某个面积阈值( 本文设置为 2 5 6 ) ，则认为该云系为无关云系，将其删除，但云系所属象素点处理标识保留不 变，仍为已处理。 步骤4 ：返回到步骤1 ，继续在云图剩余象素点中进行云系的生成，如此重 复，直至云图中不存在灰度值比分割阈值还要大的象素点，则结束整个区域生 长过程。 主体云系分割后得到的效果，如图3 - - 5 ( c ) 所示。 3 6 小结 经过上述预处理过程，云图背景由复杂转变为相对简单，云图处理范围大幅 度压缩，椒盐噪声被有效地去除，而云图的预分割以及主体云系的再分割，使整 张云图仅含有若干大尺度、高灰度值的目标云系，从而为云系特征的提取作了积 极的准备。 第四章形成期台风云系特征提取 第四章形成期台风云系特征提取 形成期台风云系的特征提取是本文的重点和核心内容。在本章中，首先介绍 常规的面积、平均灰度值和类圆度等特征的提取，再介绍基于骨架的特征提取， 然后介绍对云导风的改进算法以及基于云导风的旋转性特征提取，同时，对所提 取的特征进行有效性评述。 4 1 样本简介 为了特征提取工作的顺利开展，对目前掌握的1 9 9 9 年台风云图进行整理， 选出4 组形成期台风序列云图。对这4 组序列云图进行分析和归纳，提取形成期 台风云系的有效特征。这四组台风序列云图分别来自： 台风l e o ，4 月2 7 日8 时形成于北纬1 3 7 度、东经1 1 3 1 度，4 月2 9 日2 0 时进入成熟期，消亡于5 月3 日2 时。选取其中的4 月2 8 日8 时到4 月2 8 日 1 3 时系列云图作为样本1 ，这段时期处于台风l e o 的形成中期阶段。 台风s a m ，8 月1 8 日8 时形成于北纬1 3 6 度、东经1 2 9 7 度，8 月2 2 日2 时进入成熟期，消亡于8 月2 6 日2 0 时。选取其中的8 月2 0 日8 时到8 月2 0 日1 3 时系列云图作为样本2 ，这段时期处于台风s a m 的形成中期阶段。 台风b a r t ，9 月1 8 日凌晨2 时形成于北纬2 0 0 度，东经1 3 1 0 度，9 月2 1 日2 时进入成熟期，消亡于9 月2 5 日8 时。选取其中的9 月1 9 日8 时到9 月 1 9 日1 3 时序列云图作为样本3 以及9 月2 0 日8 时到9 月2 0 日1 3 时系列云图 作为样本4 ，前段时期处于台风b a r t 的形成初期阶段，后段时期处于台风b a r t 的形成后期阶段。 三个台风云系的发展过程也不相同。台风l e o 在形成期平稳发展、缓慢移动， 而台风s a m 发展过程中呈现不断旋转扩展并移动的态势，台风b a r t 则是不断卷 入周边云带，主体云系变化剧烈。 从四组系列云图中提取出4 组形成期台风云系，同时，为检验特征的有效性， 本文还选取在灰度值、形态和面积上与台风云系相似的7 组非台风云系，用来和 台风云系作比较。各云系以及提取的特征值情况可见附录。 4 2 基本原则 进行形成期台风云系特征提取的目的在于对形成期台风云系进行有效描述， 从而有效识别形成期台风云系，建立起形成期台风识别及预报模型，同时，成功 第四章形成期台风云系特征提取 的特征提取系统也是构建云图数据库基于内容的检索子系统的前提与基础，是云 图数据库的一个重要组成部分。 为此，在特征提取过程中，要遵循以下原则： 独特性原则，即将台风在产生、发展、成熟过程中独特的规律提炼出来 形成描述性特征。 可分离性原则，即将台风与非台风之间较大的反差性提炼出来形成描述 性特征。 动态性原则，即不仅关注台风云系的静态特征，更要提取台风云系的变 化规律。 普遍性原则，即提取的特征对各类台风都具有普遍适用性。 4 3 常规特征提取 4 3 1 面积 面积特征是云系面积及面积变化的感性描述。求云系的面积其实就是求出云 系中灰度值大于分割阈值的象素点的个数。在云系图象r 中，设f ( x ，y ) 为坐标 点( x ，y ) 的灰度值，v 为预分割阈值，则云系的面积特征定义为： 彳= x ym 棚胞加倍凳冀 c 。训 为反映面积特征随时间的变化规律，定义面积特征的平稳性特征和增强性特 征。设f 。时次的面积值为爿o 。) ，r ，时次的面积值为a ( t ，) ，f 。时次与f 时次的 面积差值，= 一o 。) 一a ( t ，) ，定义m 。为a 的符号数，即 m ，邓魄，= 雠。焉 c t 刊 定义面积特征的增强性特征为： m ， 如一。= 旦一，( n = 5 ) ( 4 3 ) h 取值为5 是由于本文采用的序列云图为8 时至1 3 时共六个时次，对相邻 时次的面积特征值计算差值，可得5 个面积变化值。 定义面积特征的平稳性特征为： 第四章形成期台风云系特征提取 饿= 箸丧 ( 4 4 ) 各云系的面积情况参见附录，表4 1 显示了各云系面积特征的平稳性特征 和增强性特征情况。 表4 一l a 。o s j m ) b t e爿。一4 器。彳a 。f 台风云系1 0 1 1 60 0 3 40 0 6 9o 0 3 l0 0 2 4o 2 台风云系2 0 0 8 80 1 0 50 0 7 00 0 0 50 ，0 5 81 o 台风云系3 o 1 1 70 2 8 40 0 9 60 0 3 6o 0 1 61 o 台风云系4 o 1 2 30 0 3 20 0 5 10 0 7 70 0 0 80 8 非台风云系1 0 0 9 8o 2 no 2 1 8o 20 2 0 31 0 非台风云系2 0 + 3 0 10 0 0 8o 0 5 l0 0 1 9o 1 5 4o 2 非台风云系3 0 0 8o 1 2 2o 1 0 50 0 0 9o 0 20 6 非台风云系4 o 0 1 9o 0 3 10 0 6 60 0 7 70 1 4 2o 2 非台风云系5 0 7 4 5o 1 3 6o 1 7 3o 1 5o 0 3 11 o 非台风云系6 0 0 5 60 0 2 90 0 1 2o 0 1 50 3 5 70 6 非台风云系7 0 1 90 0 6 30 0 3 8o 1 7 50 2 4 60 6 综合面积及其相关特征进行分析，可以发现：虽然台风云系的面积在静态数 值上没有明显的特点，但在其时间变化趋势上，台风云系均保持逐渐增长的趋势。 同时，在变化的平稳性上，由于较大面积的周边云系卷入或脱离，一盟。值可能 较大，但由于台风云系的主体作用，4 2 。应小于o 5 。 4 3 2 平均灰度值 灰度值直观上反映了图象中象素点的明暗程度，实际则反映云图中的温度高 低。由于不同云图的源地不同、经过的地表性质不同以及气团内部空气垂直运动 的改变，反映在云图中就表现为各云系的灰度等级( 温度范围) 不同。例如淡积 云的云顶温度一般高于o 摄氏度，而积雨云的云顶则为零下1 5 摄氏度以下。因 此，根据云系的灰度等级这一指标可以粗略推断出云系内部气流运动的强弱程 度，这有利于区分成因不同的云系。 云系的平均灰度值特征g 定义为： 第四章形成期台风云系特征提取 e g ， g=_l(4-5、 a 其中，g ，( 1 i n ) 为云系象素点i 的灰度值，a 为云系的面积。 平均灰度值的平稳性特征定义同面积特征的平稳性特征定义。鉴于云系的平 均灰度值小幅振荡频繁，平均灰度值的增强性特征定义为整个序列中后三时次的 平均灰度值累加值与前三时次平均灰度值累加值的相对差，即 63 瓯一。= g ，一g ， ( 4 6 ) j - 4 i = 1 各云系的平均灰度值情况参见附录，表4 2 显示了各云系平均灰度值的平 稳性特征和增强性特征情况。 表4 2 g 。u g m o ) kg g 。o m 。) b i ：g 。g m n 台风云系1 0 0 0 70 0 0 10 0 0 20 0 0 20 0 0 3o 7 2 台风云系20 0 0 10 0 0 5 o 0 0 10 0 0 30 0 0 1o 2 台风云系30 0 1 10 0 0 30 0 0 1 0 0 0 10 0 0 41 9 台风云系4 0 0 0 50 0 0 20 0 0 10 0 0 10 0 0 22 1 7 非台风云系1 o 1 20 0 0 20 0 0 20 0 0 40 0 1 57 5 7 非台风云系2 o 0 2 1o 0 10 0 0 50 0 0 60 0 0 61 5 5 5 非台风云系3 0 0 0 60 0 0 50 0 0 50 ；0 0 20 0 0 0 27 4 3 非台风云系4o 0 1 90 0 0 2 0 0 0 90 0 0 60 0 0 35 8 4 非台风云系5 0 0 0 0 10 0 0 0 50 0 0 40 0 0 60 0 0 25 3 7 非台风云系6 0 0 0 50 0 0 60 0 0 50 0 1 2 0 0 1 71 4 0 8 非台风云系7 0 0 0 30 0 3 40 0 0 20 0 0 50 0 0 81 0 5 4 综合平均灰度值及其相关特征进行分析，可以发现：台风云系在云图中是具 有较高平均灰度值的云系之一，平均灰度值大于2 0 0 ：平均灰度值随时间变化 平稳，只有小幅振荡，最大的g 。( o 。也仅有0 0 1 1 ，最大的g 一。，变化也仅有2 1 7 。 非台风云系的情况各异。一般来说，对于平均灰度值低于2 0 0 ，。g 。o ) 6 k 大于 0 0 3 ，g 。，偏离大于5 ，该云系为非台风云系的可能性较大。 4 3 3 类圆度1 第四章形成期台风云系特征提取 台风由热带洋面上的气旋性扰动发展而成。云区内出现涡旋结构，并且越来 越明显，说明低压环流较强，正向台风发展。反映在卫星云图上，表现为台风云 系的类圆度( 或者说圆形度) 越来越好。 常用的类圆度c 定义为： c=等(4-7， 其中4 表示云系面积，工表示云系的边缘周长。 在本文中，发现用该公式计算，效果有时很不理想。究其原因，表现在云系 为一极度不规则的几何体，其边缘细节可能过多，这时会使边缘周长上过大，从 而导致类圆度较高但边缘细节过多的云系c 值过小。为此，本文对云系类圆度 的计算方法改进如下： 如图4 1 所示，对几何体在y 轴上进行投影，获得其最大投影长度三k 。缈， 在x 轴上进行投影，获得其最大投影长度d 一俐。再求得其边缘任意两点之间 的最大长度d 。，最后，定义类圆度特征c 为： c ：垒盟堡坚丝 2 d m 。 p m 靠 ( 4 8 ) 图4 1 类圆度特征提取示意图 当几何体为圆形时，c 取最大值( 1 ) ；当几何体为一斜线时，c 取最小值( 趋 于o ) ，故其取值空间为( o ，1 】。 类圆度的平稳性特征定义为相邻时次的类圆度差值，即 c k = c ( t ) 一c ( t ，) ( 4 9 ) 类圆度的增强性特征定义为 c i 一。，：掣，( 七：6 ) ( 4 1 0 ) 第四章形成期台风云系特征提取 式中m 为各时次类圆度值中值大于0 7 的数量。 各云系的类圆度情况参见附录，表4 3 显示了各云系类圆度的平稳性特征 和增强性特征情况。