一種基于組群模式的地基云圖自動分類算法
【專利說明】
[00011 本發(fā)明得到國家自然科學(xué)基金項(xiàng)目No. 61401309、N0. 61501327、天津市應(yīng)用基 礎(chǔ)與前沿技術(shù)研究計劃青年基金項(xiàng)目No. 15JCQNJC01700、天津師范大學(xué)博士基金項(xiàng)目No. 5RL134、No. 52XB1405的資助。
技術(shù)領(lǐng)域
[0002] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，尤其是一種基于組群模式的地基云圖自動分類算法。
【背景技術(shù)】
[0003] 云是懸浮在大氣中的小水滴、冰晶微粒或兩者混合形成的可見聚集體，是一種重 要的常見天氣現(xiàn)象，其生成及演變不僅反映當(dāng)前大氣的運(yùn)動狀況況，而且能夠預(yù)示未來一 定時間內(nèi)的天氣變化趨勢。此外，云對電磁波和光波的傳輸也會產(chǎn)生重要影響，使星地信號 傳輸產(chǎn)生散射、衰減、碼間干擾以及接收信號減弱等問題，進(jìn)而對通信和軍事活動也具有較 大影響。因此，云的觀測是氣象觀測的重要內(nèi)容，準(zhǔn)確地獲取云的信息，對于氣象預(yù)報以及 國民經(jīng)濟(jì)和軍事保障等諸多領(lǐng)域都有十分重要的意義。目前，云的觀測主要有衛(wèi)星云觀測 (又稱衛(wèi)星遙感)和地基云觀測(又稱地基遙感)兩種。其中衛(wèi)星云觀測在大尺度云的觀測已 經(jīng)取得了很好的成果，但由于其空間分辨率以及對云底和多層云的下層云的觀測能力的限 制，因此不能滿足大氣科學(xué)研究的需要。而地基云觀測的范圍較小，反映的是云塊大小、排 列方式以及云的高低分布等局地分部信息，彌補(bǔ)了衛(wèi)星觀測的不足，同時對大氣科學(xué)許多 研究領(lǐng)域具有重要意義。
[0004] 在地基云觀測中，云狀分類是地基云觀測的主要要素，也是分析云資料時的重要 統(tǒng)計內(nèi)容。目前，主要通過地面的人工目測來進(jìn)行云狀觀測。然后由于受人為的主觀因素影 響，人工云狀觀測具有較大的主觀誤差，且人工消耗很大，給云的觀測資料的定量化應(yīng)用帶 來不便，因此實(shí)現(xiàn)云狀的自動觀測是當(dāng)前的迫切需要。
[0005] 近年來，隨著硬件技術(shù)的發(fā)展和數(shù)字圖像處理技術(shù)的不斷完善，很多地基遙感測 云儀器研制成功，從而獲得天空圖像，比如國外的全天空成像儀WSI (whole sky imager)、 總天空成像儀TSI (total sky imager)、紅外云成像儀ICI (infrared cloud imager)、全 天空數(shù)字相機(jī)等。上述設(shè)備為獲取地基云圖提供了硬件支持，使得地基云狀的自動觀測成 為可能。國際上云的分類主要根據(jù)云的外形特征和高度特征為依據(jù)，并結(jié)合云的成因發(fā)展 和內(nèi)部微觀結(jié)構(gòu)，將云狀劃分為3族10屬29類。3族是把云按照高低分為高云、中云和低云三 族，每一族云又劃分為幾類形成10屬云，包括積云、積雨云、層積云、層云、雨層云、高層云、 高積云、卷云、卷層云和卷積云。對10屬云可進(jìn)一步劃分為29類。然而此分類方法的可操作 性并不強(qiáng)，不僅很難適用于器測云狀分類，而且即使具有相當(dāng)水平的觀測員也很難準(zhǔn)確識 別這29類云。
[0006] 在云狀自動分類的研究方面，國際上Buch等人對WSI云圖進(jìn)行了分類，主要考察云 圖的紋理特征、位置信息和像元亮度信息，紋理特征選擇采用了 LAWS紋理分析法;運(yùn)用二元 決策樹進(jìn)行高積云、卷云、層云、積云和晴空等5種天空類型的判斷。Peura等人利用云的基 本物理信息作為特征將全天空云圖分為10屬。Singh等人對數(shù)字相機(jī)得到的云圖進(jìn)行分類， 對積云、濃積云、積雨云、天空和其他云類這5種天空類型分類。Heinle等人采用德國吉爾大 學(xué)獲得的全天空圖像，通過提取云圖的紋理、結(jié)構(gòu)以及統(tǒng)計特征來對云圖進(jìn)行分類。孫學(xué)金 等人通過研究WSIRCMS獲取的紅外云圖，提出了基于結(jié)合模糊紋理光譜和云物理屬性的全 天空云圖分類方法。以上分類方法均是對云圖提取簡單的紋理特征，顯然不能很好地表示 地基云圖這種包含豐富信息的自然紋理圖像，此外，云圖中包含對分類有用的空間分辨率 信息，因此需要提取更具判別性的特征，從而提高云圖自動分類的性能。

【發(fā)明內(nèi)容】

[0007] 為了解決上述現(xiàn)有技術(shù)存在的問題，本發(fā)明的目的是根據(jù)地基云圖的特點(diǎn)，提出 一種分類性能更好的地基云圖分類方法。由于地基云圖包含豐富的紋理信息和空間信息， 為此本發(fā)明提供一種基于組群模式的地基云圖自動分類算法，該方法包括:將圖像紋理的 空間分辨率信息考慮到特征提取中，獲得對分類有用的空間信息；同時針對每一分辨率下 的圖像提取顯著性局部二值模式特征，從而可以更好地表示云圖中信息，獲得分類性能的 提尚。
[0008] 為了實(shí)現(xiàn)上述目的，本發(fā)明提出的基于組群模式的地基云圖自動分類算法，其特 征在于，該方法包括以下步驟： 步驟S1，利用空間金字塔方法將訓(xùn)練地基云圖轉(zhuǎn)化為一系列分辨率逐層降低的圖像集 合； 步驟S2,基于所述步驟S1獲得的每一分辨率的圖像，計算顯著性局部二值模式特征，作 為該分辨率下的特征； 步驟S3，串聯(lián)所有分辨率下的特征，作為該圖像最終的特征表示； 步驟S4,對于測試地基云圖，按照所述步驟S1、S2、S3得到所述測試地基云圖的最終特 征表示； 步驟S5,基于所述訓(xùn)練地基云圖樣本的最終特征表示和所述測試地基云圖的最終特征 表示，利用分類器對所述測試地基云圖進(jìn)行分類，得到所述測試地基云圖的分類結(jié)果。
[0009] 本發(fā)明所述步驟si中，利用空間金字塔方法將訓(xùn)練地基云圖轉(zhuǎn)化為一系列分辨率 逐層降低的圖像集合，相鄰兩個分辨率下的圖像關(guān)系為：
其中，當(dāng)m為分辨率的層數(shù)，當(dāng) 21時，令:瑪=:其中尤_轉(zhuǎn)表示 原始圖像；分別表示在方向和少方向的降采樣比例；當(dāng)采用降采樣時， p i h :1:分別表示相鄰分辨率下的像素位置。
[0010 ] 本發(fā)明所述步驟S2進(jìn)一步包括以下步驟： 步驟S21，選取張?jiān)茍D作為訓(xùn)練樣本，對于張訓(xùn)練地基云圖，均選取第層分辨 率下的地基云圖，計算該分辨率下:if張訓(xùn)練樣本的旋轉(zhuǎn)不變LBP特征向量； 步驟S22,將步驟S21獲得的張訓(xùn)練樣本得到的特征向量進(jìn)行累加，得到一個直方 圖向量； 步驟S23，按照步驟S22獲得的直方圖向量，將每一維由大到小的順序?qū)χ狈綀D向量進(jìn) 行排列，占排序后的直方圖向量80%以上的模式為顯著性模式； 步驟S24，按照S23獲得顯著性模式，提取顯著性特征，作為第:隹層分辨率下的特征； 步驟S25，重復(fù)步驟S21至S24的方法，提取每層分辨率下的特征。
[0011]本發(fā)明將步驟S2中獲得的每一層分辨率下的特征、進(jìn)行串聯(lián)，作為該圖像 最終的的特征表示，公式如下：
代表第龍個分辨率下的圖像所獲得特征，:.s代表分辨率的層數(shù)。
[0012 ]本發(fā)明所述分類器為支持向量機(jī)分類器(8￥露￥ 本發(fā)明進(jìn)一步公開了基于組群模式的地基云圖自動分類算法將分辨率信息考慮在特 征提取中，同時針對每一分辨率提取顯著性局部二值模式信息，提高分類性能方面的應(yīng)用。 實(shí)驗(yàn)結(jié)果顯示:本發(fā)明的方法超過基于的分類方法；同時本發(fā)明方法的性能還要優(yōu)于 SLBΡ方法的分類性能。證明本發(fā)明可以獲得更為精確的分類準(zhǔn)確性。
[0013] 本發(fā)明公開的基于組群模式的地基云圖自動分類算法與現(xiàn)有技術(shù)相比所具有的 有益效果在于： 本發(fā)明利用空間金字塔將圖像轉(zhuǎn)化為一系列分辨率逐層降低的圖像集合，從而將紋理 的空間分辨率信息考慮到特征提取中，獲得對分類有用的空間信息；同時本發(fā)明針對每一 層分辨率下的圖像提取顯著性局部二值模式特征，獲得更具判別性的特征，從而可以更好 地表示云圖中信息，獲得分類性能的提高。以上特點(diǎn)使本發(fā)明可以獲得更為精確的分類準(zhǔn) 確性。
【附圖說明】
[0014] 圖1是本發(fā)明提出的基于組群模式的地基云