基于測度挖掘的雹云識別的方法
【專利摘要】基于測度挖掘的雹云識別的技術(shù)屬于統(tǒng)計學(xué)領(lǐng)域，尤其屬于圖像分析領(lǐng)域?，F(xiàn)有對雹云的預(yù)測往往是依賴于經(jīng)驗進(jìn)行判別，這樣的方法存在很多不足。為了克服現(xiàn)有技術(shù)的不足，本發(fā)明公開：一種預(yù)測冰雹的方法，其特征是，所述的方法包括以下步驟：第一步，利用云圖獲得dBZ，第二步，把RGB圖像轉(zhuǎn)化為灰度圖像，第三步，灰度圖像的反射率分成15個量級，第四步，計算每個量級的比重，第五步，計算出每個量級的均值x1、方差x2、偏度x3、峰度x4、角二階矩x5、熵x6、慣性矩x7、相關(guān)性x8，第六步，利用公式：y＝879.83840·x1+186.90265·x2?1335·x3+770.04074·x4+2145·x5+59.31601·x6?13.01776·x7?6022·x8y0＝158.23206故有若：y＞y0,則X∈G1，否則X∈G2，G1為降雹云集合，G2為無雹云集合。本發(fā)明可以預(yù)測雹云。
【專利說明】
基于測度挖掘的雹云識別的方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于統(tǒng)計學(xué)領(lǐng)域，尤其屬于圖像分析領(lǐng)域。
【背景技術(shù)】
[0002] 冰雹作為一種強(qiáng)對流天氣，其特點是空間尺度小、生命史短、突發(fā)性強(qiáng)、發(fā)展演變 迅速，其預(yù)報難度是眾所周知的。經(jīng)過"十五"、"十一五"的發(fā)展和建設(shè)，新疆氣象防雹技術(shù) 水平有了很大提升，但與國民經(jīng)濟(jì)和社會發(fā)展日益增長的需求相比，仍然存在一定不足，主 要表現(xiàn)為:冰雹天氣預(yù)測的準(zhǔn)確率和精細(xì)化水平有待提高，特別是對局部冰雹天氣的臨近 (0~3小時）和短時（3~12小時)預(yù)報能力亟待增強(qiáng)。"十三五"期間是新疆社會穩(wěn)定和經(jīng)濟(jì) 發(fā)展的關(guān)鍵時期，迫切需要對新疆冰雹天氣提供更為精細(xì)化的監(jiān)測和預(yù)報。而對雹云識別 業(yè)務(wù)基礎(chǔ)主要來源于天氣雷達(dá)，實時觀測對流云團(tuán)的雷達(dá)圖像，圖像涵蓋了云團(tuán)生命發(fā)展 變化的信息，通過對該云團(tuán)的雷達(dá)圖像進(jìn)行實時處理，提前預(yù)測到該云團(tuán)是否降雹對于防 雹減災(zāi)有重要意義。
[0003] 現(xiàn)有對雹云的預(yù)測往往是依賴于經(jīng)驗進(jìn)行判別，這樣的方法存在很多不足。

【發(fā)明內(nèi)容】

[0004] 為了克服現(xiàn)有技術(shù)的不足，本發(fā)明公開：
[0005] 1，基于測度挖掘的雹云識別的方法，其特征是，所述的方法包括以下步驟：
[0006] 第一步，采集雷達(dá)RGB云圖，利用云圖獲得dBZ，
[0007] 第二步，把第一步所得的RGB圖像轉(zhuǎn)化為灰度圖像，
[0008] 第三步，把第二步所得的灰度圖像的反射率分成15個量級，
[0009] 第四步，計算出每個量級在圖像中的比重，
[0010] 第五步，計算出每個量級的均值X1、方差X2、偏度峰度X4、角二階矩、慣性 矩X7、相關(guān)性X8，
[0011] 第六步，把第五步所得的均值^、方差X2、偏度X3、峰度X4、角二階矩?、熵X6、慣性矩 X7、相關(guān)性X8:
[0012] y = 879.83840 · X1 + 186.90265 · X2-1335 · X3+770.04074 · X4+2145 · X5 + 59.31601 · χ6-13·01776 · X7-6022 · X8
[0013]故有若:y>y。則XeGi，否則XGGhGd降雹云集合，G2為無雹云集合。
[0014] 2,其特征是：所述 yQ= 158.23206
[0015] 3,其特征是:還包括：
[0016] 利用公式：
[0019] p降雹云集合G沖的平均值，降雹云集合G沖的平均值，m為降雹云集合G沖 的元素個數(shù)，Π2為無雹云集合G2中的元素個數(shù)。
[0020] 反射率按照5為單位分開，(^2值81對應(yīng)的灰度值計算為S1-2.5到81+2.5的灰度平 均值。
[0021 ] 4，其特征是:所述的反射率、量級、RGB值、灰度值對應(yīng)的關(guān)系為：
[0022] 反射率為:-5,對應(yīng)的量級為：1，對應(yīng)的RGB值為:-201，201，201，對應(yīng)的灰度值為： 201；
[0023] 反射率為:0，對應(yīng)的量級為：2，對應(yīng)的RGB值為:-118，118，118，對應(yīng)的灰度值為： 118；
[0024] 反射率為：5，對應(yīng)的量級為：3，對應(yīng)的RGB值為:-255，170，170，對應(yīng)的灰度值為： 196；
[0025] 反射率為：10，對應(yīng)的量級為:4，對應(yīng)的RGB值為:-238，140，140，對應(yīng)的灰度值為： 170；
[0026] 反射率為：15，對應(yīng)的量級為:5，對應(yīng)的RGB值為:-201，112，112，對應(yīng)的灰度值為： 139；
[0027] 反射率為：20，對應(yīng)的量級為：6，對應(yīng)的RGB值為：0，251，144，對應(yīng)的灰度值為： 164；
[0028] 反射率為:25，對應(yīng)的量級為:7，對應(yīng)的RGB值為:0，187，0，對應(yīng)的灰度值為：110;
[0029] 反射率為:30，對應(yīng)的量級為:8，對應(yīng)的RGB值為:-255，255，112，對應(yīng)的灰度值為： 239；
[0030] 反射率為：35，對應(yīng)的量級為：9，對應(yīng)的RGB值為：208，208，96，對應(yīng)的灰度值為： 195；
[0031] 反射率為:40，對應(yīng)的量級為：10，對應(yīng)的RGB值為：255，96，96，對應(yīng)的灰度值為： 144；
[0032] 反射率為:45，對應(yīng)的量級為:11，對應(yīng)的RGB值為:218，0，0，對應(yīng)的灰度值為:65;
[0033] 反射率為:50，對應(yīng)的量級為12，對應(yīng)的RGB值為：174，0，0，對應(yīng)的灰度值為:52;
[0034] 反射率為:55，對應(yīng)的量級為：13，對應(yīng)的RGB值為:0，0，255，對應(yīng)的灰度值為:29;
[0035] 反射率為：60，對應(yīng)的量級為：14，對應(yīng)的RGB值為：-160，255，255，對應(yīng)的灰度值 為:227;
[0036] 反射率為：65，對應(yīng)的量級為：15，對應(yīng)的RGB值為：231，0，255，對應(yīng)的灰度值為： 98 〇
[0037] 5,其特征是：由RGB與灰度值的換算關(guān)系式
[0038] Gray = R X 0.2999+G X 0.587+B X 0.114
[0039] 獲得對應(yīng)的灰度值。該方法可以提高雹云預(yù)報的準(zhǔn)確率，降低誤報率。有效的提高 了識別雹云圖像準(zhǔn)確率，為冰雹預(yù)報提供參考。
【具體實施方式】：
[0040] 1強(qiáng)度統(tǒng)計
[0041] 雷達(dá)反射率圖像是基于RGB彩色空間的，以基本反射率因子圖的圖例為基礎(chǔ)，利用 RGB彩色空間的成色原理，讀取回波反射圖。即將反射率為-5dBZ-65dBZ，分為15種相應(yīng)的 量級。其中不同量級所對應(yīng)的RGB值如表所示，由RGB與灰度值的換算關(guān)系式（1)，可知對應(yīng) 的灰度值。
[0042] Gray = R X 0.2999+G X 0.587+B X 0.114 (1)
[0043] 表1用來說明反射率與RGB值、灰度值對應(yīng)關(guān)系。
[0044] 表1:
[0047] 雷達(dá)反射率圖像的不同顏色代表的是不同的反射強(qiáng)度，即可以通過統(tǒng)計不同顏色 在圖像中所占的比重，反應(yīng)出圖像中回波強(qiáng)度的特征，不同的強(qiáng)度所占的比重可以由概率 表示，計算如式⑵所示。如一幅大小為MXN的圖像，則含有MXN個像素，反射率強(qiáng)度分為15 個量級，這不同強(qiáng)度在圖像中的比重為：
[0048] Pi = si/MXN i = l,2,---,15 (2)
[0049] 其中，Sl為第i個量級的顏色在圖像上的像素個數(shù)。
[0050] 2、八階雹云識別的模型設(shè)計
[0051]根據(jù)氣象學(xué)的理論可知，強(qiáng)對流的極端天氣，只可能出現(xiàn)在反射強(qiáng)度大于40dBZ的 區(qū)域。故只選取量級為10-15的，按照以下方法計算得到雹云和非雹云的八個一階統(tǒng)計測 度值。
[0052]均值：

[0072] p(1)降雹云集合Gi中的平均值，P{2)降雹云集合G2中的平均值，m為降雹云集合Gi* 的元素個數(shù)，n2為無雹云集合G2中的元素個數(shù)。
[0073]判別函數(shù)為：
[0074] y = 879.83840 · χι + 186·90265 · X2-1335 · X3+770.04074 · X4+2145 · X5 + 59.31601 · X6-13.01776 · X7-6022 · X8 (3)
[0075]
[0076] 判別臨界點為:y〇=158.23206,且 故有若:y>y Q 則 XGGi，否則 XGGsoGi 為降雹云集合，62為無雹云集合。
[0077] 3、模型檢驗
[0078]利用本發(fā)明所述的方法，發(fā)明人進(jìn)行了如下驗證，以證明本發(fā)明對預(yù)測冰雹有較 高的準(zhǔn)確率。
[0079]數(shù)據(jù)選取2009年間石河子、沙灣地區(qū)及阿克蘇地區(qū)的不同于訓(xùn)練樣本的數(shù)據(jù)，作 為待測樣本表2。由于待測樣本的分類已知，則利用此判別函數(shù)進(jìn)行判別，并將判別結(jié)果與 真實結(jié)果進(jìn)行比較，即可知道判別函數(shù)對于反射率圖像判別的準(zhǔn)確率。結(jié)果如表3所示。
[0080]表2各地區(qū)的反射率圖像強(qiáng)度的慣性矩相關(guān)性-待測樣本

[0086]由表2和表3可知，此判別模型的判別準(zhǔn)確率很好，且該模型對于雹云的識別是比 較準(zhǔn)確的，準(zhǔn)確率為100 %。
【主權(quán)項】
1. 基于測度挖掘的富云識別的方法，其特征是，所述的方法包括W下步驟： 第一步，采集雷達(dá)RGB云圖，利用云圖獲得地Z， 第二步，把第一步所得的RGB圖像轉(zhuǎn)化為灰度圖像， 第Ξ步，把第二步所得的灰度圖像的反射率分成15個量級， 第四步，計算出每個量級在圖像中的比重， 第五步，計算出每個量級的均值XI、方差X2、偏度X3、峰度X4、角二階矩M、賭X6、慣性矩X7、 相關(guān)性X8， 第六步，把第五步所得的均值XI、方差X2、偏度X3、峰度X4、角二階矩X日、賭X6、慣性矩X7、相 關(guān)性X8: y二879.83840 · X1+186.90265 · X2-1335 · X3+770.04074 · X4+2145 · X自巧9.31601 · X6-13.01776 · X7-6022 · xs 故有若:y>y〇,貝化eGi否貝化eG2，Gi為降霉云集合，G2為無霉云集合。2. 如權(quán)利要求1所述的基于測度挖掘的霉云識別的方法，其特征是:所述yo二巧8.23206。3. 如權(quán)利要求1所述的基于測度挖掘的霉云識別的方法，其特征是:還包括： 利用公式：V"降富云集合Gi中的平均值，降富云集合G2中的平均值，ni為降富云集合Gi中的元 素個數(shù)，Π 2為無富云集合G2中的元素個數(shù)， 得到y(tǒng)O。4. 如權(quán)利要求1所述的基于測度挖掘的富云識別的方法，其特征是:所述的反射率、量 級、RGB值、灰度值對應(yīng)的關(guān)系為： 反射率為:-5，對應(yīng)的量級為：1，對應(yīng)的RGB值為:-201，201，201，對應(yīng)的灰度值為:201; 反射率為:0，對應(yīng)的量級為:2，對應(yīng)的RGB值為:-118，118，118，對應(yīng)的灰度值為：118; 反射率為:5，對應(yīng)的量級為:3，對應(yīng)的RGB值為:-255，170，170，對應(yīng)的灰度值為：196; 反射率為：10，對應(yīng)的量級為:4，對應(yīng)的RGB值為:-238，140，140，對應(yīng)的灰度值為：170; 反射率為：15，對應(yīng)的量級為:5，對應(yīng)的RGB值為:-201，112，112，對應(yīng)的灰度值為：139; 反射率為:20，對應(yīng)的量級為:6，對應(yīng)的RGB值為:0，251，144，對應(yīng)的灰度值為：164; 反射率為:25，對應(yīng)的量級為:7，對應(yīng)的RGB值為:0，187，0，對應(yīng)的灰度值為：110; 反射率為:30，對應(yīng)的量級為:8，對應(yīng)的RGB值為:-255，255，112，對應(yīng)的灰度值為:239; 反射率為:35，對應(yīng)的量級為:9，對應(yīng)的RGB值為:208，208，96，對應(yīng)的灰度值為：195; 反射率為:40，對應(yīng)的量級為：10，對應(yīng)的RGB值為:255，96，96，對應(yīng)的灰度值為：144; 反射率為:45，對應(yīng)的量級為：11，對應(yīng)的RGB值為:218，0，0，對應(yīng)的灰度值為:65; 反射率為:50，對應(yīng)的量級為12，對應(yīng)的RGB值為：174，0，0，對應(yīng)的灰度值為:52; 反射率為:55，對應(yīng)的量級為：13，對應(yīng)的RGB值為:0，0，255，對應(yīng)的灰度值為:29; 反射率為：60，對應(yīng)的量級為：14，對應(yīng)的RGB值為：-160，255，255，對應(yīng)的灰度值為： 227； 反射率為:65，對應(yīng)的量級為：15，對應(yīng)的RGB值為:231，ο，255，對應(yīng)的灰度值為:98。5.如權(quán)利要求1所述的基于測度挖掘的富云識別的方法，其特征是：由RGB與灰度值的 換算關(guān)系式 Gray = R X 0.2999+G X 0.587+B X 0.114，獲得對應(yīng)的灰度值。
【文檔編號】G06K9/00GK106096545SQ201610405791
【公開日】2016年11月9日
【申請日】2016年6月8日
【發(fā)明人】李國東, 徐文霞, 錢斯祺, 吳晨瑜
【申請人】李國東