徐坚[1]2004年在《基于内容的卫星云图检索系统设计与实现》文中认为卫星云图是气象卫星最早进行观测的项目之一，是气象卫星的图像资料。目前，卫星云图的查询方式主要是采用基于图像的文字注释。每一张发回的卫星云图都以其发回的日期和时间作为文件名，在查询中也以其文件名作为关键字进行查询，然后再使用传统的数据库管理系统里进行检索。由于图像内容丰富很难用文字标签完全表达，所以这种方法在查询图像中常会出现错误。 本文首先对卫星云图的特征进行分析，然后针对性地采用了基于内容的图像检索中的灰度／颜色特征和纹理特征。对于灰度／颜色特征采用累积直方图进行表示，对于纹理特征通过统计和结构的两种方法得到图像的特征值。在匹配时，采用累积直方图相交法计算灰度／颜色特征的相似度，采用欧氏距离公式计算纹理特征的相似度。最后，对归一化后的颜色特征和纹理特征赋予不同的权重，并计算出相应的综合特征值，从而实现综合特征的比较。通过在图像数据库中对范例图像进行检索，并对检索的结果进行了比较和分析，并且获得了比较满意的结果。 本文主要工作如下： ·将基于内容的图像检索方法运用在卫星图像的检索中，设计并实现了一个卫星云图图像检索系统。该系统相对于原有的基于文字的卫星云图检索系统，提高了检索的准确性，同时使得人机接口更加友好。系统有很高的通用性和可移植性。 ·分析了卫星云图的内在特征，选择提取颜色特征和纹理特征作为区分云图的特征。最后利用赋予权重的方式获得综合特征值。
来旭[2]2010年在《基于内容的卫星云图挖掘方法研究》文中指出卫星云图全面、及时、动态的反映各类云系的特点及变化过程,成为气象、水利部门在防洪抗旱决策过程中不可或缺的重要参考依据。多年的云图接收积累了数量巨大的卫星云图,依靠人工判读方式根本无法满足时效性要求,尽管一些人工智能的方法能自动完成数据分析,但这类方法只能按照设定的规则执行,不能主动发现隐含在数据内部的知识。图像挖掘技术作为数据挖掘领域研究的前沿,提供了从大量图像中获取隐含的、有价值的、可理解知识的理论及方法。本文以图像挖掘技术理论与方法为指导,设计了面向云图集和云图—雨量混合数据集的叁类挖掘任务,所获得知识将对云图智能化理解和基于卫星云图的降水预测等研究具有重要价值。论文的研究工作及贡献包括以下方面:(1)在卫星云图预处理方法研究中,提出了新的非线性自适应噪声滤除算法。该算法与常用的中值滤波技术相比,它能有效的消除椒盐噪声,保护云图中非噪声点不受影响,确保像素信息能够真实反映云内状态。云图中存在经纬线、地名等标注对象,它们会影响云图特征参数的提取。针对标注对象的形状特点,提出一种基于整体变分技术的标注对象剔除算法,通过引入权值改进了整体变分的离散化过程。结果表明算法有效剔除标注对象的同时保护了邻域信息。(2)在云图感兴趣区域提取研究中,提出了基于云图直方图的加权聚类算法,利用该算法实现典型云区的提取。为了更加符合云图数据样本在特征空间的分布特点,重点研究了对聚类算法的改进策略:1)针对类别个数自适应确定方法的改进,提出利用遗传算法结合评价指标曲线找出最优类别数,提高算法自动化水平。2)针对相似性测度的改进,提出基于链式距离的相似性测度,克服了欧式距离测度对数据分布的敏感性问题。3)针对聚类机制的改进,引入半监督思想,既能克服单纯聚类的盲目性问题,又能避免分类面临的训练样本问题。以直方图替代云图像素作为聚类对象,大幅减少了算法处理时间。(3)在云类智能识别的研究中,本文针对特征提取、特征选择、分类模型叁个问题提出了对应的算法及模型。针对云区的无规则特性,提出了“基圆模型描述法”用于云区的描述,在此基础上提取云的形态特征参数,克服了以往算法只能提取颜色、纹理等特征的不足。为避免过拟合问题,本文采用特征曲线分析方法,从特征候选集中确定分类模型的输入特征集。本文提出将“IPSO—BP网络模型”作为分类模型。该模型采用改进的粒子群优化算法替代后向学习算法作为BP神经网络模型的学习算法,在一定程度上克服了收敛速度慢,易陷入局部极小值,过分依赖初始值的选择等不足。为了在原有分类模型框架下更好的利用多特征信息,本文提出了基于多特征融合的组合分类模型,将特征子集分别送入子分类模型后作出本地决策,采用投票表决法将多个本地决策融合后获得最终的结果。结果表明多特征融合分类模型在分类精度上优于单一分类模型。(4)在基于云图—雨量混合数据集的关联规则挖掘研究中,本文以云图灰度和云顶亮温间的关系为基础,设计了四种与降雨关系密切的云状态参数。通过时空同步处理,云图参数和雨量数据构成统一的混合数据集。为实现数值属性的转换,本文提出一种基于聚类的数值属性分区方法,它克服了“等深度区间划分法”对数据倾斜敏感的问题。为了提高对大规模云图—雨量混合数据集的处理效率,本文提出了基于数据分割的两阶段关联规则挖掘算法,它通过将原始数据库划分为多个独立的区间,由每个子区间的局部频繁项集产生全局候选项集,并设计了专门用于支持度计算的数据结构tidlists ,这些策略有效的减少了算法对数据库的扫描次数,大幅提高了算法的效率。结果表明当支持度阈值处于较低水平时,本文算法的执行效率显着优于Apriori算法的执行效率。
乔文峰[3]2012年在《基于卫星云图的台风定位技术研究》文中进行了进一步梳理台风多发生于热带和副热带海洋上,在卫星云图上表现为有组织的涡旋状云系。台风是严重影响人类生产生活的灾害性天气系统之一,而我国又是世界上受台风灾害最为严重的国家之一,准确预报台风事关人民生命和财产安全,具有十分深远的意义。台风中心定位是台风分析业务的关键技术之一,由于台风形态与运动的复杂性,目前世界上对台风自动定位仍处于探索和研究阶段。本文基于卫星云图深入研究了台风中心定位及相关问题,具体内容如下:1)针对单通道和多通道卫星云图,利用分形维、灰度共生矩阵等特征,进行台风区域自动监测研究。2)归纳了多种台风定位方法与方案,基于序列多通道图像对台风定位进行分析,提出基于灰色预测和活动轮廓模型的台风中心定位方案。对每种定位方法进行实验,并将其结果与中国气象局(CMA)最优路径数据进行对比与分析。3)提出多方法集成定位的思想。实验表明,弯曲云带和中心密蔽云区型台风在集成定位后,定位结果精度有了一定提高,集成定位思想能更准确、更科学的确定台风中心位置。4)利用流形学习对台风路径和图像上的相似性进行分析,研究相似台风检索模型,为台风预报奠定基础。5)设计并实现了一个台风客观定位系统,供实际业务使用。包括卫星数据读取处理、地图投影、台风监测、定位等功能。
邵丽群[4]2016年在《基于堆迭极限学习机的卫星云图分类研究》文中认为气象卫星能够对地球进行全方位的观测,从而获得蕴含着丰富的气象信息的卫星云图,利用卫星云图可以识别不同天气系统,为天气分析与预报以及灾害监测提供有力的依据。然而,目前对卫星云图进行探究与分析时,大多数情况下使用的还是人工目视判读的方法,其不仅参杂了人们的主观意识,而且阻碍了充分提取与最大化应用卫星云图的丰富信息,因此实现卫星云图的计算机自动分类是目前卫星云图信息处理的一大研究方向。在卫星云图自动分类过程中,其训练数据庞大且复杂,训练时需要占用很大内存,若利用传统的ELM算法来完成数据的训练,很容易因为内存不足而导致整个程序崩溃。基于此,本文研究了堆迭极限学习机(S-ELMs),并创新性将它运用于卫星云图自动分类中。S-ELMs近似于将一个大的极限学习机(ELM)划分为若干个小的串联的ELM,其在内存需求小且网络规模固定的情况下,还能在高维的ELM空间中学习数据,很好地解决了当下云图处理中大型且复杂数据问题。本文还创新性地引入卫星云图的纹理特征,分别以单纯的光谱特征构成一种训练文本,以光谱特征和纹理特征的结合构成另一种训练文本。基于这两种训练文本,进行了S-ELMs的卫星云图分类,验证了S-ELMs算法在卫星云图分类中的有效性;以及进行了S-ELMs和ELM、S-ELMs和支持向量机(SVM)的对比实验,分析同一训练文本不同算法的分类优势以及不同训练文本同一算法的分类优势,从而更好地研究了S-ELMs在卫星云图分类中的优缺点,以及分析了纹理特征的引入对分类效果的影响。结果表明:S-ELMs能够有效地应用在卫星云图分类,与ELM和SVM两种算法对比,S-ELMs在内存需求上有明显优势,解决了训练数据庞大而复杂的问题,且提高了泛化能力。S-ELMs较SVM在学习速度上也有明显优势,但S-ELMs较SVM分类精度要低;在分类精度相等的情况下S-ELMs和ELM在学习速度上没有什么区别,在牺牲时间成本的基础上,S-ELMs较ELM的分类效果有所改善,同时纹理特征的引入能够提高算法对训练样本特征向量的敏感度,区分出单纯利用光谱特征所不可能分辨出的地物,从而提高了实验的整体分类精度。
徐丽娟[5]2012年在《基于纹理分析云的分类技术的研究》文中研究指明随着卫星遥感技术的发展,利用信息处理技术对卫星云图作相关的信息提取和处理已经成为当下最主要的手段之一。卫星云图中包含了遥感成像中信息最多的数据源之一,利用图像处理的方法分析并提取有用的云图信息,从而判断天气形势和大气变化的情况,成为了天气预报界的主流工作模式。因此,对卫星云图的信息进行合理的处理、分析及应用,已经成为卫星云图信处理的主要研究方向。经过前人的研究总结得出：灰度共生矩阵能够使得图像的灰度统计规律得到充分的发挥,而小波分析方法能够使得图像的多尺度特征得到较好的发挥,本文从多尺度的角度出发,提出了基于小波的尺度共生矩阵纹理提取的新方法。先利用小波变换对图像进行多尺度分解,得到不同云类各个尺度小波高频与低频图,然后对多尺度图像进行灰度共生矩阵纹理提取进而对其进行组合,形成一个特征向量,最后对纹理图像进行分类。本论文的主要研究成果如下：(1)从灰度共生矩阵纹理分析方法、小波变换技术的分析方法入手,结合这两种方法,提出了利用小波尺度共生矩阵纹理分析方法对卫星云图进行纹理特征提取。(2)针对卫星云图的分类,选择适当的核函数、训练算法,提出了多类SVM (Support Vector Machine)模型,在多尺度纹理特征提取的基础上,将这些纹理特征参与多类支持向量机分类从而实现对不同的云类进行分类。(3)从工程实践方面入手,对系统整体的设计框架以及各个功能模块进行了阐述,结合尺度共生矩阵和多类支持向量机的研究成果,设计并实现了“卫星云图云分类软件系统”。
张世全[6]2015年在《辽宁省防汛抗旱减灾应急指挥决策系统设计与实现》文中研究表明辽宁省防汛抗旱减灾应急指挥决策系统是基于叁维地理信息系统(3D—GIS)平台,整合全省气象、雨水工旱灾情、视频监控、防洪工程、组织保障、社会经济等信息,集态势展现、会商支持、数据检索、统计分析于一体的信息化系统。分析了辽宁省防汛抗旱信息化建设中存在的问题,介绍了系统的主要建设内容、总体设计架构及系统实现的功能,为防汛抗旱减灾应急指挥决策系统建设提供参考。
周元, 费启瓅, 鲍婷婷, 李玉涛, 殷笑茹[7]2014年在《风云静止卫星资料处理系统设计与实现》文中进行了进一步梳理为满足江苏省气象业务、科研单位对风云2系列静止卫星资料解码、订正、通道计算、数据存储、检索的需求,使用Visual C++程序设计语言开发了风云2静止气象卫星投影数据资料处理系统。从系统需求分析的角度出发,介绍了系统各个功能模块的设计与实现,重点介绍了系统开发中一些需要注意的要点和难点。系统操作简便,自动化程度高,实现了风云2系列静止卫星资料的自动预处理、计算、显示、数据库存储等工作,满足了各业务单位对静止卫星资料的使用需求。
焦圣明, 郑媛媛, 王宏斌, 徐芬, 鲍婷婷[8]2017年在《灾害性天气个例库智能分析系统的设计与实现》文中研究指明灾害性天气个例库智能分析系统是由基础数据支持子系统(数据层)、气象数据应用中间件子系统(服务层)和个例库综合分析业务子系统(应用层)3部分组成,综合运用HTML5 Canvas技术、数据库技术、GIS技术、高效可视化渲染技术等实现了气象灾害性天气个例的交互式录入、关键词查询与检索以及相关气象资料智能再分析等功能。文章针对系统的组成架构、个例库设计、功能特点等关键技术进行了重点探讨,并详细介绍个例库录入与查询、WebGIS组件、可视化渲染以及气象资料再分析等功能的设计和实现。系统投入业务运行结果表明,页面响应速度快、兼容浏览器性能佳、人机交互体验好,能够满足高效、智能、灵活的业务需求,在为预报员建立正确的预报思路、提升天气过程分析能力等方面发挥了重要作用。
参考文献：
[1]. 基于内容的卫星云图检索系统设计与实现[D]. 徐坚. 河海大学. 2004
[2]. 基于内容的卫星云图挖掘方法研究[D]. 来旭. 国防科学技术大学. 2010
[3]. 基于卫星云图的台风定位技术研究[D]. 乔文峰. 上海交通大学. 2012
[4]. 基于堆迭极限学习机的卫星云图分类研究[D]. 邵丽群. 南昌航空大学. 2016
[5]. 基于纹理分析云的分类技术的研究[D]. 徐丽娟. 南京信息工程大学. 2012
[6]. 辽宁省防汛抗旱减灾应急指挥决策系统设计与实现[J]. 张世全. 中国防汛抗旱. 2015
[7]. 风云静止卫星资料处理系统设计与实现[C]. 周元, 费启瓅, 鲍婷婷, 李玉涛, 殷笑茹. 第31届中国气象学会年会S13 气象通信与信息技术应用实践与新技术探索. 2014
[8]. 灾害性天气个例库智能分析系统的设计与实现[J]. 焦圣明, 郑媛媛, 王宏斌, 徐芬, 鲍婷婷. 气象. 2017
标签：计算机软件及计算机应用论文; 卫星云图论文; 云图论文; 特征提取论文; 台风路径论文; 图像融合论文; 定位设计论文; 系统设计论文; 台风动态论文;