提取天气类别动态特征的算法研究

彭旭东，夏士明，孙吉明（.解放军理工大学气象海洋学院，南京，0；.空军航空大学航理系，长春，300）

提取天气类别动态特征的算法研究

彭旭东1，夏士明1，孙吉明2
（1.解放军理工大学气象海洋学院，南京，211101；2.空军航空大学航理系，长春，130022）

现有的用于天气类别识别的动态特征存在一定不足，本文进行了相应改进，提高了整体的识别率。现有的相关性特征提取依赖于人工选取天气现象明显的区域进行，基于本文的改进算法能实现天气现象的自动识别。

天气；动态特征；相关性特征

与静态天气（晴、阴、雾）相比，动态天气（雨、雪）的图像序列存在运动的颗粒（雨雪粒子）。目前仅从单帧图像进行动态天气识别的准确率偏低，难以满足实际需求。而视频包含场景随时间变化信息，因此可采用视频中的图像序列进行特征提取。

本文动态特征提取流程如下：首先，从视频中等间隔采样图像序列。然后对于图像序列提取相关性特征得到时间平均自相关特征。

1 相关性特征提取

图1 每个区域的相关性特征分布情况

2 提取结果

为了验证本文改进相关性特征的有效性，进行改进前后相关性特征分布对比，从晴、雾、阴、雨、雪这五类天气类别中选取少量视觉效果较好的样本。图2（a）为改进前的特征分布，图2（b）为改进后的特征分布，可以看出改进后的特征效果明显好于改进前的效果。

为了验证改进后的相关性特征是否对大量样本数据的分布有效，本文将五类天气的所有场景的样本都显示出来，如图3所示为对所有数据进行相关性特征提取的效果。

3 结论

现有的相关性特征提取依赖于人工选取天气现象明显的区域进行特征提取，因此本文对现有相关性特征进行改进。将本文的天气类别识别特征与现有的天气类别识别特征进行比较，可以看出本文的特征更有优势，能够更有效地区分不同天气类别。

［1］ Zhao X， Liu P， Liu J， et al.Feature extraction for classification of different weather conditions［J］.Frontiers of Electrical and Electronic Engineering in China， 2011， 6（2）： 339-346.

［2］ Zhao X， Liu P， Liu J， et al.A time， space and color-based classification of different weather conditions［C］//Visual Communications and Image Processing （VCIP）， 2011 IEEE.IEEE， 2011： 1-4.

Development of a Weather Recognition Algorithm Based on Dynamic Characteristics

Peng Xudong1，Xia Shiming1，Sun Jiming2
（1.Institute of Meteorology and Oceanography，PLA University of Science and Technology，Nanjing， 211101；2.Department of Aviation Theory，Aviation University Air Force，Changchun，130022）

Existing dynamic characteristics used to weather recognition is lack of accuracy，this study have made some modifications to increase the overall recognition rate.Existing correlation feature extraction depends on artificial select a region where weather phenomenon is obviously，however based on an improved algorithm in this paper can realized identify weather events automatically.

Weather；Dynamic characteristics；Correlation feature extraction

图2 改进前后的相关性特征分布情况

图3 相关性特征分布情况