一种基于扩展极大值变换的对流单体检测方法技术

本发明专利技术提出了一种基于扩展极大值变换的对流单体检测方法，其步骤为：读取卫星红外图像，将卫星红外图像的每个象元的亮温值组成图像矩阵；利用对流系统的基准阈值分割图像矩阵，对所有亮温值进行归一化处理得到归一化图像；利用扩展极大值变换提取归一化图像的对流核的种子点，得到对流核种子点图像；使用8连通域邻域准则对对流核种子点图像中相邻的种子点进行聚类并将聚类后的种子点标记为种子簇；种子簇累加并计算合并次数，利用合并准则判断相邻的对流核是否合并，输出对流核图像。本发明专利技术基于扩展极大值变换准确地区分了相邻的对流核，适用于中尺度对流系统的各个生命周期、单个和多个对流核，且计算速度快，能满足气象领域实时性要求。

A Convection Monomer Detection Method Based on Extended Maximum Transform

【技术实现步骤摘要】
一种基于扩展极大值变换的对流单体检测方法
本专利技术涉及对流核检测的
，尤其涉及一种基于扩展极大值变换的对流单体检测方法。
技术介绍
中尺度对流系统MCS的活动载体是对流单体，对流单体是中尺度对流系统MCS中的对流活跃部分。通常把一个水平范围十到数十千米且垂直速度10m/s，垂直伸展几乎达整个对流层的强上升区称为对流单体(又称对流核)。无论是快速发展对流(RapidDevelopingConvection，RDC)检测还是初生对流(ConvectionInitiation，CI)检测都要以对流核检测为基础，RDC和CI的检测其实也是检测对流核部分。过去有很多使用卫星数据检测对流核的方法。阈值方法对阈值非常敏感，提取的核轮廓通常不可靠。Dixon等人提出了一种基于质心的TITAN(ThunderstormIdentification，TrackingAndNowcasting)算法，用于雷暴识别、追踪和预测分析，是目前利用雷达图像预测雷暴灾害的常用方法。快速发展雷暴(RapidDevelopingThunderstorm，RDT)方法使用统计决策和经验准则识别强对流系统。改进的雷暴识别、跟踪和预报(EnhancedThunderstormIdentification,TrackingAndNowcasting)算法ETITAN使用两个阈值识别对流核，准确率比原始的TITAN算法更高。但是由于对流核的形状变化非常快，因此经常会产生不准确的识别结果。为了控制对流云的高度形变状态，Thomas等人提出了一个数据同化工具用于检测和跟踪对流核，但是该技术时间复杂度非常高。Shukla等人设计了一个源分配方法(SourceApportionment，SA)研究对流核的生命周期演化，并使用卫星图像序列跟踪和预测中尺度对流系统MCS。Fiolleau等人利用红外图像进行对流系统体积的三维分割迭代处理，提出了TOOCAN(TrackingofOrganizedConvectionAlgorithmThrougha3-DSegmentation)算法，不过这个方法在处理实时问题方面还存在一些缺陷。对流核检测是指从大面积对流云中提取对流核部分并剔除卷云部分。一般方法是采用亮温值和面积两个指标，使用简单的阈值法进行分割。该方法存在以下不足：(1)相邻的对流核很难区分，容易被错误识别为同一个对流核；(2)成片云区内的对流核很难被单独识别，造成大部分云会连同周边亮温较低的云被包含在内。当亮温阈值设置太高时，检测到的对流核区域会跟周围的冷云连接在一起；当亮温阈值太低时，容易造成检测到的对流核区域不完整。由于每个对流核的平均亮温值存在差异，所以使用单个阈值进行对流核检测的方法不能准确地区分相邻的对流核。中尺度对流系统检测阶段的主要目标是识别对流云核。很多检测方法主要使用一个低的亮温阈值确定深度对流云的连续区域，但是这些方法不能准确区分出相邻的对流核，容易造成错误合并问题。
技术实现思路
针对现有的对流核检测方法不能准确地区分相邻的对流核，容易造成对流云错误合并的技术问题，本专利技术提出一种基于扩展极大值变换的对流单体检测方法，基于数学形态学中的扩展极大值变换技术，通过区域增长和合并准则确定对流连续区域，实现对对流核的准确检测。为了达到上述目的，本专利技术的技术方案是这样实现的：一种基于扩展极大值变换的对流单体检测方法，其步骤如下：步骤一：读取大小为m×n的卫星红外图像I，将卫星红外图像I的每个象元的亮温值组成图像矩阵I1；步骤二：利用对流系统的基准阈值分割图像矩阵I1得到对流区域图像I2，对对流区域图像I2中的所有亮温值进行归一化处理，得到归一化图像Ig；初始化初始种子点的最佳阈值h0、迭代步长s、迭代次数t1＝0和最大迭代次数Nm；步骤三：利用扩展极大值变换对步骤二得到的归一化图像Ig进行处理提取对流核的种子点，得到对流核种子点图像；步骤四：迭代次数t1＝t1+1，判断迭代次数t1是否大于最大迭代次数，如果是进入步骤五，阈值ht1＝ht1+s，否则，返回步骤三。步骤五：使用8连通域邻域准则对Nm+1个对流核种子点图像中相邻的种子点进行聚类并按顺序将聚类后的种子点标记为种子簇；步骤六：种子簇累加并计算合并次数，利用合并准则判断相邻的对流核是否合并，输出相应的对流核图像。所述步骤二中利用对流系统的基准阈值分割图像矩阵I1的方法为：将图像矩阵I1中每个坐标的像素值与对流系统的基准阈值241K进行比较，若像素值大于241K，则像素值置零，得到对流区域图像I2，即其中，I1(i,j)和I2(i,j)分别表示坐标为(i,j)的图像矩阵I1和对流区域图像I2的像素值，且1≤i≤m，1≤j≤n。所述归一化图像Ig是对大小为m×n的对流区域图像I2的所有像素值归一化到值域[0,1]，归一化处理的计算公式为：其中，Ig(i,j)表示归一化图像Ig中坐标(i,j)的像素值，I2(i,j)表示对流区域图像I2坐标(i,j)的像素值，Imin表示对流区域图像I2中的亮温最小值，1≤i≤m，1≤j≤n。所述初始种子点的最佳阈值h0＝0.03可以形成效果最好的初始种子点，迭代步长为0.01，最大阈值为0.15，最大迭代次数Nm＝12。所述步骤三中扩展极大值变换的方法为扩展极大值为H极大值变换的区域极大值，即：EMAXht1＝RMAX[HMAXht1]，其中，图像矩阵EMAXht1表示归一化图像Ig的扩展极大值矩阵，图像矩阵EMAXht1即为对流核种子点图像；HMAXht1表示第t1次迭代中归一化图像Ig的H极大值变换后的图像矩阵，RMAX[]表示区域极大值函数；归一化图像Ig的区域极大值矩阵通过归一化图像Ig的每个像素值减去相应H极大值变换后的像素值计算，即：RMAXht1＝RMAX[Ig]＝Ig-HMAXht1；其中，HMAXht1表示第t1次迭代中对归一化图像Ig进行H极大值变换后的图像矩阵，RMAXht1代表归一化图像Ig中第t1次迭代的区域极大值矩阵；图像矩阵HMAXht1为归一化图像Ig中所有小于等于给定阈值ht的极大值，即：其中，矩阵Ht1是大小为m×n且每个元素值均是第t1次迭代的阈值ht1，表示膨胀重构函数。所述步骤五中8连通域邻域准则按从上到下，从左到右的顺序进行标记，8连通域邻域准则对每个对流核种子点图像中种子点周围邻域的8个相邻点进行聚类，直到没有相邻点终止标记，同一个连通域内的像素标记相同。所述8连通域邻域准则标记的方法为：对流核种子点图像中按顺序标记的包含种子点的标记图像用矩阵LA表示，每个元素LA(p)代表像素p的标号，对流核种子点图像中前景像素集合用F表示，前景像素集合F是通过计算对流核种子点图像中像素不为零的像素点得到的，元素LA(p)要满足两个条件：(1)如果像素p∈Fc，LA(p)＝0；如果p∈F，LA(p)＝∞；(2)当且仅当像素p∈F和像素q∈F在同一个连通域中，有LA(p)＝LA(q)；否则，LA(p)≠LA(q)；其中，Fc表示对流核种子点图像中除前景像素集合F外的背景区域。所述矩阵LA的求解方法为：初始化矩阵LA为：在迭代时刻t>0，矩阵LA的迭代表达式为：LA(t)(p)＝min{LA(t)(p)；λ；L本文档来自技高网...

【技术保护点】
1.一种基于扩展极大值变换的对流单体检测方法，其特征在于，其步骤如下：步骤一：读取大小为m×n的卫星红外图像I，将卫星红外图像I的每个象元的亮温值组成图像矩阵I1；步骤二：利用对流系统的基准阈值分割图像矩阵I1得到对流区域图像I2，对对流区域图像I2中的所有亮温值进行归一化处理，得到归一化图像Ig；初始化初始种子点的最佳阈值h0、迭代步长s、迭代次数t1＝0和最大迭代次数Nm；步骤三：利用扩展极大值变换对步骤二得到的归一化图像Ig进行处理提取对流核的种子点，得到对流核种子点图像；步骤四：迭代次数t1＝t1+1，判断迭代次数t1是否大于最大迭代次数，如果是进入步骤五，阈值ht1＝ht1+s，否则，返回步骤三；步骤五：使用8连通域邻域准则对Nm+1个对流核种子点图像中相邻的种子点进行聚类并按顺序将聚类后的种子点标记为种子簇；步骤六：种子簇累加并计算合并次数，利用合并准则判断相邻的对流核是否合并，输出相应的对流核图像。

【技术特征摘要】
1.一种基于扩展极大值变换的对流单体检测方法，其特征在于，其步骤如下：步骤一：读取大小为m×n的卫星红外图像I，将卫星红外图像I的每个象元的亮温值组成图像矩阵I1；步骤二：利用对流系统的基准阈值分割图像矩阵I1得到对流区域图像I2，对对流区域图像I2中的所有亮温值进行归一化处理，得到归一化图像Ig；初始化初始种子点的最佳阈值h0、迭代步长s、迭代次数t1＝0和最大迭代次数Nm；步骤三：利用扩展极大值变换对步骤二得到的归一化图像Ig进行处理提取对流核的种子点，得到对流核种子点图像；步骤四：迭代次数t1＝t1+1，判断迭代次数t1是否大于最大迭代次数，如果是进入步骤五，阈值ht1＝ht1+s，否则，返回步骤三；步骤五：使用8连通域邻域准则对Nm+1个对流核种子点图像中相邻的种子点进行聚类并按顺序将聚类后的种子点标记为种子簇；步骤六：种子簇累加并计算合并次数，利用合并准则判断相邻的对流核是否合并，输出相应的对流核图像。2.根据权利要求1所述的基于扩展极大值变换的对流单体检测方法，其特征在于，所述步骤二中利用对流系统的基准阈值分割图像矩阵I1的方法为：将图像矩阵I1中每个坐标的像素值与对流系统的基准阈值241K进行比较，若像素值大于241K，则像素值置零，得到对流区域图像I2，即其中，I1(i,j)和I2(i,j)分别表示坐标为(i,j)的图像矩阵I1和对流区域图像I2的像素值，且1≤i≤m，1≤j≤n。3.根据权利要求1或2所述的基于扩展极大值变换的对流单体检测方法，其特征在于，所述归一化图像Ig是对大小为m×n的对流区域图像I2的所有像素值归一化到值域[0,1]，归一化处理的计算公式为：其中，Ig(i,j)表示归一化图像Ig中坐标(i,j)的像素值，I2(i,j)表示对流区域图像I2坐标(i,j)的像素值，Imin表示对流区域图像I2中的亮温最小值，1≤i≤m，1≤j≤n。4.根据权利要求1所述的基于扩展极大值变换的对流单体检测方法，其特征在于，所述初始种子点的最佳阈值h0＝0.03可以形成效果最好的初始种子点，迭代步长为0.01，最大阈值为0.15，最大迭代次数Nm＝12。5.根据权利要求1或4所述的基于扩展极大值变换的对流单体检测方法，其特征在于，所述步骤三中扩展极大值变换的方法为扩展极大值为H极大值变换的区域极大值，即：EMAXht1＝RMAX[HMAXht1]，其中，图像矩阵EMAXht1表示归一化图像Ig的扩展极大值矩阵，图像矩阵EMAXht1即为对流核种子点图像；HMAXht1表示第t1次迭代中归一化图像Ig的H极大值变换后的图像矩阵，RMAX[]表示区域极大值函数；归一化图像Ig的区域极大值矩阵通过归一化图像Ig的每个像素值减去相应H极大值变换后的像素值计算，即：RMAXht1＝RMAX[Ig]＝Ig-HMAXht1；其中，HMAXht1表...

【专利技术属性】
技术研发人员：刘佳，康鲲鹏，张倩，陈丽娜，王一丽，王旭东，赵海滨，
申请(专利权)人：商丘师范学院，
类型：发明
国别省市：河南,41