（控制科学与工程专业论文）基于图像挖掘技术的卫星云图与降雨关系研究.pdf

国防科学技术大学研究生院学位论文 摘要 卫星云图是气象卫星通过遥感， 遥测方式获得的地球大气的观测图像， 云图 直观反映的信息有两类， 一类是云顶的温度信息， 另一类是云团的分布信息。 利 用卫星云图进行降雨情况的分析具有直观性好， 易于掌握， 速度快， 范围广等优 势。卫星云图已经成为防洪和抗旱决策过程中的重要考察因素。 目 前， 卫星云图和降雨关系的研究主要靠领域专家的经验和人肉眼对云图的 观测， 仍属于定性分析的范畴。 这种方式完全是一种人工模式， 存在着主观性大， 缺乏定量分析，精度不高等问题，因此分析结果往往在决策过程中缺乏说服力。 图像挖掘技术是数据挖掘技术中的前沿领域， 作为一种有效的分析工具， 图 像挖掘技术不但能从单纯的图像集中发现知识， 也能够从图像集和与其相关的非 图像数据集中发现知识。本文利用湖南地区9 6 年4 , 5 , 6 , 7 , 8 五个月近2 0 0 0 余幅卫星云图， 以及地面2 6 2 个雨量站的雨量记录作为原始数据， 通过图像挖掘 技术的分析， 最终得到了宝贵的知识。 这些知识不但具有定量的说明， 而且通过 了领域专家的评定，对于研究卫星云图和降雨的关系具有重要意义。 具体来说本文的研究内容及其贡献为: 1文章总结了卫星云图与降雨关系的研究现状， 分析了目 前几种常用方法的 优缺点。同时介绍了图像挖掘技术的任务和基本方法。 在此基础上， 提出基于图 像挖掘技术的卫星云图和降雨关系研究方法。 2基于卫星云图的关联规则挖掘。 大量的卫星云图和丰富的地面雨量记录为 进行关联规则挖掘提供了原始素材。 云图属于图像数据， 地面雨量记录属于字符 型数据， 如何选取一种合适的数据组织形式将这两种数据结合在一起是首先要解 决的问 题。 为此， 文中引入了多维数据立方体的概念， 云图的图像特征， 雨量数 据等信息作为立方体的组成部分， 实现了有机的结合。 另一个需要解决的问题是 云图的 数据量非常巨 大， 经典的关 联规则挖掘算法a p r i o r i 算法无法满足效率需 求。为 此， 文中又引入了“ 事务模式” 这一全新概念， 基于它对a p r i o r i 算法改 进后， 算法用于云图和雨量数据间的关联规则挖掘， 不仅获得了较好的实验结果， 也满足了效率需求。 3基于卫星云图的聚类分析。目前， 聚类算法种类繁多， 如何选择一种有效 的方法用于云图聚类将直接影响实验的结果。在全面了解各种算法特色的基础 上， 结合卫星云图自 身特点， 文章提出了基于自 组织映射网络框架的云图聚类算 法“ 两阶段自 组织映射聚类算法” ， 该算法对9 6 年4 , 5 , 6 三个月近 1 4 0 0 幅云 图进行聚类， 通过客观的数量指标的评定， 证明该聚类算法能够有效的实现云图 间的聚类。利用云图的聚类结果，文章进一步研究了每类云图集和降雨的关系。 图像挖掘技术为云图和降雨关系的研究提供了新的思路， 它得到的结果作为 知识不仅对领域专家有一定的参考价值， 也为利用云图进行降雨的预测奠定了基 础。 关键词:数据挖掘、图像挖掘、数量属性、关联规则、聚类、自 组织映射网络 第 v页 国防科学技术人学研究生院学位论文 ab s t r a c t s a t e l li t e n e p h o g r a m s a r e o b s e r v a t i o n a l i m a g e s o f e a r t h a t m o s p h e r e , w h i c h a r e o b t a i n e d t h r o u g h r e m o t e - s e n s i n g a n d t e l e m e t e r b y m e t e o r o l o g i c a l s a t e l l i t e s . i n f o r m a t i o n d i r e c t l y r e fl e c t e d b y n e p h o g r a m s c a n b e c l a s s i fi e d i n t o t w o t y p e s : o n e i s t e m p e r a t u r e i n f o r m a t i o n o f c l o u d s o n t o p , t h e o t h e r i s t h e d i s t r i b u t io n in f o r m a t i o n o f c l o u d c l u s t e r s . t h e r e a r e s o m e a d v a n t a g e s t o u t i l i z e n e p h o g r a m s t o a n a l y z e r a i n f a l l c o n d it i o n s , s u c h a s g o o d i n t u it i v e n e s s , c o n t r o l e a s i n e s s , f a s t s p e e d a n d w i d e r a n g e . n e p h o g r a m s h a s a l r e a d y b e c o m e a n i m p o r ta n t o b s e r v e d f a c t o r f o r t h e d e c i s i o n - m a k i n g p r o c e s s o f p r e v e n t i n g fl o o d a n d f i g h t i n g a d r o u g h t . a t p r e s e n t , t h e r e s e a r c h o f r e la t i o n b e t w e e n n e p h o g r a m s a n d r a i n f a l l m a i n l y r e l i e s o n e x p e r t s e x p e r i e n c e s a n d o b s e r v a t i o n o f n e p h o g r a m s w i t h t h e u n a i d e d e y e . s o i t s t i l l b e l o n g s t o a q u a l i t a t i v e c a t e g o r y . t h i s m e t h o d i s i n a c o m p l e t e g o t - u p m o d e , i n w h i c h s o m e p r o b l e m s e x i s t , i n c l u d in g e x c e s s i v e s u b j e c t i v i t y , l a c k o f q u a n t i t a t i v e a n a l y s i s a n d l o w p r e c i s i o n . t h e r e f o r e t h e r e s u l t o f a n a ly s i s i s a l w a y s s h o r t o f s t r in g e n c y i n t h e d e c i s i o n - m a k i n g p r o c e s s i m a g e m i n i n g t e c h n i q u e i s a f r o n t o f d a t a mi n i n g . a s a n e ff e c t i v e t o o l o f a n a ly s i s , i m a g e m i n i n g c a n n o t o n l y d i g o u t k n o w l e d g e fr o m s i m p l e im a g e s e t s , b u t a l s o d i s c o v e r k n o w l e d g e f r o m r e la t e d n o n - i m a g e d a t a s e t s . t h i s p a p e r t a k e s a b o u t 2 0 0 0 n e p h o g r a m s o f h u n a n a r e a f r o m a p r i l t o a u g u s t i n 1 9 9 6 a n d h y e t a l r e c o r d s f r o m 2 6 2 g r o u n d h y e t a l s t a t i o n s as t r a i n i n g d a t a . t h r o u g h i m a g e m i n i n g a n a l y s i s o n t h e m , w e a c q u i r e v a l u a b l e k n o w l e d g e . t h e k n o w l e d g e h as q u a n t i t a t i v e e x p l a n a t i o n s , a n d h as p a s s e d m e t e o r o l o g i s t s as s e s s . t h e r e f o r e , i t i s o f g r e a t s i g n i f i c a n c e t o r e s e a r c h o n r e l a t i o n b e t w e e n n e p h o g r a m s a n d r a in f a l l . i n d e t a i l , t h e c o n t e n t a n d a c h ie v e m e n t o f t h i s p a p e r a r e l i s t e d as f o l l o w s : 1 u s i n g p r e s e n t a c h i e v e m e n t i n t h e f i e l d o f m u l t i m e d i a r e s e a r c h a n d c o m b i n i n g r i p e m i n i n g t e c h n o l o g y , a n e w m e t h o d u s e d f o r r e s e a r c h i n g c o n n e c t i o n b e t w e e n s a t e l l i t e n e p h o g r a m a n d r a i n f a l l , u t i l i z i n g i m a g e m in i n g t e c h n o l o g y , i s p r e s e n t e d i n t h i s p a p e r . t h i s p a p e r u s e t h e f ir s t s t r a t e g y t o p r e p r o c e s s d a t a o f s a t e l l i t e n e p h o g r a m s o a s t o r e p r e s e n t i m a g e d a t a b y a n e w m e a n s a n d i m p r o v e s e v e r a l m i n in g c s , a n d u l t i m a te l y r e a l i z e t h e t a s k o f i m a g e m i n i n g . 2 min i n g o f a s s o c i a t i o n r e g u l a t i o n b a s e d o n n e p h o g r a m s . a g r e a t n u m b e r o f s a t e l l it e n e p h o g r a m s a n d a b u n d a n t r e c o r d o f r a i n q u a n t i t y p r e s e n t o r i g i n a l m a t e r i a l f o r m i n i n g o f as s o c i a t i o n r e g u l a t i o n . n e p h o g r a m b e l o n g s t o i m a g e d a t a a n d r e c o r d o f r a i n q u a n t i t y b e l o n g t o c h a r a c t e r d a t a . i t i s t h e f i r s t p r o b l e m t o d e a l w it h t h a t h o w t o c h o o s e a a p p r o p r i a t e o r g a n i z a t i o n f o r m o f d a t a t o c o m b i n e t w o k i n g s o f d a t a . s o w e i n t r o d u c e c o n c e p t o f m u l t i d i m e n s i o n a l d a t a c u b e , i m a g e c h a r a c t e r o f n e p h o g r a m , d a t a o f r a i n f a l l a n d s o o n , a s c o m p o n e n t o f d a t a c u b e .t h e o t h e r p r o b l e m i s g r e a t n e s s o f i m a g e d a t a . a p r i o r i a l g o r i t h m , a c l a s s i c a l a l g o r i t h m , d o n t m e e t t h e n e e d o f e f f i c i e n c y . i n o r d e r t o d e a l w i t h t h e p r o b l e m , a n e w c o n c e p t o f t r a n s a c t i o n i s i n t r o d u c e d . b as e d 第 v i页 国防科学技术大学研究生院学位论文 o n t h e c o n c e p t , a p r i o r i a l g o r i t h m c a n b e im p r o v e d s o t o m e e t t h e n e e d o f e ff i c i e n c y . 3 t h e c l u s t e r i n g a n a l y s i s o f s a t e l l i t e n e p h o g r a m . t h e fi r s t p r o b l e m t h a t n e p h o g r a m c l u s t e r i n g f a c e s i s h o w t o c o n s t r u c t e i g e n v e c t o r . n e p h o g r a m g r e y i n f o r m a t i o n , t e x t u r e a n d s o o n c a n b e r e g a r d a s o n e d i m e n s i o n o f e i g e n v e c t o r . b u t i f t h e d i m e n s i o n o f e i g e n v e c t o r i s s o h i g h , it w i l l a g g r a v a t e b u r d e n o f c l u s t e r i n g a l g o r i t h m , s o i t m u s t c h o s e t h e m o s t r e p r e s e n t a t i v e c h a r a c t e r t o c o n s t r u c t e i g e n v e c t o r . a t p r e s e n t , t h e r e a r e a g r e a t k i n d s o f c l u s t e r i n g a l g o r i t h m s . s o t h e s e c o n d p r o b l e m t h a t n e p h o g r a m c lu s t e r i n g f a c e s i s h o w t o s e l e c t a e ff e c t iv e c lu s t e r i n g a l g o r i t h m . b a s e d o n c o m p r e h e n s i v e u n d e r s t a n d i n g o f a l l k i n d o f a l g o r it h m s a n d c o m b i n i n g s e l f c h a r a c t e r o f s a t e l l i t e n e p h o g r a m , t h i s p a p e r s e l e c t s e l f o r g a n i z e d ma p n e t w o r k a s c l u s t e r i n g a l g o r i t h m . t h i s m e t h o d i s v a l i d v i a r e s u l t o f c l u s t e r i n g a n a l y s i s . f u l l t e x t i s b a s e d o n a p p l i c a t i o n b a c k g r o u n d o f s t u d y o f r e l a t i o n b e t w e e n s a t e l l i t e n e p h o g r a m a n d r a i n f a l l . mi n i n g r e s u l t h a s r e f e r e n c e m e r i t t o m e t e o r o l o g i s t s . a l t h o u g h t h e r e h a s s o m e f a u l t i n e s s , t h i s p a p e r h as it s o w n v a l u e a s a c t i v e p r o b e i n t h e f i e l d o f m u l t i m e d i a d a t a m i n i n g . k e y w o r d : d a t a mi n i n g , i m a g e mi n i n g , a s s o c i a t i o n r u l e , c l u s t e r , s e l f o r g a n i z e d ma p ( s o m) . 第 v t l币 独创性声明 本人声明 所呈交的学 位论文是我本人在导师 指导下进行的 研究工作及取得 的 研究成果。 尽我所知， 除了 文中 特别加以 标注和致谢的 地方外， 论文中 不 包含 其他人已 经发表和撰写过的 研究成果， 也不包含为获得国防科学技术大学或其它 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 说明并表示谢意。 学 位论文 题目 : 造组遇 象 挖 掘 技 木的 卫 星 云图 与降 雨 关 系 研究 学 位 论 文 作 者 签 名 : 二 来 卫 一 一一 日 期 : ),o p3 年/ : 、 学位论文版权使用授权书 本人完全了 解国防 科学技术大学有关 保留、 使用学 位论文的规定。 本人授权 国防 科学技术大学可以 保留 并向国家有关部门 或机构送交论文的复印 件和电 子 文 档， 允许论文被查阅 和借阅; 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，可以 采用影印、 缩印 或扫 描等复制手段保 存、汇 编学 位论文。 ( 保密学位论文在解密 后适用本授权书。 ) 学位论文题目 : 望迁鱼像挖掘技 术的 卫星云图 与降雨关系 研究 学位论文作者签名: 作者指导教师签名: 日 期 :加另年) 月z 。 日 日 期 : 2 z a t 年 ) 厂 ， 口 国防科学技术大学研究生院学位论文 图 目 录 图2 . 1数据挖掘任务分类， . . . . . . . . ， . . . . . . . . . . . . . . ， . . . . . . . . ， . . . . . . . . . . . . . . . . . . . . 7 图2 .2数据挖掘过程示意图. . . . . ， . . . . . . . . ， . . ， . . . . . . . 二 ， 二 ， . . . . . . . . . . . . . . . . 8 图2 .3数据挖掘受多学科影响， ， ， ， ， “ . . . ， . . . ， . ， ， . . . . . . . . . ， ， 二 ， . ， . . . ， 二 8 图3 . 1雨量站数据记录表. . . . . . . . . . . . . ， . . . . . . . . . . . ， . . . . . . . . . ， 二 ， . . . . . . 1 7 图3 .2雨量站坐标记录表. . . . . . . . . . . . . . . . . . . . . ， ， ， . ，. ， 二 ， ， . . . . . . ， 1 8 图3 .3空缺的雨量记录二 ，. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ， . ，. . . . . . . . ， . . . . 2 0 图3 . 4红外云图实例. . ， ， . . . 二 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1 图3 .5多维数据立方体. . . . . . . . . . . . . ， 二 . . . . . . . . ， ， . . .- . . . . . . . . 2 3 图3 . 6降雨一灰度曲线 . ， . . . . . . . . ， . . _ . ， . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 7 图3 .7小雨一灰度曲线. . . ， . . . . . . . . . ， . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 7 图3 . 8大雨一灰度曲线 ， ， ， 、 ， . ， .， . . . . . . . . ， ， ， . ， . . . . ，. . . . . . . . ， . . . 2 7 图3 .9暴雨一灰度曲线. . . . . 二 ， . . _ . . ， . . . . . . . . . . . . . ， . . . . . . ， . ， 二 ， . . ， . ， 二 ，. 2 8 图3 . 1 0中雨一灰度曲线. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 8 图3 . 1 1平滑后的中雨一 灰度曲线 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ，二 ， . . . . . . . . . . . . 2 8 图3 . 1 2合并相邻区间的条件 _ ， . . . . . . . . . ， 二 ， . . . . . . . ， ， . . . . . . . ，. . . . . 2 9 图3 . 1 3基于经验平均分区的关联规则挖掘结果. 二 ， ， .， ， “ . ， . ， - . . . . . . 3 4 图3 . 1 4最小支持度和最小可信度指定界面. . . ， . ， . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 5 图3 . 1 5基于灰度自身分布特点分区的关联规则挖掘结果. ， . . . . . . . . . . . . . . . . . 3 5 图4 . 1侧向交互作用关系， . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ， 二 ， . . . . . . . . . . . . . . . . . . 3 9 图4 .2自 组织特征映射神经网络结构. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 9 图4 .3输入神经元与竞争层神经元j 的连接， . ， 二 ， . ， . . . . . . . . . . ， 二 ， . . . . . . 4 0 图4 .4 ( n ) 需要辐射校正的原始图 像二 ， ， . ， . . . . ， ， . . . . . . . . . . ， . . . . . . . . . . . . . . 4 3 图4 .4 ( s ) 辐射校正后的云图. . . . . . . . . ， . . . . ， 二 ， . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 3 图4 . 5云团移动带来的聚类问题. . 一 t. . . . . . . . 一 ， . . . . . . . . . ，二“ “ ， - . 4 5 图4 .6两阶段自 组织特征映射聚类算法 ， 卜 _二 ， t ， . . . . . . . . ，. ， . . . . . . . . . . . . . . . . . . . . . . . . . . 4 6 图4 .7输入矢量为云图直方图的聚类结果. . ， . . ，. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 9 图4 . 8两阶段自 组织映射聚类结果. . . ， . . . . ， .， 二 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 0 第 川 币 国防科学技术人学研究生院学位论文 表 目 录 表3 . 1综合数据表. . . . ， . . . . . . . . . . . . . . . . . . . . . . . . ， . . . . . 卜 . . . . . . . . . . . . . . . . . 1 8 表 3 .2经验分区. . . . . . . . . . . . . . ， ， ， . ， . . . . . . . . . . . . . . . . . . . . . . ， . ， ， . ， ， ， . ， ， 二 ，. . . 2 5 表 3 .3基于经验分区的事务模式计数表， . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1 表3 .4基于灰度分布的事务模式计数表. . . . . . . . . . . . . . . . ， ， ， .， . . . ， . ， 二 ， ， . ，. . . . 犯 表3 .5综合数据表 . . . . . . . . . . . . . . . . . . . . . . . . . . . ， . . 二 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 3 表4 . 1距离评价聚类结果表. ， . . . . . . . . . . . . . . . . . . . . . . . . . . . . ， ， . ， . ，. . . . . . . . . . . . . . . . . 4 8 表4 .2聚类结果与雨量分布关系 . . . . . . . . . . . . . . . . . . . . . . . . . . . . ，. . . ， . ， ， 二 ， . . . . . 5 1 第 i v 页 国防科学技术大学研究生院学位论文 第一章 绪 论 l . 1问题的提出 随着图像获取和存储技术的不断提高， 产生了大量的图像数据， 例如卫星遥 感图像、 医疗图像和数字照片。 如果对这些图像数据集进行有效的分析， 可以揭 示出很多有价值的知识。 图像挖掘是一种从大型图像集中提取图像模式的技术， 它既不同于低层的计 算机视觉和图像处理技术， 也不同于基于图像内容的检索技术。 底层的计算机视 觉和图像处理技术是从单一图像中提取具体的特征， 图像挖掘技术是提取隐含在 图像集中的知识。 在提取知识的过程中， 图像挖掘技术能够由底层像素描述的图 像或图像序列来确定高层空间目 标以及它们之间的关系。 卫星云图属于遥感图像的范畴，它不仅可以反映大范围云状况的分布和变 化，更重要的是通过卫星云图对云顶温度的反映，对降雨情况做出分析和预测， 所以云图在气象， 水利等领域有着重要的应用价值。 但是目前对于云图的利用仍 然是以领域专家定性分析为主，这就带来一些问题: 1效率问题: 人工判读有时无法满足特定应用对时间的要求， 例如， 在洪涝 季节， 抗洪抢险的决策过程中就需要对大量卫星云图进行快速的分析判断， 单凭 这种人工判读是无法满足效率需求的。 2准确性问题: 人工判读主要是依靠领域专家的经验对云图进行分析， 主观 性大， 得出的结论大多都是定性的， 缺乏定量的说明， 因此有时云图分析的结果 缺乏说服力。 3分析容量问题:地面每天接收2 4幅卫星云图，如果保存收到的云图，这 会是非常巨大的图像资源， 但仅依靠专家肉眼对云图判读根本无法处理这样巨大 的数据量，更不用r找出隐含其中的知识。 针对这些问 题， 必须找到一个有效的分析工具， 图 像挖掘技术的特点正适用 于这些问题的处理。 首先， 图像挖掘技术是一种基于计算机的分析技术， 只要算法合理， 它不仅 可以 对云图进行高效的分析， 而巨 分析的范围也从原来人工模式下的少量云图扩 展到分析具有一 定时间跨度的云图集 其次， 图像挖掘技术提供的分析方法一方面利用了领域专家的经验知识， 另 一 方面它对分析的结果给出了定量说明， 实现了定性分析与定量说明的结合， 挖 掘结果更具有说服力。 l . 2国内外研究现状 1 . 2 . 1图像挖掘研究现状 图像挖掘技术是数据挖掘领域的一个分支， 是近年发展起来的前沿领域。 图 第 i页 国防科学技术大学研究生院学位论文 像挖掘是多学科的交叉点， 主要包括: 计算机视觉、图像处理、图像检索、 数据 挖掘、 机器学习、 数据库和人工智能。 虽然这些学科在各自的领域已经比较成熟， 但是图像挖掘仍处于探索研究阶段。国内外的许多学者在该领域做了积极的探 索，在以下几个方面做了有意义的尝试: 1天体图像挖掘: 该系统以天文学家认真分类过的天空图像为训练集， 构造 出模型用于识别星系，人们已经成功的运用这一方法去识别金星上的火山。 2卫星遥感图 像挖掘2 )3 4 :卫星遥感图 像现在广泛的应用于各种领域，目 标是要运用遥感图像解决地表的问题。 在遥感图像中检测出运动目 标， 将运动目 标信息与原始图像一起存入数据库中， 能够挖掘出丰富的知识， 例如目 标间的关 系等。 3空间数据挖掘: 用于空间数据的理解， 空间关系和空间与非空间数据间关 系的发现。人们希望构造出空间数据立方体，基于数据立方体对空间数据挖掘。 空间数据的关联分析是这一领域研究的热点，已 经提出了些算法。 4医学图 像挖掘1 1 1 : 大量的医学图 像已 经成为推动图像挖掘技术发展的重要 因素。 医学图像总会伴有医生的诊断记录， 诊断记录和医学图像的视觉特性之间 可能存在着大量的关联， 人们已经开始致力于这一领域的研究， 例如， 有些研究 小组研究病变脑组织空间特点和诊断记录中病理特点的关联， 这些关联能够帮助 医生找出 病变的 位置; 有些研究小 组采用类似的方法用于早期乳腺癌的判断5 一些大学的研究小组实现了一些原型系统， 其中具有代表性的有两个: 1 m u l t i m e d i a m i n e :原型系统 0 :该原型系统由三大功能模块组成:( 1 ) m m- c h a r a c t e r i z e r 模块从多个抽象层上描述多媒体数据特征， 使用户从多层次的 视角观察数据， 提供了 上卷和下钻的功能。 ( 2 ) m m - a s s o c i a t o r 模块从图 像或视频 数据集中发现关联规则。 ( 3 ) m m - c l a s s i f i e r 模块根据类标记对多媒体数据分类， 给出每个类的描述。 2 i m a g e m i n in g t o o lk i t 原 型 系 统 6 : 该 系 统 三 大 部 分 构 成: 图 像 预 处 理 库， 工作流程管理系统， 特征向量生成系统。 它提供了灵活的图像特征提取工具， 使 用户可以将一系列的图像转换成特征矢量，这样就可以利用传统的数据挖掘工 具。 1 . 2 . 2卫星云图与降雨关系研究现状 卫星云图与降 雨关系的研究2 6 在我国己 经开 展多 年， 人们利用多种方法对云 图中的信息进行分析， 希望能够找出云图和降雨之间的联系， 最终实现利用云图 进行降雨预测。 北京大学地球物理系的研究小组利用g m s - 5 卫星的逐时红外云图做成了日， 侯， 旬，月 和季的平均云图 1 s ， 在此基础上 对1 9 9 8 年夏季长江中，上游洪水期 间 暴雨的云图 特征进行了 分析7 ， 其结果表明 多日 平均云图能 够揭示长江中上游 地区9 8 年6 月到8 月期间降雨系统的主要特征，利用每小时一次的红外云图做 出的日 平均云图与日雨量分布之间存在一定程度的对应关系， 这也显示出利用日 平均云图估算日 雨量的可能性。 第 2页 国防科学技术大学研究生院学位论文 人工神经网络具有很强的非线性映射能力，能够有效的根据训练进行学习。 神经网络己经广泛的用于降雨过程的建模， 龙卷风的预测， 测量数据的回归分析 等方面。 南京工程兵学院的李伟钢领导的研究小组利用神经网络技术进行降水的 估计 19 ， 其 基本思 想是通过神经网 络的 学习 得到 卫星云图 与地面降 水 量分布的 对 应关系。 然后按此关系根据云图估计降雨。 他们用这一方法对巴西圣保罗州1 9 9 8 年3 月间 若千时段的降水量进行了 估计t 8 1 ， 取得较好的结果。 ; 1 . 3本文研究内容和贡献 本文研究的内容及其贡献有四个方面: 1文章对卫星云图与降雨关系的分析方法进行了总结， 归纳了每种方法的主 要特点。 2云图及其相关数据的预处理和数据立方体的构造。预处理包括两类数据: 云图数据和雨量数据。 ( 1 ) 雨量数据的预处理。 实际的雨量数据存在着不完整性和噪声， 有的时候 一天中某些时间段的雨量记 录是空缺的， 这属于数据的不完整性。 有的时候一天 中各时间段的雨量记录之和大于该天的日 雨量记录， 说明数据中含有噪声。 因此 必须对雨量数据进行数据清理，消除数据的不完整性和噪声。 ( 2 ) 云图数据的 预处理。云图 是图像数据， 它具有多 种属性， 例如，图 像的 颜色， 形状， 纹理，大小， 包含的对象数， 对象间的空间关系等属性。在云图预 处理过程中要确定将哪些图像属性作为目 标属性送入图像挖掘算法中， 同时选取 适当的形式表现目 标属性。 数据经过预处理后， 采用数据立方体的形式将多维图像特征， 雨量数据等组 织在一起。 数据立方体有利于基于图像内容的多维分析， 但是实现一个维数很大 的数据立方体是很困难的， 特别是其中还包含了图像特征， 如何构造出适当的数 据立方体是文章研究的一个难点。 3基于卫星云图的关联规则挖掘。图像关联规则挖掘有三种类型， a )图像 内 容和非图 像内 容的 特征间的关联; b ) 与空间关系无关的图像内 容的关联; c ) 与 空间关系有关的图像内容的关联。 基于卫星云图的关联规则研究的是云图信息和 雨量信息间的关联， 属于第 1 种类型的关联规则。 经典的关联规则挖掘算法适用 于事务型数据库， 但不适用于图像数据， 所以必须对常规的算法加以改进使它适 应图像数据特征。 对于挖掘得到的结果， 还应加以解释， 这时关联规则才真正成 为研究云图和降雨关系的知识。 4基于卫星云图的聚类分析。通过聚类把具有相似特性的云图放入同一簇 中， 在聚类的基础上， 进一步研究每类云图和降雨的关系。目 前出现了很多聚类 算法， 本文在比较各种聚类算法优缺点基础上， 选取 “ 自 组织映射算法” 作为聚 类算法。同时构造了评价标准， 对聚类结果进行客观的评价， 评价结果证明该算 法能够较好的完成云图的聚类。 第 3页 国防科学技术大学研究生院学位论文 1 . 4论文结构 第二章归纳了卫星云图与降雨关系研究领域的几种常用方法， 然后介绍图像 挖掘的基本概念和方法， 在此基础上， 提出了将图像挖掘技术引人卫星云图与降 雨关系的研究中。 第三章重点研究了卫星云图的关联规则挖掘。 文章首先介绍了常规关联规则 挖掘算法， 在此基础上， 结合卫星云图的特点， 提出了基于卫星云图和降水资料 的关联规则挖掘算法。利用该算法对湖南地区9 7 年卫星云图集和降雨资料进行 挖掘，得到一些关联规则，对这些结果的含义进行了分析。 第四章重点研究了卫星云图的聚类分析。 本文先是介绍了图像挖掘的一些常 用方法， 接着针 一对卫星云图的特点， 采用目 前神经网络中一种比较先进的方法“ 自 组织映射网络”对卫星云图聚类，并对聚类的结果进行了评价。 第五章是结束语，总结毕业设计所作的工作，明确下一阶段工作的内容。 第 4页 国防科学技术大学研究生院学位论文 第二章 图像挖掘与卫星云图分析 圣 2 . 1卫星云图分析方法总结 过去专家使用卫星云图主要是靠肉眼观测云图， 发现云顶温度的特点， 根据 经验对降水情况做出判断。 这种方式完全是一种人工模式， 精度不高， 主观性大， 不能对大量的云图和雨量资料进行分析， 在抵抗洪涝灾害的指挥调度和决策的过 程中缺乏说服力。 近年来人们积极寻求新的方法， 希望能更好的揭示隐藏于卫星 云