一种地基数字云图的纹理特征抽取和检索方法技术

本发明专利技术公开了一种地基数字云图的纹理特征抽取和检索方法，包括抽取方法和检索方法，抽取方法包括：将彩色ＲＧＢ三通道的地基数字云图转换为单通道的像素类别图；通过分析像素类别图和建立共生矩阵，得到共生矩阵的直方图向量；合并多个像素类别共生矩阵的直方图向量，构建地基数字云图的纹理特征向量；将纹理特征向量保存到云图数据库。检索包括：按照上述的特征抽取方法抽取样例云图的纹理特征；依次计算样例云图的纹理特征和云图数据库中每一幅云图的纹理特征之间的相似性；把最相似的若干云图作为检索结果显示。本发明专利技术能够自动分析和抽取地基数字云图的有效纹理特征，自动从云图数据库中检索出与样例云图相似的结果云图。

【技术实现步骤摘要】

本专利技术涉及气象探测技术、数字图像处理、图像检索和模式识别领域，尤其涉及一 种地基数字云图的纹理特征分析和检索方法。
技术介绍
在地球大气能量收支平衡中，云的调节作用非常显著，是气候变化的一个重要影 响因子。另一方面，云的生成、发展和演变不仅反映了当时大气的稳定程度、运动和水汽状 况，而且也是预示未来天气变化的重要征兆之一。因此，云的观测具有极其重要的作用。目 前，云的观测主要包括天基观测(即卫星遥感)和地基观测。卫星云图的特征分析和自动 化处理已经取得了较大的进展，但是，云的地基观测以及云图分析则长期依赖气象观测员 目视判断，这成为气象业务自动化发展进程的一个瓶颈。目前，国内外已经开发了一些地基全天空云观测设备，如美国Yankee Environmental System Inc.研制的全天空成像仪 TSI (Total Skylmager)，美国 California大学研制的WSI (Whole Sky Imager)，中国科学院大气物理研究所研制的 ASKAll Sky Imager)以及中国气象科学研究院研制的地基金天空云观测系统等。这些设 备都能够自动地拍摄全天空的图像，并生成彩色数字图像——地基数字云图。虽然地基数 字云图已能够自动获取，云量也基本能够实现自动计算，但是，地基数字云图的云状分析目 前还主要依赖于有经验的观测员人工分析。显然，人工分析有很多缺陷首先，观测员必须 十分熟悉复杂的观测规范并能熟练运用；其次，观测结果会受人的生理、心理和责任心等方 面的影响，乃至同一个观测员对于同一幅地基云图在不同的时候分析可能会产生不同的特 征描述；另外，测报人员的流动以及观测的连续性不够，也会影响观测的准确性，同一幅地 基云图由不同的观测员分析也往往会产生不同的特征描述。显然，客观地自动分析和抽取 地基数字云图的有效特征对于地基云观测的自动化和智能化具有非常重要的意义。纹理特 征是地基数字云图的一个重要特征，它能客观地描述云及其天空背景的一些特性。应用数 字图像处理、人工智能技术，地基数字云图能够用数字化的、有效的纹理特征向量表示。另外，随着数字摄像技术的发展及其在地基云观测中的应用，我们获取到的地基 数字云图将越来越多，日积月累，就会形成一个规模非常庞大(往往上万幅)的图像库。在 实际应用中，气象观测员或者气象研究者经常需要在地基云图数据库中检索特定的云图。 在传统的方法，检索者有两种方式获取云图最原始的方法是手工浏览云图数据库，获取特 定的云图；另外一种方法是根据关键字检索云图，在此方法中，云图数据库管理员须事先手 工对云图数据库中的每一幅云图用文字(称之为关键字)进行描述，并且把关键字和云图 关联起来，保存在数据库中；检索的时候，检索者输入关键字，云图数据库检索系统通过匹 配关键字进行检索。显然，当云图数据库的规模达一定级别的时候，上述两种方法都难以胜 任。手工浏览一个大规模云图数据库耗时又耗力，效率低下；基于关键字检索虽然检索效率 比较高，但是不容忽视的是，该方法的前提是云图数据库中的每一幅云图都有正确的关键 字与之相关联，而就目前技术来说，机器不能自动给云图添加正确的关键字，相反，需要由熟练的有专业知识的观测员手工添加云图的关键字描述。同样的，人工添加云图关键字耗 时耗力，而且，添加的关键字主观性强，前后不一致的情况也不少见。所以，数字化的、有效 的纹理特征抽取，以及基于该纹理特征的云图检索方法能够在一定程度上解决云图手工分 析和检索中存在的问题。
技术实现思路
(一)专利技术目的本专利技术的目的是提供一种地基数字云图的纹理特征抽取与检索方法，客观地自动 分析和抽取地基数字云图的有效纹理特征，解决上述云图手工分析和检索中存在的问题。
技术实现思路
一种地基数字云图的纹理特征抽取方法，包括以下步骤S101 采用如下公式将彩色RGB三通道的地基数字云图转换为单通道的像素类别 图 其中，IB(x, y), IE(x, y)分别表示输入彩色地基数字云图中坐标(x, y)处像素的 蓝色(Blue)分量值和红色(Red)分量值，其值通过彩色地基数字云像文件直接读取， Iv(x, y)表示输入彩色地基数字云图中坐标(x，y)处像素的亮度值，C(x, y)表示彩色地基 数字云图中坐标(x，y)处像素的类别标号，a p a 2为蓝红波段比例的阈值参数，0为亮度 阈值参数。 向量； S102 通过分析像素类别图和建立共生矩阵，得到共生矩阵的直方图向量； S103:合并多个像素类别共生矩阵的直方图向量，构建地基数字云图的纹理特征S104 将S103构建的纹理特征向量保存到云图数据库。其中，所述步骤S101中的Iv(x，y)值通过输入彩色地基数字云图中坐标(x，y)处 像素的蓝色(Blue)分量值，红色(Red)分量值，以及绿色(Green)分量值计算得到，其计算 公式为:Iv(x,y) = 100*1狀(11；(1，7)，1(；(1，7)，1“1，7))/255，其中 IG(x,y)为坐标(x, y) 处绿色(Green)分量值。其中，所述a 值为1.5，a 2值为1.3，3值为80。 其中，所述步骤S102包括步骤S1021 分析像素类别图中任意两个像素类别之间的共生关系，构建共生矩阵CCM{i = y y j1' V CO, y) = i and C(x + Ax,y + Ay) = j ， ii 台 \0, otherwise'其中i，j分别表示像素类别，取值为I0，l，2，3}，(Ax, Ay)表示偏移量，w，h分 别表示地基数字云图的长度和宽度，CCM(i，j)表示像素类别图中(x，y)处像素类别为i， 同时(X+AX，y+Ay)处像素类别为j的位置对出现的频次，分别计算每一个CCM(i，j)，得CCM 到一个4X4的共生矩阵； S1022 按如下归一化公式归一化所述共生矩阵CCM(i，j)，得到归一化的共生矩 阵 CCMn ；CCMn (i，j) = CCM (i，j) / (wh).S1023 按如下公式按行拼接归一化共生矩阵CCMn的各个元素，得到一个16维的直方图向量Fs;Fs = (CCMn(0,0), CCMn(0，1)，· · ·，CCMn(3,3)). 其中，所述步骤S103包括步骤S1031 两个像素类别共生关系的位置偏移量存在有L个，S卩(ΔΧι，Ay1), (Δχ2, Δ y2)，. . .，( Δ Xl^1, Δ y^) , ( Δ xL, Δ yL)，按步骤S102得到L个不同的共生矩阵及L个相应 的直方图向量巧,巧2, · · · ,Ft1,Fs ；S1032 按如下公式线性叠加和平均化处理L个直方图向量巧!,巧？，. . .， 得到16维的地基数字云图的纹理特征向量。其中，所述步骤SlOl前包括获得一幅地基数字云图的步骤。一种地基数字云图的纹理特征检索方法，包括以下步骤S201 按权利要求1的步骤S101、S102和S103的步骤计算样例数字云图的纹理特征向量；S202:按如下公式计算所述样例数字云图的纹理特征向量和云图数据库中云图的 纹理特征向量之间的相似性， 其中，F1，F2表示两个地基数字云图的特征向量，D的值越大，这两个地基云图越相 似，相反，D的值越小，这两本文档来自技高网...

【技术保护点】
一种地基数字云图的纹理特征抽取方法，其特征在于，包括以下步骤：Ｓ１０１：采用如下公式将彩色ＲＧＢ三通道的地基数字云图转换为单通道的像素类别图：＊＊＊其中，Ｉ↓［Ｂ］（ｘ，ｙ），Ｉ↓［Ｒ］（ｘ，ｙ）分别表示输入彩色地基数字云图中坐标（ｘ，ｙ）处像素的蓝色（Ｂｌｕｅ）分量值和红色（Ｒｅｄ）分量值，其值通过彩色地基数字云图图像文件直接读取，Ｉ↓［Ｖ］（ｘ，ｙ）表示输入彩色地基数字云图中坐标（ｘ，ｙ）处像素的亮度值，Ｃ（ｘ，ｙ）表示彩色地基数字云图中坐标（ｘ，ｙ）处像素的类别标号，α↓［１］，α↓［２］为蓝红波段比例的阈值参数，β为亮度阈值参数；Ｓ１０２：通过分析像素类别图和建立共生矩阵，得到共生矩阵的直方图向量；Ｓ１０３：合并多个像素类别共生矩阵的直方图向量，构建地基数字云图的纹理特征向量；Ｓ１０４：将Ｓ１０３构建的纹理特征向量保存到云图数据库。

【技术特征摘要】
一种地基数字云图的纹理特征抽取方法，其特征在于，包括以下步骤S101采用如下公式将彩色RGB三通道的地基数字云图转换为单通道的像素类别图 <mrow><mi>C</mi><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>=</mo><mfenced open='{' close=''> <mtable><mtr> <mtd><mn>0</mn><mo>,</mo><mi>if</mi><msub> <mi>I</mi> <mi>B</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>/</mo><msub> <mi>I</mi> <mi>R</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>&GreaterEqual;</mo><msub> <mi>&alpha;</mi> <mn>1</mn></msub> </mtd></mtr><mtr> <mtd><mn>1</mn><mo>,</mo><mi>if</mi><msub> <mi>&alpha;</mi> <mn>1</mn></msub><mo>></mo><msub> <mi>I</mi> <mi>B</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>/</mo><msub> <mi>I</mi> <mi>R</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>&GreaterEqual;</mo><msub> <mi>&alpha;</mi> <mn>2</mn></msub> </mtd></mtr><mtr> <mtd><mn>2</mn><mo>,</mo><mi>if</mi><msub> <mi>&alpha;</mi> <mn>2</mn></msub><mo>></mo><msub> <mi>I</mi> <mi>B</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>/</mo><msub> <mi>I</mi> <mi>R</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mi>and</mi><msub> <mi>I</mi> <mi>V</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>&lt;&...

【专利技术属性】
技术研发人员：吕伟涛，李清勇，杨俊，
申请(专利权)人：中国气象科学研究院，北京交通大学，
类型：发明
国别省市：11[中国|北京]