利用MODIS数据进行云检测

介绍了近年来国际、国内利用气象卫星资料进行云检测识别的研究现状,并提出了一种利用中分辨率成像光谱仪(MODIS)红外、可见光谱段数据进行云、晴空分离的实用方法。给出了一些应用个例,个例分析表明算法适用于含有植被、海洋等背景的中低纬度地区。     

全天空云识别阈值法的数值模拟初步研究

利用Libradtran辐射传输模式，分别计算不同能见度和不同云型分布条件下蓝红（450nm，650nm）波段辐亮度比值的全天空分布，分析得出云识别辐射比的最优阈值蓝红比为1.30.分析了选取该阈值时不同能见度下云的有效识别范围.结果表明近地平天空云识别误差较大.能见度小于2km时，阈值法进行云识别不可行.     

藏东南墨脱地区云中过冷水的毫米波雷达观测

云中过冷水识别对于人工影响天气及预防飞机积冰具有重要意义,但过冷水的识别一直是气象探测中的难点,毫米波雷达是连续探测云结构和物理特征的有效工具。本文利用布设在藏东南水汽通道入口处墨脱地区的Ka波段毫米波云雷达基数据,结合微波辐射计温度资料,采用基于模糊逻辑法、阈值法进行过冷水识别,识别出的粒子相态包含冰、雪、过冷水及混合态。并利用同址的微波辐射计的液态水路径(LWP)对墨脱云雷达观测的两个层积云过程的过冷水识别效果进行了分析和初步验证。结果表明:模糊逻辑法和阈值法识别的过冷水基本合理,但模糊逻辑法可以识别更多的过冷水,从定量分析来看,模糊逻辑法相对于阈值法识别的LWP更接近于微波辐射计。藏东南墨脱地区层积云中过冷水的微物理参数与其他地区较为一致,有效半径主要位于7~15 μm之间,液态水含量(LWC) 主要分布在0.01~0.3 g·m-3之间,但墨脱地区过冷水的分布比其他地区更为丰富,往往云顶、云底及云中同时存在过冷水。     

MODIS数据的云检测处理

结合MODIS数据的通道特性,分析了云在不同波谱范围的光谱特性,提出了一种基于多光谱综合阈值法的简便新方法.该云检测算法从可见光反射率、热红外亮温出发,逐步建立云检测模板,实现分离云和晴空,通过对不同下垫面类型数据进行云检测检验,结果表明,该算法对中低纬度地区云检测处理有显著效果,尤其能够检测出可见光波段难以识别的薄卷云.该法可使遥感数据特别是MODIS数据在云检测领域的应用提高一个层次,进而提出的云区数据修补方法,使数据反演应用的精度提高更为显著.     

MODIS数据的云检测处理

结合MODIS数据的通道特性,分析了云在不同波谱范围的光谱特性,提出了一种基于多光谱综合阈值法的简便新方法.该云检测算法从可见光反射率、热红外亮温出发,逐步建立云检测模板,实现分离云和晴空,通过对不同下垫面类型数据进行云检测检验,结果表明,该算法对中低纬度地区云检测处理有显著效果,尤其能够检测出可见光波段难以识别的薄卷云.该法可使遥感数据特别是MODIS数据在云检测领域的应用提高一个层次,进而提出的云区数据修补方法,使数据反演应用的精度提高更为显著.     

飞行对抗场景中云红外图像仿真研究

云背景对各种红外探测系统的探测识别能力有很大影响。为了更好的研究云背景对红外探测系统的影响,需要建立准确、形象、直观的探测器观察到的云背景红外辐射模型,生成相应的云红外图像。利用分形云插值计算方法和高斯一维随机插值算法,建立云的运动模型和光照模型,利用云层浓度跟高度的关系建立云层模型,实现了对云层形象、直观、准确的仿真。研究结果对红外制导武器在有云飞行对抗过程中的抗干扰评估具有一定参考价值。     

利用GMS-5红外资料进行云的分类识别

利用GMS-5 3个红外通道(2个分裂窗区通道和1个水汽通道)的亮温资料,依据各种云不同的辐射特征对其进行分类,由此识别出积雨云(Cb)、浓积云(Cg)、卷云(Ci)、积云(Cu)、中云(Cm)、密云(Dense)等6种主要云类以及雾(Fog)和晴空区域.结合安徽寿县地面观测基准站1998年6、7月份的地面观测资料,对分类结果进行了检验,得到了较为令人满意的结果,准确率接近70%.     

利用GMS—5红外资料进行云的分类识别

利用GMS－5 3个红外通道（2个分裂窗区通道和1个水汽通道）的亮温资料，依据各种云不同的辐射特征对其进行分类，由此识别出积雨云（Cb）、浓积云（Cg）、卷云（Ci）、积云（Cu）、中云（Cm）、密云（Dense）等6种主要云类以及雾（Fog）和晴空区域。结合安徽寿县地面观测基准站1998年6、7月份的地面观测资料，对分类结果进行了检验，得到了较为令人满意的结果，准确率接近70％。     

基于改进的LBP面部识别智能算法

在传统的LBP算法的基础上,提出了一种改进的自适应阈值算法用于人类面部识别.提取图像的每个子区域的LBP,根据子区域图像自身的情况设定阈值,利用该阈值提取纹理特征,同时融合信息熵对分解的特征层进行直方图加权,在FERET人脸数据库上进行的实验证明,本文提出的算法具有更高的鉴别能力和对噪声干扰的更强的鲁棒性,能够有效提高图像检索的准确率.     

地表向下短波和长波辐射遥感参数化方案研究综述

针对近年来利用卫星和地面常规资料估算向下长、短波辐射研究参数化方案, 对国内外研究进展进行综述。在综合分析有关文献的基础上, 介绍向下短波和长波辐射参数化方案的理论背景, 按照晴空和有云条件, 分别对辐射参数化方案进行总结, 并对这些方法在实际应用中的优缺点予以评述。晴空条件下, 向下短波参数化方案以统计和辐射传输模式为主, 长波辐射参数化方案以单、双参数法为主。有云条件下的辐射参数化方案则主要受限于云量的确定。地表向下短波和长波辐射的计算的局限性在于, 需要根据所能获取的地面气象观测资料、地表覆盖类型和卫星遥感数据, 选择合适的参数化方案。将来, 有发展前景的方法为极轨卫星和静止卫星遥感数据结合研究估算方案。     

基于匹配追踪时频LBP谱图的内燃机气门故障诊断方法

为直接对内燃机振动时频图像进行诊断识别,引入图像纹理特征提取技术,提出一种基于振动信号匹配追踪时频局部二值模式谱图的内燃机气门故障诊断新方法。首先,为清晰刻画内燃机时频图像中的各分量信息,利用匹配追踪算法(MP)获取无交叉项干扰项且时频聚集性良好的信号时频表示;然后引入局部二值模式(LBP)生成MP时频表示的LBP谱图,并将LBP谱图的灰度直方序列作为特征参数,利用支持向量机(SVM)对故障状态进行模式识别。在内燃机4种不同气门状态的诊断识别实验中,该方法最高识别率可达99.17%,表明基于MP时频LBP谱图识别的故障诊断方法具有较强的故障特征描述能力,能够准确诊断内燃机气门故障。     

融合主动外观模型与局部二元模式的人脸识别

提出一种新的人脸识别算法.首先,利用主动外观模型(active appearance model,AAM)提取人脸五官特征点,进而获得人脸区域的全局纹理特征;然后对人脸区域中的若干个局部子块进行加权局部二元模式(local binary pattern,LBP)的特征组合;接着分别对这两类特征进行最近邻法则匹配;最后,采用基于模糊综合的原理对这两大类特征进行数据融合,给出最终识别结果.实验表明该算法的有效性,能够很好地结合人脸图像全局和局部的互补信息,识别效果优于各单一模块的分类性能.     

基于风云3C卫星双氧通道的云检测算法

风云3C卫星微波湿度计(MWHS)增加一组频点为118.75 GHz的氧气吸收通道,该组探测通道与微波湿度计(MWTS)中的50~60 GHz的氧气吸收通道综合发展一种云检测方法。应用高频和低频通道对云的散射作用不同的原理,利用在根据双氧通道之间在晴空条件下的关系,进而发展出的一种综合的云检测方法。     

基于Gabor特征和局部二值模式融合的纹理图像识别

传统的Gabor滤波方法和局部二值模式(Local Binary Pattern,LBP)算法提取的纹理特征鉴别能力不足,导致纹理识别精度不够理想.为了解决上述问题,提出一种将全局Gabor特征和局部LBP特征进行融合的纹理图像识别方法.该方法利用Gabor滤波方法提取纹理图像的全局特征,利用LBP算法提取纹理图像的局部特征,然后在最近子空间分类器的框架下实现全局和局部特征的融合以及纹理图像识别.在CURe T和KTH-TIPS基准纹理库上的实验结果表明,笔者提出的方法显著超越了传统Gabor滤波方法和LBP算法的纹理识别精度.     

基于FY2E可见光波段的北部湾白天海雾检测

利用2012年国产FY2-E静止卫星数据,结合地面能见度观测资料,分析北部湾地区晴天海雾、云、洋面的辐射性质、光谱及纹理特征,利用面向对象分类方法对白天海雾进行检测提取。结果表明:FY2-E卫星影像对北部湾地区晴天海雾的区分度较高,其光谱及纹理特性与洋面、中高云多无交叠现象;但大雾与低云区有部分混淆。利用面向对象分类方法,在选择合适分割尺度的基础上根据光谱Spectral_Mean和纹理Texture_Mean两个影像特征可将海雾进行有效分离。精度分析结果表明,2012年全年晴空海雾监测误警率为9.1%,命中率为76.9%,成功指标为71.4%,总体监测效果较理想。     

基于支持向量机的云相态分析

为了提高云相态的反演精度,结合MODIS多通道的光谱特性,首先提出了分别针对白天和夜间的MODIS云检测方法,得到了较高精度的云检测结果,为云相态反演奠定了基础。然后,依据不同相态云在不同光谱的辐射特性,选取了合适的特征参量,采用支持向量机方法反演云相态,在2009年7月7日的一次大暴雨过程中的云顶粒子相态反演试验中取得了较好结果。结果表明：精确的云检测结果有利于提高云相态反演精度,利用支持向量机的方法反演云相态是可行的,并且反演结果具有较高的精度。     

基于邻域相关度和LBP算子的人脸图像识别

针对传统局部二值模式(local binary pattern,LBP)算子提取的图像纹理特征不完整、不能全面刻画人脸局部特征的问题,提出一种基于邻域相关度的改进LBP算子.该算子首先计算窗口内每个像素点的邻域相关度;其次利用邻域相关度的均值和方差构造新的NC_LBP算子,进而提取图像局部直方图特征,作为人脸识别的依据;最后利用Chi平方统计法计算直方图的不相似度,并用KNN算法进行分类.仿真实验表明,改进NC_LBP算子在ORL,JAFFE和YALE人脸数据库的识别中效果较好,特征区分度明显,识别准确率较高.     

单幅航空影像中云阴影的自动去除

云阴影的存在严重影响了高分辨率航空遥感影像的视觉效果和影像质量.为去除云阴影,提出了一种无需人工参与的自动处理方法.首先采用光谱特征阈值法初步检测云阴影,再结合形态学方法进行后处理,提取完整的云阴影区域;阴影去除时,设计了一种利用非阴影区域信息、阴影整体区域信息、阴影像素局部窗口及像素本身信息的综合补偿模型,所需参数均可自动获取,进而实现阴影的自动去除.实验表明,区域级、窗口级和像素级多层次信息的引入,使模型的细节敏感度增强,提升了对比度,能灵活根据复杂的云阴影遮挡情况对阴影进行合理提升,有效解决了部分补偿方法存在的补偿效果不均匀的问题,阴影中地物的色彩与纹理等信息均得到更真实的再现.     

基于BP网络的棉花中异性纤维识别算法

针对原棉中的异性纤维种类繁多、特征各异,很难建立一个统一的异性纤维识别模型问题.提出了应用神经网络识别异性纤维的算法.在RGB颜色空间下,提取原棉图像中每个像素的R、G、B分量,采用统计纹理分析方法,计算R、G、B分量的纹理强度信息作为特征值.用MATLAB软件创建BP网络识别模型,对有代表性的原棉图像进行识别实验.实验结果表明该算法可以有效地识别出原棉中存在的有色和无色异性纤维.     

一种面向高分五号高光谱影像的云检测算法

云层覆盖影响高光谱影像的质量,降低了影像的应用价值,因此云检测已成为高光谱影像应用需首要解决的问题之一。本文针对GF5高光谱影像特点,提出视觉彩色特征和云物理光谱特征相结合的云检测算法。基于原始DN值影像,利用云的HSV色彩空间分布特征,结合云与典型地物的光谱特征差异,构建出云概率影像,动态设定云检测阈值,实现GF5高光谱影像的云检测。该算法整体云识别精度在90%以上,且算法执行快、自动化程度高,对不同地区、不同时间的GF5高光谱影像都有一定的适应性,便于工程化应用。