本文關(guān)鍵詞：聚類分析在衛(wèi)星云圖圖像分割中的應(yīng)用

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

【摘要】：聚類分析是數(shù)據(jù)挖掘領(lǐng)域的重要研究內(nèi)容之一,吸納了計算機(jī)科學(xué)、統(tǒng)計學(xué)、數(shù)學(xué)等各領(lǐng)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(yīng)用范圍也已擴(kuò)展至圖像處理、氣象分析、醫(yī)學(xué)等領(lǐng)域。圖像處理是聚類分析應(yīng)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(lǐng)域有規(guī)模龐大的衛(wèi)星云圖圖像資源,如何使用計算機(jī)方法對衛(wèi)星云圖進(jìn)行圖像處理并從中提取有效的云團(tuán)信息進(jìn)而對雷暴、降水等基于云團(tuán)的天氣系統(tǒng)進(jìn)行分析預(yù)報,是氣象和計算機(jī)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(tuán)分割識別,為雷暴等天氣的識別提高了效率和準(zhǔn)確率,拓寬了聚類分析在衛(wèi)星氣象中的應(yīng)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(jìn)行首次分割,實現(xiàn)了云地分離。云圖圖像分割的關(guān)鍵在于根據(jù)多光譜圖像中像素點(diǎn)間灰度特征的“相似性”對像素進(jìn)行劃分來達(dá)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(zhǔn)確率難以保證。本文考慮到云圖復(fù)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(jìn)行云圖不確定性分割和提升分割準(zhǔn)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(jìn)一步分割處理,實現(xiàn)了云團(tuán)識別。云圖云團(tuán)識別指根據(jù)云圖中像素點(diǎn)間的空間分布關(guān)系,識別出大尺度云系、小尺度云團(tuán)的目標(biāo)過程。基于像素點(diǎn)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(tuán)識別算法。該方法利用相同云團(tuán)內(nèi)的像素點(diǎn)“高密度連通”,不同云團(tuán)內(nèi)像素點(diǎn)“低密度連通”,實現(xiàn)從云圖中提取出獨(dú)立的云團(tuán)。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(guān)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(yīng)用到雷暴云團(tuán)識別的數(shù)據(jù)預(yù)處理中,基于此提出了一種基于云團(tuán)的雷暴云團(tuán)識別方法。該方法以云團(tuán)分析為前提,結(jié)合光譜閾值和紋理特征識別的優(yōu)點(diǎn),能夠快速、準(zhǔn)確地識別出雷暴云團(tuán)。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(yīng)用價值。
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻(xiàn)】

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(yīng)用[J];成都信息工程學(xué)院學(xué)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(luò)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(xué)技術(shù)大學(xué)學(xué)報;2010年02期

5 李丹;;圖像分割方法及其應(yīng)用研究[J];科技信息;2010年36期

6 龔永義;黃輝;于繼明;關(guān)履泰;;基于熵的兩區(qū)域圖像分割[J];中國圖象圖形學(xué)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(yùn)用[J];科技創(chuàng)新與應(yīng)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(jī)光盤軟件與應(yīng)用;2013年06期

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

10 陳曉丹;李思明;;圖像分割研究進(jìn)展[J];現(xiàn)代計算機(jī)(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(xué)術(shù)研討會論文集（下冊）[C];2009年

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

3 楊生友;;圖像分割在醫(yī)學(xué)圖像中應(yīng)用現(xiàn)狀綜述[A];2009中華醫(yī)學(xué)會影像技術(shù)分會第十七次全國學(xué)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(xué)應(yīng)用[A];第十五屆全國圖象圖形學(xué)學(xué)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(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)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(xué)學(xué)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(xué)學(xué)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(yīng)用進(jìn)展[A];中華中醫(yī)藥學(xué)會中醫(yī)診斷學(xué)分會第十次學(xué)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(xué)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(xué)CT中的應(yīng)用[A];中國自動化學(xué)會控制理論專業(yè)委員會A卷[C];2011年

中國博士學(xué)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(xué);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(xué);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(xué);2014年

4 高婧婧;腦部MR圖像分割理論研究[D];電子科技大學(xué);2014年

5 潘改;偏微分方程在圖像分割中的應(yīng)用研究[D];東北大學(xué);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(xué);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(xué)技術(shù)大學(xué);2014年

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

9 帥永e，

本文編號：1203717