数字图像处理卫星云图.docx

课题名称：数字图像处理

姓名：
学号：
年级: 2013级
专业：地图学和地理信息系统
完成时间：2014年6月29日

摘 要 3
关键字 3
1 气象卫星云图简介 3
2 数字图像处理 4
3 云图云类识别技术国内外研究现状 5
3.1 闽值法 5
3.2 监督分类法 5
3.3 非监督分类法 6
4 个人对于该领域进展的分析 6
参考文献 7

数字图像处理在气象卫星云图中的应用

摘 要 卫星云图是由气象卫星在上而下观测到的地球上的云层覆盖和地表面特征的图像【1】，可以便捷地提供时空尺度广泛的云的信息,所展示的云的种类和形态蕴涵着丰富的天气演变信息,综合反映了大气中正在进行的动力和热力过程【2】。在海洋气象观测领域中，卫星云图所提供的资料，弥补了常规探测资料的不足，对提高预报准确率起了重要作用。随着卫星遥感技术和图像处理技术的发展,利用图像处理技术对卫星云图作相关处理和信息提取已经成为气象卫星资料分析的主要的手段。

关键字：卫星云图、图像处理、云识别

1 气象卫星云图简介
通过卫星云图【3】图像的形态、结构、亮度和纹理等特征，可以识别云的种、属及降水状况。可以识别大范围的云系，如螺旋状、带状、逗点状、波状、细胞状等，并用以推断锋面、温带气旋、热带风暴，高空急流等大尺度天气系统的位置和特征。
卫星云图按探测通道可以分为两类:红外云图和可见光云图。红外云图，是气象卫星上的扫描辐射计利用红外辐射通道感测并向地面站发送的云图，其亮度大致反映了云层顶的温度，因而也反映了云顶的高度。一般温度越低，高度越高的云层，图上的色调过白，反之色调越黑。由于红外遥感可以昼夜感测并向地面站发送云图，并可分析高云和云顶温度，提供了可见光云图不能提供的大量信息。可见光云图，是气象卫星上的扫描辐射计用可见光通道感测并向地面站发送的卫星云图，图上亮度明暗反映了云的反照率的强弱。可见光云图在研究云团、云系等的移动和发展方面，在监测台风和其他天气系统的发生、发展及移动方面，均获得广泛应用，并取得较好成效。
随着卫星云图的广泛应用，气象工作者对其进行了大量的分析和研究，从通过肉眼对卫星云图的形态学进行分析，到结合其它气象资料的研究和分析；从人工判别云体类型，到对云体性质进行自动识别的研究等。由于云图的形状、结构、范围和暗影等特征在云分类定量分析中难以准确的量化描述,且存在不确定性,因此,目前研究较多的是云的光谱(亮度、色调)特征分析和纹理特征分析。但由于不同类别的云团可能表现出相似的光谱特性,因此仅用光谱特征对云团进行识别分析,可能会得出较差的分类效果,例如,卷云和积云在红外通道上色调可能均呈白色。纹理特征能反映云团灰度的空间关系及其排列模式,且并不直接依赖于云团的光谱特性。例如,通过纹理分析能够容易地区分出红外通道上的卷云和积云。因此,本文主要探讨数字图像处理在卫星云图云识别中的应用。
气象卫星拍摄的云图含有大量关于大气和地球表面的气象信息。然而,在成像和传输过程中,由于运载器姿态的变化,传感器的非线性,地球自转,光照条件, 大气扰动,信道噪声等多种因素的影响,使景物在云图中失去了本来的面目。因此只有经过图像处理,才能从云图中分析识别出更多的信息。

2 数字图像处理
视觉是人类从大自然获取信息的最主要手段，而图像正是人类获取视觉信息的最重要的手段。图像处理就是对图像信息进行加工，以满足人的视觉或心理或应用的需求的行为。数字图像处理就是把图像根据一定的采样规则进行采样和量化成计算机能接受的形式,一般而言是用数字矩阵来表达。然后用数学知识如泛函分析、矩阵变换、数值分析等一套理论来进行处理和提取数字特征,根据一定的数学方法对其图像进行分析,提取我们感兴趣的东西,从而使我们从图像中得到更多的知识,为其应用提供理论基础【4】。它是一门新兴的应用学科，其发展速度异常迅速，应用领域极为广泛。
数字图像处理技术源于20世纪20年代,但其前期发展较为缓慢"，随着卫星遥感、军事、气象等学科及其技术的发展推动了数字图像处理技术的迅速发展"。特别是用于图像处理的计算机硬件设备的不断降价、处理器速度的不断提高、存储器容量的不断增加等,使数字图像处理技术在各行各业的应用成为了可能,为人类带来了极大的经济效益、社会效益,大到应用气象遥感卫星监视全球环境、气候变化,小到指纹识别等,数字图像处理技术已经渗透到科学研究及应用的各个领域"【5】。
3 云图云类识别技术国内外研究现状
卫星云图中的云类识别问题,从数字图像处理的角度来讲就是要对云图进行边缘检测、特征分析、图像分割等处理。目前,一般采用如下几类技术用来对气象卫星云图进行云判断和云型分类:

3.1 闽值法
阈值法根据不同类别的云在相同云图通道中所表现出的灰度差异来进行判断,或在多通道云图中,分别在各通道中确定各类云的灰度差异,然后再进行云类识别。杨澄[6]等利用多谱阐值法,建立了识别GMS-5气象卫星云图中晴空、半透明云或碎云和高、中、低云的方法。马芳[7]等建立了通道综合运算云检测方法,该方法不仅改善了地理位置的变化对云检测带来的影响,而且可减弱太阳高度角的影响,减少了检测过程中阈值变化的麻烦,同时得到较好的检测效果。师春香【8】等在Peak和Tag【9】【10】提出的人工神经网络方法基础上,设计了多阈值和人工神经网络相结合的方法,以此对GMS卫星红外云图进行分割实验,结果表明该方法在实际应用中是可行的。

3.2 监督分类法
监督分类需要事先知道云型类别并用他们的样本对计算机分类器进行监督和训练,然后对云图进行分类。即分类之前,对每种类型的云都要选取有代表性的训练区;然后计算特征向量,构成训练样本;再以这些云类的训练样本的特征向量为标准,按照云图上各点的特征向量和它们的相似或相异程度,把云图上各点分别归入己知的云型类别。神经网络和支持向量机是目前运用较多的云图分类方法。师春香等利用N0AA-AVHRR5个通道资料建立了 6种云类以及陆地和水体的BP神经网络分类模型,块像素样本测试正确率达79%,单像素样本测试正确率达78%。郝英明【11】等建立了基于支持向量机的遥感影像分类模型,并针对陆地、海洋2种不同的下垫面进行了云检测试验。云检测结果中,云和陆地、水体、积雪准确地区分开来。石小云【12】建立了 SOM神经网络的云分类模型,并对FY-2C红外和可见光多通道云图数据进行云分类,试验表明该方法是可行有效的。韩丁【13】等利用星载毫米波雷达探测资料提取云的特征参数,建立支持向量机模型实现云分类,实验表明,该模型具有较好的分类能力。
3.3 非监督分类法
非监督分类法是不需要已知及其类别对计算机的分类器进行监督和训练,只是根据云图数据本身的特征,即各云类所代表的光谱特性及纹理特性的相似性或相异性来分类。K-均值和模糊C均值聚类是目前应用较多的云类识别算法。王继光【14】等运用遗传算法全局寻优、模糊C均值聚类局部寻优及模糊减法聚类客观估算聚类数等优势互补的等思想和途径,进行卫星云图的云类判别。王彦磊【15】等提出用样本特征均值替代FCM中随机初始中心的改进办法对陆地、水体、低云、中云、卷云和积雨云进行分类,结果表明分割判别效果符合客观实际。

4 个人对于该领域的认识
一般来讲，对图像进行处理的目的主要有三个方面：（1）提高图像的视感质量对图像进行几何变换等，以改善图像的质量。（2）提取图像中所包含的某些特征或特殊信息，这些被提取的特征或信息往往为计算机分析图像提供便利。（3）图像数据的变换、编码和压缩，以便于图像的存储和传输。而数字图像处理常用方法有以下几种：（1）图像变换，其目的是减少计算量，而且可获得更有效的处理。（2）图像编码压缩，图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。（3）图像增强和复原，图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。（4）图像分割，是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。（5）图像描述，图像描述是图像识别和理解的必要前提。（6）图像分类（识别），其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类【16】。
本文探讨对卫星云图进行数字图像处理，其主要目的是提取云图中的云特征或信息，提取的特征可以包括很多方面，如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。在这个过程中通常会用到图像分割和图像识别两种方法。融合云图的边缘和纹理特征,以及这些特征对强云团的识别作用；依据融合云图及其边缘检测、纹理检测特征提取强对流云团识别的样本集是现有的研究方法。
不同云类在云图上各有其特点,在未来对卫星云图的处理中还需继续研究云的特征提取方法,以便提取出更能准确描述各云类信息的特征量；并能够结合气象业务应用的实际需求,利用特征提取、模式识别理论研究特定类型云团(如强降水云团、暴雨云团等)的识别、追踪,为气象灾害天气预测提供保障。

参考文献
[1] 百度百科.卫星云图
[2]吴咏明,张韧,蒋国荣,等.多光谱卫星图像的一种模糊聚类方法[J].热带气象学报,2004,20(6): 689-696.
[3]百度百科.气象卫星云图
[4]胡圣武,潘正风,梅天灿. 数字图像处理的技术及其在GIS中的应用[J].测绘通报 2004(5).
[5] 余远东.气象卫星遥感云图和水汽图的图像处理和强云团识别[D].武汉:武汉理工大学,2007.
[6]杨澄,袁招洪,顾松山.用多谱阈值法进行GMS-5卫星云图云型分类的研究[J].南京气象学院学报,2002, 25(6): 747-754.
[7]马芳,张强,郭铌,等.多通道卫星云图云检测方法的研究[J].大气科学,2007,31(1):119-128.
[8]师春香,吴蓉章,项续康.多阈值和神经网络卫星云图云系自动分割试验[J].应用气象学报,2001, 12(1): 70-78.
[9] Peak J E, Tag P M. Toward Automated Interpretation of Satellite Imagery for NavyShipboard Applications[J]. Bulletin of the American Meteorological Society, 1992,73:995-995.
[10] PEAKJE,TAGPM. Segmentation of satellite imagery using hierarchical thresholding andneural networks[J]. Journal of applied meteorology, 1994,33(5): 605-616.
[11]郝英明,王汉杰,姜祝辉.支持向量机在云检测中的应用[J].解放军理工大学学报(自然科学版本),2009,10(2): 191-194.
[12]石小云.基于SOM神经网络的静止卫星云图分类[J].电子设计工程,2011,19(16):55-56.
[13]韩丁,严卫,任建奇,等.基于支持向量机的CloudSat卫星云分类算法[J].大气科学学报,2011,34(5): 583-591.
[14]王继光,张韧,洪梅,等.卫星云图云分类的一种综合优化聚类方法[J].解放军理工大学学报(自然科学版本),2005,6(6): 585-590.
[15]王彦磊,张韧,孙照渤,等.基于模糊C均值聚类的云图样本修正和云类自动识别m.海洋科学进展,2005, 23(2): 219-226.
[16]百度百科.数字图像处理

10 / 10