本文關鍵詞：聚類分析在衛(wèi)星云圖圖像分割中的應用

  更多相關文章： 聚類分析 FCM DBSCAN 雷暴云團 圖像分割 衛(wèi)星云圖

【摘要】：聚類分析是數(shù)據(jù)挖掘領域的重要研究內(nèi)容之一,吸納了計算機科學、統(tǒng)計學、數(shù)學等各領域的知識和思想。對于沒有明顯特征的數(shù)據(jù)集,聚類能夠挖掘出數(shù)據(jù)對象的“相異性”或“相似性”,并根據(jù)這種特性把集合分為若干子集,使相同子集內(nèi)部對象差別較小而不同子集間的差別較大。近年來,聚類分析理論呈多樣化發(fā)展,應用范圍也已擴展至圖像處理、氣象分析、醫(yī)學等領域。圖像處理是聚類分析應用研究的一個新興的方向,而圖像分割則是該方向研究的一個分支。氣象分析領域有規(guī)模龐大的衛(wèi)星云圖圖像資源,如何使用計算機方法對衛(wèi)星云圖進行圖像處理并從中提取有效的云團信息進而對雷暴、降水等基于云團的天氣系統(tǒng)進行分析預報,是氣象和計算機信息處理研究人員有待解決的難題之一。本文將聚類分析用于衛(wèi)星云圖圖像分割,實現(xiàn)定性定量的云團分割識別,為雷暴等天氣的識別提高了效率和準確率,拓寬了聚類分析在衛(wèi)星氣象中的應用。本文的主要研究內(nèi)容為:(1)用模糊C均值聚類(FCM)對衛(wèi)星云圖進行首次分割,實現(xiàn)了云地分離。云圖圖像分割的關鍵在于根據(jù)多光譜圖像中像素點間灰度特征的“相似性”對像素進行劃分來達到云區(qū)域與地表區(qū)域分割的目的。傳統(tǒng)的閾值方法屬于圖像硬分割方法,不僅難以取得一個合適的閾值,而且受環(huán)境因素影響,準確率難以保證。本文考慮到云圖復雜性和模糊性等因素,研究了一種基于FCM的云地分離算法。該方法能有效進行云圖不確定性分割和提升分割準確率。實驗表明,本文方法能更好地反映云和地表灰度閾值的動態(tài)變化特性,得到更加接近實際的效果。(2)用密度聚類法對云圖進一步分割處理,實現(xiàn)了云團識別。云圖云團識別指根據(jù)云圖中像素點間的空間分布關系,識別出大尺度云系、小尺度云團的目標過程。基于像素點間的“密度連通性”,結(jié)合基于區(qū)域的圖像分割思想,提出一種基于DBSCAN密度聚類的云團識別算法。該方法利用相同云團內(nèi)的像素點“高密度連通”,不同云團內(nèi)像素點“低密度連通”,實現(xiàn)從云圖中提取出獨立的云團。實驗表明,該方法不僅實現(xiàn)簡單、效率高,而且還能通過對鄰域相關參數(shù)的調(diào)整獲取最佳的云圖分割效果。(3)最后本文將上述兩種算法應用到雷暴云團識別的數(shù)據(jù)預處理中,基于此提出了一種基于云團的雷暴云團識別方法。該方法以云團分析為前提,結(jié)合光譜閾值和紋理特征識別的優(yōu)點,能夠快速、準確地識別出雷暴云團。實驗結(jié)果說明聚類分析在氣象衛(wèi)星云圖的分割處理方面具有較高的研究和應用價值。
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 唐偉力;龍建忠;;一種基于降雨模型的圖像分割方法在礫巖圖像分割中的應用[J];成都信息工程學院學報;2007年02期

2 黃曉莉;曾黃麟;王秀碧;劉永春;;基于脈沖耦合神經(jīng)網(wǎng)絡的圖像分割[J];信息技術(shù);2008年09期

3 肖飛;綦星光;;圖像分割方法綜述[J];可編程控制器與工廠自動化;2009年11期

4 汪一休;;一種交互式圖像分割的修正優(yōu)化方法[J];中國科學技術(shù)大學學報;2010年02期

5 李丹;;圖像分割方法及其應用研究[J];科技信息;2010年36期

6 龔永義;黃輝;于繼明;關履泰;;基于熵的兩區(qū)域圖像分割[J];中國圖象圖形學報;2011年05期

7 張甫;李興來;陳佳君;;淺談圖像分割方法的研究運用[J];科技創(chuàng)新與應用;2012年04期

8 汪梅;何高明;賀杰;;常見圖像分割的技術(shù)分析與比較[J];計算機光盤軟件與應用;2013年06期

9 魏慶;盧照敢;邵超;;基于復雜性指數(shù)的圖像分割必要性判別技術(shù)[J];計算機工程與應用;2013年16期

10 陳曉丹;李思明;;圖像分割研究進展[J];現(xiàn)代計算機(專業(yè)版);2013年33期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 楊魁;趙志剛;;圖像分割技術(shù)綜述[A];2008年中國高校通信類院系學術(shù)研討會論文集（下冊）[C];2009年

2 楊暄;郭成安;李建華;;改進的脈沖耦合神經(jīng)網(wǎng)絡及其在圖像分割中的應用[A];第十屆全國信號處理學術(shù)年會（CCSP-2001）論文集[C];2001年

3 楊生友;;圖像分割在醫(yī)學圖像中應用現(xiàn)狀綜述[A];2009中華醫(yī)學會影像技術(shù)分會第十七次全國學術(shù)大會論文集[C];2009年

4 閆平昆;;基于模型的圖像分割技術(shù)及其醫(yī)學應用[A];第十五屆全國圖象圖形學學術(shù)會議論文集[C];2010年

5 高嵐;胡友為;潘峰;盧凌;;基于小生境遺傳算法的SAR圖像分割[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學術(shù)論壇（交通運輸工程學科）論文集（下冊）[C];2005年

6 孫莉;張艷寧;胡伏原;趙榮椿;;基于Gaussian-Hermite矩的SAR圖像分割[A];第十三屆全國圖象圖形學學術(shù)會議論文集[C];2006年

7 李盛;;基于協(xié)同聚類的圖像分割[A];第十四屆全國圖象圖形學學術(shù)會議論文集[C];2008年

8 張利;許家佗;;舌象圖像分割技術(shù)的研究與應用進展[A];中華中醫(yī)藥學會中醫(yī)診斷學分會第十次學術(shù)研討會論文集[C];2009年

9 秦昆;李振宇;李輝;李德毅;;基于云模型和格網(wǎng)劃分的圖像分割方法[A];《測繪通報》測繪科學前沿技術(shù)論壇摘要集[C];2008年

10 高惠琳;竇麗華;陳文頡;謝剛;;圖像分割技術(shù)在醫(yī)學CT中的應用[A];中國自動化學會控制理論專業(yè)委員會A卷[C];2011年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 白雪飛;基于視覺顯著性的圖像分割方法研究[D];山西大學;2014年

2 黃萬里;基于高分衛(wèi)星數(shù)據(jù)多尺度圖像分割方法的天山森林小班邊界提取研究[D];福建師范大學;2015年

3 王輝;圖像分割的最優(yōu)化和水平集方法研究[D];電子科技大學;2014年

4 高婧婧;腦部MR圖像分割理論研究[D];電子科技大學;2014年

5 潘改;偏微分方程在圖像分割中的應用研究[D];東北大學;2013年

6 馮籍瀾;高分辨率SAR圖像分割與分類方法研究[D];電子科技大學;2015年

7 李偉斌;圖像分割中的變分模型與快速算法研究[D];國防科學技術(shù)大學;2014年

8 鄧曉政;基于免疫克隆選擇優(yōu)化和譜聚類的復雜圖像分割[D];西安電子科技大學;2014年

9 帥永e，

本文編號：1203717