基于卫星云图的对流云自动识别方法研究

论文摘要

对流云常会带来冰雹、龙卷、暴雨等恶劣天气,对飞行影响很大,航空飞行一般是提前发现对流云然后绕飞,因此,对流云的识别、监测和临近预报成为关键。本文选用2010年6月份的红外卫星云图样本作对流云识别研究,识别方法有纹理统计法、亮度阈值法、亮度阈值结合纹理识别方法三种。纹理识别方法选用通用的灰度共生矩阵、灰度-梯度共生矩阵两种算法,来识别卫星云图对流云,通过研究表明,这两种算法都适用于卫星云图对流云的识别,但灰度-梯度共生矩阵识别对流云的效果更好,纹理统计方法的缺点就是计算量大、运算复杂。亮度阈值识别对流云,这种方法计算量小、运算快,但总体识别率不高。在此基础上,本文提出了一种新的对流云识别方法,即亮度阈值结合纹理算法识别对流云的方法,依据实验设定阈值,剔除大部分颜色较暗的非对流云,然后选用灰度-梯度共生矩阵算法,对保留的图象作对流云纹理判断,进而准确地识别出了对流云。此方法降低了传统灰度-梯度共生矩阵方法识别对流云的运算量,并且提高了识别率。通过样本测试,分别统计了三种方法识别对流云的识别率,总结了三种识别方法各自的优缺点。亮度阈值结合纹理识别对流云的方法,可以有效地识别出卫星云图对流云,有利于对流云的监测、临近预报,并且也为航空签派员等卫星云图使用人员提供了一种识别对流云的方法和指导。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 国内外研究现状
• 1.3 研究的目的和意义
• 1.4 论文内容及创新点
• 第二章 卫星云图
• 2.1 气象卫星
• 2.2 卫星云图
• 2.3 红外卫星云图
• 2.3.1 红外云图观测原理
• 2.3.2 卫星云图灰度值与云顶亮温关系
• 2.4 卫星云图定位误差分析
• 2.4.1 卫星云图定位误差来源分析
• 2.4.2 卫星云图云顶高度误差分析
• 2.5 小结
• 第三章 对流云识别算法
• 3.1 灰度共生矩阵识别算法
• 3.1.1 灰度共生矩阵
• 3.1.2 灰度共生矩阵识别对流云
• 3.2 灰度梯度共生矩阵纹理识别方法
• 3.2.1 灰度-梯度共生矩阵
• 3.2.2 灰度-梯度共生矩阵二次统计量
• 3.3 亮度阈值识别方法
• 3.3.1 均值平滑
• 3.3.2 阈值剔除
• 3.3.3 边缘检测
• 3.4 亮度阈值结合纹理识别算法
• 3.4.1 选择阈值
• 3.4.2 纹理识别
• 3.5 小结
• 第四章 算法实现
• 4.1 对流云识别过程
• 4.2 识图结果
• 4.3 算法分析
• 4.4 小结
• 第五章 对流云识别率分析
• 5.1 识别率计算
• 5.2 人工识别对流云
• 5.3 识别率对比
• 5.4 小结
• 结论
• 参考文献
• 攻硕期间取得的成果
• 致谢