基于內容的衛(wèi)星云圖檢索技術研究.pdf

1、衛(wèi)星云圖具有觀測范圍廣、觀測頻次高的特點，是重要的氣象分析資料。歷史衛(wèi)星云圖中包含有豐富天氣系統，若能檢索到與當前云圖相似的歷史云圖，可以對氣象預測提供一定的幫助。本文采用基于內容的圖像檢索技術設計衛(wèi)星云圖檢索系統，提取圖像的底層信息作為衛(wèi)星云圖的特征向量，進行圖像檢索。
　　衛(wèi)星云圖中包括云層、陸地和海洋信息，其中有效的信息僅為云層信息。本文選取模糊C均值聚類方法提取云層信息，該方法存在隨機選取初始聚類中心的缺點，而且受初值的影

2、響易陷入局部最優(yōu)解。為此將全局性良好的粒子群優(yōu)化算法引入聚類算法中，克服了初始聚類中心對全局收斂性的影響，并通過陰影集算法剔除聚類迭代過程中的邊界值和異常值，提高云層提取的速度。在提取出云系信息的基礎上，采用灰度直方圖法提取圖像的灰度特征，針對灰度直方圖法丟失位置信息的缺點，本文將衛(wèi)星云圖圖像分塊提取灰度特征以提高特征提取的準確性。在采用灰度共生矩陣法提取圖像紋理特征的基礎上，將二維共生矩陣中像素對簡化為像素灰度值的差，降低矩陣維數，簡

3、化計算過程。形狀是衛(wèi)星云圖的重要特征之一，本文在提取出主要云系的基礎上，采用圖像形態(tài)學的開運算和閉運算去除云系中的孤立點和孔洞，規(guī)范云系形狀，最后使用幾何不變矩方法提取云系的形狀特征。
　　灰度特征、紋理特征和形狀特征均從單一方面反映衛(wèi)星云圖的內容屬性，為使各特征相互融合全面反映衛(wèi)星云圖的內容，本文根據不同的天氣情況設置各特征的權重值進行加權求和以獲得綜合特征。在衛(wèi)星云圖特征提取的基礎上，本文設計實現了基于內容的衛(wèi)星云圖檢索系統，