版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、臺風(fēng)是嚴重危害人類的天氣之一,對臺風(fēng)中心準確定位具有重要意義.目前,臺風(fēng)中心自動定位仍處于探索階段.臺風(fēng)中心定位方法之一是基于形狀的定位方法.但由于臺風(fēng)運動過程復(fù)雜,形態(tài)多變,該方法難以適應(yīng)各種情況.另一種方法是將臺風(fēng)等效為剛體分析其旋轉(zhuǎn)性,從而確定中心.由于臺風(fēng)本身為非剛體,這種定位方法誤差較大. 無論臺風(fēng)在運動過程中如何變化,臺風(fēng)中心的運動最弱,能量最小.基于這一普遍的特點,本文提出基于小波域的嵌入式隱馬爾可夫模型和交叉熵相
2、結(jié)合的方法進行臺風(fēng)中心定位.該過程分以下五個步驟: 1.對相鄰序列圖像作差分運算,提取云系的動態(tài)信息. 2.對差分圖像進行小波變換,獲得小波系數(shù),作為后續(xù)過程的處理對象.相對于基于像素灰度的分析,基于小波域的分析減少了觀察向量的維數(shù). 3.分析單幅差分圖像的空間相關(guān)性:使用采樣窗口對單幅差分圖像的小波域采樣并將圖像分割成若干個均勻分布的小塊.對采樣得到的小波系數(shù)進行嵌入式隱馬爾可夫模型算法的訓(xùn)練和識別.按照空間相
3、關(guān)性,采用嵌入式Viterbi算法、K均值算法對差分圖像重新分割. 4.分析差分圖像序列沿時間軸的時間相關(guān)性:利用交叉熵來分析差分圖像序列的時間相關(guān)性,根據(jù)圖像序列的時間相關(guān)性來跟蹤各差分圖像序列塊.較以往的基于單幅圖像定位,此過程利用了多幅圖像,擴大了信息利用量,而且采用空間相關(guān)性與時間相關(guān)性相結(jié)合的分析方法,能夠提高定位精度. 5.使用能量函數(shù)度量各序列塊的運動能量,能量最小的塊所對應(yīng)的位置即為臺風(fēng)中心. 與
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于嵌入式隱馬爾可夫模型(EHMM)的人臉表情識別.pdf
- 基于嵌入式隱馬爾可夫模型的人臉識別方法研究.pdf
- 基于隱馬爾可夫模型的對象定位方法研究.pdf
- 隱馬爾可夫模型簡介
- 基于最大熵隱馬爾可夫模型的基因啟動子識別.pdf
- 隱馬爾可夫模型技術(shù)
- 基于隱馬爾可夫模型的音頻檢索.pdf
- 隱馬爾可夫模型在對象定位中的應(yīng)用與實現(xiàn).pdf
- 基于隱馬爾可夫模型和符號條件熵的異常生理信號研究.pdf
- 基于隱馬爾可夫模型的動態(tài)紋理分類.pdf
- 基于隱馬爾可夫模型的可用帶寬測量.pdf
- 基于隱馬爾可夫模型的指紋匹配研究.pdf
- 基于隱半馬爾可夫模型的訓(xùn)練與檢測.pdf
- 基于隱馬爾可夫模型脈象信號分類.pdf
- 基于隱馬爾可夫模型的自動和弦識別.pdf
- 基于隱式馬爾可夫模型市場的擇時策略研究.pdf
- 基于隱馬爾可夫模型的推薦算法研究.pdf
- 隱馬爾可夫模型下基于通信流的隱組織識別.pdf
- 基于隱馬爾可夫模型的人臉識別研究.pdf
- 基于隱馬爾可夫模型的手指靜脈識別研究.pdf
評論
0/150
提交評論