基于多任务学习的地基云图识别与分割技术北大核心CSCD

云在天气预报中扮演着一个至关重要的角色,准确识别和分割地基云图可以有效指导天气预报。针对大部分现有数据集只适用于单任务学习,地基云图识别和分割技术多以单任务实现,识别检测效率低且算法鲁棒性差等问题,构建了带标签且适合多任务学习的地基云图数据集(GBCD)和GT数据集(GBCD-GT),在此基础上设计了一种基于多任务学习的地基云图识别与分割联合网络模型(GCRSegNet)。该模型首先通过卷积神经网络提取共享特征,再为每个任务设计特定网络,提取更具辨识度的特征,分割网络通过学习共享特征实现地基云图分割,识别网络通过结合共享特征和分割特征实现地基云图识别。经过多组对比试验表明,该网络能准确表征地基云图特征,使识别任务准确率达到94.28%,分割任务像素准确率达到93.85%,平均交并比达到71.58%,为实际应用提供了可能性。     

数字化红外云图简介

目前,我国各接收站所收到的卫星云图,有电视云图、可见光云图和红外云图。这三种云图都是用各种不同亮度层次把云层表示出来。我们对这几种云图进行分析,识别各种云和天气系统的移动和发展,供天气预报中参考。     

怎样分析卫星云图 (二)几类主要云系的基本特征

当云图分析者拿到卫星云图照片后,第一步,是要识别照片上各种不同的云,并把云和地表面特征区别开;第二步,分析各种云组成的型式,通过云型识别各种大小不同的天气系统;第三步,比较前后时间的云图,判断各种天气系统的演变情况;第四步,从各种云型的结构来推论当时大气的各种特性,     

冰雹的卫星云图特征识别和外推预报

对湖北省1979－1999年的冰雹过程的卫星云图进行了分析，总结出冰雹过程的卫星云图特征，用统计模式识别方法进行了识别，在对红外云图进行图象处理后，用交叉匹配方法得到其移动矢，以此对冰雹云系做外推预报，结果表明，其准确率比主观识别方法的要高。     

基于静止卫星红外云图的MCS自动识别与追踪

由于缺乏成熟的中尺度对流系统 (MCS) 自动追踪工具,使基于静止卫星红外云图的MCS研究的深度和广度受到制约。手工目测法识别追踪MCS,工作量大且容易造成误差,无法用于长时间序列卫星云图的MCS普查。该文结合我国中尺度对流天气的特点,在重新定义MCS云团识别标准的基础上,给出了一种基于图像处理和时间序列分析技术的MCS自动识别、存储、追踪和时间序列特征统计方法。通过对2003年淮河大水期间连续时次卫星云图的MCS自动识别、追踪和特征统计,对该方法的应用效果进行了检验,结果表明:该方法不仅能对每个时次的MCS进行快速识别,同时也能对多时次的MCS进行有效追踪。     

多阈值和神经网络卫星云图云系自动分割试验

卫星云图自动分割是实现卫星云图云系自动识别的基础.选用1992~1994年和1997~1998年夏季有典型天气系统的177幅GMS红外云图建立了云系模型库, 云系分类样本3079个, 包含16类云系, 云系分割样本2764个.利用云系分割样本集进行神经网络试验, 训练集为从32幅云图中抽取的484个样本, 测试集为从145幅云图中抽取的2280个样本, 神经网络模型训练正确率达到98.8%, 测试正确率为86.4%.用1997年7月18~21日和1998年6月15~17日的两组卫星云图做自动分割应用试验, 结果经专家判识, 正确率达到90%以上.本文的工作表明:用多阈值和人工神经网络相结合方法对卫星云图进行云分割在实际应用中是可行的.卫星云图自动分割系统的输入是GMS红外云图, 输出是分割出的每一个云区, 同时还包括云区的边界链码、起始点、周长、面积, 并保留了原始图像数据.在下一步的云系识别过程中, 可以在此基础上进行云系分类识别试验.     

基于人工神经网络的GMS云图四类云系的识别

应用人工神经网络方法较成功地识别了GMS云图中的四类云系,并与传统的统计识别方法进行了对比,得出结论:神经网络方法更适合于云系的特征识别。还研究了神经网络本身的问题,取得一些网络设计的经验。     

基于压缩感知的地基红外云图云状识别

为了对地基全天空红外测云仪获得的云图进行分类,该文从压缩感知理论出发,提出了一种利用云图灰度稀疏性进行云状识别的新方法。首先运用典型云图样本构造冗余字典,然后通过梯度投影 (GPSR) 算法和正交匹配 (OMP) 算法求取测试样本在冗余字典中的l1范式最优解,最后利用残差法和稀疏比例法对云状进行判别并输出。采用压缩感知理论进行云状识别,降低了对特征提取技术的要求,为云状的自动识别提供了新思路,对典型波状云、层状云、积状云、卷云和晴空的总体识别率分别达到75%,91%,70%,85%和93%,平均识别率为82.8%。     

云图纹理特征的抽取与云的自动分类

根据卫星云图的灰度分布，计算灰度共生矩阵，然后抽取一组纹理识别特征量，组成卫星云图云自动分类方程，从而实现云图微机自动分类。     

GMS-1红外云图上温度的确定

在红外云图上,图片上的灰度用来表示物体的辐射温度。分析人员是通过灰度的识别来确定温度的,并进而推算云顶的高度。因此,了解图片上灰度与温度的对应关系是十分重要的。 GMS-1气象卫星所播发的红外云图有两种:一是高分辨率图,一是低分辨率图。两种图片上都有灰     

基于注意力特征提取网络的图像描述生成算法

针对解决图像描述生成中对浅层图像特征利用不充分、图像目标间关系提取不足的问题,提出一种基于注意力图像特征提取的图像描述生成算法.通过语言模型上下文信息对不同深度图像特征进行自适应注意力权重分配,使带有注意力的图像特征参与指导图像描述生成,提升了图像描述生成的效果.在MSCOCO测试集中所提算法的BLEU-1和CIDEr得分分别达到0.752和0.934,从而验证了所提算法的有效性.     

风云二号气象卫星姿态和沿步进方向失配角参数对图像影响的模拟研究

用模拟的方法研究了卫星姿态、沿步进方向失配角参数对风云二号气象卫星图像定位影响及其随时间的变化规律。模拟结果表明, 参数偏差对图像定位的影响有很强的规律性; 参数的偏差将导致图像网格失真和图像定位不准; 不同参数对卫星图像定位的影响不同。由模拟生成的典型误差图像为风云二号高精度图像定位模型的建立和图像定位误差分析提供了依据。     

基于LabVIEW图形化语言的云降水粒子图像回放软件

利用机载云降水粒子成像仪进行飞机入云观测是云微物理研究的一种重要探测手段。机载云降水粒子成像仪对所采集到的云粒子图像信息先进行压缩处理后再传入电脑进行存储。后续的粒子图像信息回放,需要借助专门的软件才能实现,为实现对云降水粒子图像信息的回放,在分析云降水粒子图像数据格式的基础上,利用图形化语言LabVIEW编写了粒子图像数据的解压缩程序,并采用消息队列和JKI状态机的组合形式进行软件架构的系统设计,最终开发出云降水粒子图像回放软件。该软件可实现对云降水粒子成像仪的粒子图像数据进行读取与显示,还可对粒子图像信息进行提取和存储,可辅助云降水物理的研究。     

小波变换在气象卫星云图压缩中的应用

该文分析了卫星云图和自然图像在小波系数分布上的特征差异,提出了基于小波变换的气象卫星云图压缩方案。方案选择对卫星云图压缩效果较好的、具有双正交性的Odegard 9/7滤波器组对卫星云图进行五级小波分解和重构;根据卫星云图小波分解系数相似性强、低频分量能量更为集中、分量系数层次衰减性明显的特点,使用改进后的零树编码算法对小波系数进行编码运算;最后,采用高效的自适应算术编码对输出数据流进行了进一步的压缩。该方法对卫星云图的压缩效果要优于经典的嵌入式零树小波编码,在失真允许情况下,对红外云图的最大压缩比可达40:1,水汽云图达60:1,可见光云图达35:1。     

基于中值滤波和小波变换的天气雷达回波图像处理

本文提出了一种中值滤波和小波变换相结合的天气雷达回波图像处理方法,分别从目标回波的视觉角度和统计量的客观角度对处理后图像进行了分析。实验结果表明,本文算法实现了去除回波图像中高斯和脉冲混合噪声的目的,有效的保留了回波图像边缘细节,视觉效果好,层次感较为丰富,处理效果明显优于传统图像处理方法,为自动识别回波种类的研究提供了良好的基础。     

基于全视野数字图像的能见度估算方法

基于全视野数字图像的能见度估算方法是将全视野图像大气透射率与大气能见度通过曲线拟合方法建立联系,得到估算模型进行能见度估算。首先通过历史全视野图像和对应时刻的大气能见度建立样本数据集,再利用暗原色先验理论获取全视野图像大气透射率,通过多项式拟合方法建立离散样本数据集中大气透射率与对应时刻大气能见度的关系,即全视野图像能见度估算模型,最终将所需估算时刻的数字图像输入估算模型进行能见度估算,得到大气能见度数值。结果表明:建立的基于全视野数字图像能见度估算模型在环境光照均匀时大气能见度估算值与能见度实测值有较好的一致性,可作为前向散射仪的补充观测方法,弥补其采样存在的局限性。     

基于用户点击数据的细粒度图像识别方法概述

近年来,细粒度图像识别逐渐成为计算机视觉领域的研究热点.由于不同类别图像间的视觉差异小、语义鸿沟问题严重,传统的基于视觉特征的细粒度图像识别性能往往不尽人意.针对这些挑战,目前许多学者都在研究基于用户点击数据的图像识别.本文围绕点击数据在图像识别中数据预处理、特征提取和模型构建3大模块中的应用,总结了已有的基于点击数据的识别算法及最新的研究进展.     

基于模糊熵的GLLE熵阈值分割方法

图像分割是计算机视觉中基础且重要的一个问题.熵阈值图像分割作为一种有效的分割方法,被广泛应用于模式识别和图像处理中.传统的图像分割方法并不能获得足够有效的图像特征.为解决这个问题且进一步探究熵阈值在图像分割中的应用,引入一种GLLE（Gray Level and Local Entropy）二维直方图改进熵阈值图像分割模型,并提出了基于模糊熵的方法计算所建立的二维直方图模型.通过标准实验数据集上的对比实验表明,基于模糊熵的GLLE熵阈值分割方法可以得到更加准确的阈值,提高了分割精度.同时在处理不同类型图像的表现上优于往常的算法,具有更强的鲁棒性.     

基于边缘指导的双通道卷积神经网络单图像超分辨率算法

当前基于卷积神经网络（CNN）的超分辨率（SR）重建算法,虽然取得了很大的成功,但是重建图像高频纹理的效果仍然不能令人满意,其高分辨率（HR）图像局部边缘存在明显的震荡.本文提出一种结合形态学成分分析（MCA）分解的边缘指导双通道CNNSR算法：待处理的低分辨率（LR）图像通过MCA分解为纹理部分和平滑结构部分;纹理部分和原LR图像共同组成双通道,输入到改进的网络结构中重建HR纹理部分;结合HR纹理输出与LR平滑结构部分重建HR图像.训练过程采用最小化纹理损失与原图像损失之和最优化网络模型参数.后处理包括：执行网络输出与LR输入图像的直方图匹配使色调保持一致,提升感官效果;应用迭代的反向映射使HR重建与LR输入保持退化算子一致性提高PSNR值.实验结果显示：该方法能够很好地恢复HR图像的纹理细节,对纹理细节丰富的图像恢复效果更好.     

静止气象卫星图象实时处理方法

本文提出一静止气象卫星图象实时处理方法。在没有计算机的条件下用硬件完成放大、增强、注释、合成和网格地图叠加等，同时还能从传真机得到图象硬拷贝。此方法已在GMS卫星展宽云图接收和处理系统中推广应用。