APP下载

基于卫星图像的目标识别研究

2018-07-28刘佳

电脑知识与技术 2018年15期
关键词:亮温云图台风

刘佳

摘要:我国频繁的遭受台风、暴雨等强对流天气的侵袭,中尺度对流系统(MCS)是形成这些强对流天气的主要原因。无眼台风的中心定位是台风监测的难点,为了解决这个问题,提出一种基于密度矩阵和亮温修正的台风中心自动检测算法,该算法可同时适用于有眼台风和无眼台风。将所提算法应用于FY-2卫星红外图像分析台风案例,并将实验结果与中国气象局(CMA)公布的最佳路径以及其他方法进行比较,证明了该算法能够准确地确定台风中心位置。

关键词:中尺度对流系统;台风;中心定位;FY-2;密度矩阵;亮温修正

中图分类号:TP311 文献标识码:A 文章编号:1009-3044(2018)15-0171-03

Research on Target Recognition Using Satellite Image

LIU Jia

(Shangqiu Normal University, Shangqiu 476000,China)

Abstract:China suffered typhoon, rainstorm and other severe convective weather frequently, Mesoscale Convective System (MCS) is the main reason of formation severe convective weather. The difficulty of the typhoon monitoring is the center location of the no-eye typhoon. A novel algorithm is developed for the automatic detecting the center of tropical cyclones (TC) , density matrix and Gauss correction are utilized to determine the center of TC, the method can be applied to both the typhoon which has eye or non-eye. FY-2 IR images of TC have been analyzed using the proposed algorithm. Experimental results compared with the observed track given by the China Meteorological Administration (CMA) and other methods show that the proposed method provides accurate estimates of the cyclone center.

Key words:Mesoscale Convective System; typhoon; center location; FY-2; density matrix; gauss correction

1 概述

近年來,在全球变暖为主要特征的气候变化背景下,极端天气现象逐渐增多,其中中尺度对流系统(Mesoscale Convective System, MCS)是形成极端强对流天气的主要原因,对其发展演化的研究是当今大气科学的一个重要课题。

在西北太平洋地区(包括中国南海),人们常将热带气旋(Tropical Cyclone, TC)称为台风(Typhoon)。它是一种具有暖中心结构的强烈气旋性涡旋,形成于热带海洋上空,是具有组织化对流活动的灾害性天气系统。我国位于太平洋的西岸,台风活动十分频繁,是世界上台风登陆最多、灾害最重的国家之一。

由于MCS生命周期较短,通常只有数小时(Hour, h)或十几个小时,因此具有较高时间和空间分辨率的卫星是监测和研究中尺度对流系统最有效的工具之一。我国虽已建成静止气象卫星和极轨气象卫星两大系列的卫星综合监测体系,但在台风监测分析预警业务中,对台风中心的定位和强度变化的估计等仍然过多地依赖于预报员的经验,因此很多预报具有较大的主观性和随意性,突出表现为缺乏规范性的客观方法,特别是台风的定位精度不高,远不能满足国家防灾减灾分析预警精细服务的需要。

综上所述,对灾害性天气的研究和监测,尤其是在短时内产生重大天气灾害的中尺度对流系统的研究有着十分重要的意义。台风中心位置的确定是分析预报中的重要环节,在不同发展阶段,若能进行准确监测和预报,对于做好及早预防、减少生命和财产损失,是一项十分有意义的工作。

2 台风中心定位技术

台风在气象卫星云图上表现为有组织的涡旋状云系,有其特殊的云系特征,发展成熟的台风云系结构由内向外分为台风眼、云墙和螺旋云带三部分。目前台风中心定位技术的研究中,有眼台风的自动定位精度更高一些,而无眼台风在自动定位精度方面还无法达到令人满意的效果。国内外不少学者在台风中心自动定位方面做了很多研究。Liu等[1]使用角度特征和时间规整算法预测TC。卫星图像中TC的轮廓点通过梯度矢量流(Gradient Vector Flow,GVF)Snake模型[2]提取出来。TC中心位置的研究是SCRB(Spiral Cloud-Rain Bands)的一个重要研究领域,SCRB指卫星云图中TC的特征[3]。卫星云图分析专家可以通过特殊传感器微波成像仪的被动微波(Passive microwave,PMW)辐射监测台风结构[4]。GOES 卫星红外图像中每一个像素的亮温梯度可以衡量云组织结构的对称性,进而确定TC的中心[5]。为了确定TC的中心,Jaiswal等[6]根据红外遥感图像中心点周围梯度向量的流向汇聚方向提出一种客观的TC中心定位方法。黄旋旋等[7]提出了近海台风自适应定位方法,该方法基于多普勒发射率数据进行台风中心定位。陈希等[8]根据台风密闭云区呈圆形的几何特性,构建了台风中心自动定位的非线性最优目标函数。

无论是有眼台风还是无眼台风在形态上都具有较为显著的特征,例如中心亮温值较高,周围云墙亮温值具有极高的对称性,云带具有极强的螺旋性等。台风在发展过程中云区内逐渐出现涡旋结构,并越来越明显,在云图上表现为台风的类圆度逐渐增强。在气象卫星云图中,台风具有灰度均值较高、像素分布集中、类圆形强、纹理光滑等特点,这些特点通常作为台风云系分割和中心定位的主要依据。

3 基于密度矩阵的台风中心定位算法

无眼台风的中心定位,尤其处在形成期和消散期更难确定。确定台风中心对于台风的预测非常关键,但是目前这些工作通常由预报员根据卫星或天气雷达数据手动或者半自动完成。为了解决这个问题,提出一种基于密度矩阵的台风中心定位算法(Density Matrix and Gauss Correction,DMGC),使用密度矩阵、高斯修正等方法检测台风中心位置。该算法可同时适用于有眼台风和无眼台风。卫星的红外通道图像是确定台风位置的最可靠来源,因为其分辨率高、采样时间短、覆盖范围广。本文拟使用FY-2卫星红外图像分析台风案例,并将实验结果与中国气象局公布的最佳路径以及其他方法进行比较,验证所提算法的有效性。

3.1 台风检测

DMGC算法先检测卫星云图中台风的大致位置,本节实验数据为10.3-11.3?m IR1 通道灰度图像,涵盖热带气旋的形成、加强、成熟、减弱等生命周期中的各个阶段。假定红外通道灰度图像[f(x,y)]中存在台风,首先对该图像进行二值化求连通域。选取特定的閾值t,转化成二值图像[g(x,y)]的公式如下

[g(x,y)=1 f(x,y)≥t0 f(x,y)

我们选取阈值t为150,该阈值为多次实验后选择的最佳阈值。白色部分为云团,求得连通域的外接矩形的比例须满足在[0.3, 3]之内。随后选取云团中连通域面积最大的一个视为台风,求其轮廓可得到台风的大致位置和形状。

3.2梯度大小和方向

利用Sobel边缘检测方法检测TC的边缘。该算子包含两组3×3的矩阵,分别为横向及纵向,将之与图像作平面卷积,即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像,Gx及Gy分别代表经纵向及横向边缘检测的图像,Sobel边缘检测公式如下

[Gx=-10+1-20+2-10+1?A, Gy=-1-2-1000+1+2+1?A] (2)

其中[?]表示二维卷积操作。

随后,对Sobel边缘检测后图像中的每个像元3×3范围内的亮温值,用如下公式求方差

[Vi,j=Ii,j-19Ii-1:i+1,j-1:j+1] (3)

其中,[Vi,j]为亮温方差值,[Ii,j]为亮温值。

根据上述求得的方差值,求对应像元的亮温梯度。

[Gxi,j=12kVi+k,j-Vi-k,j] (4)

[Gyi,j=12kVi,j+k-Vi,j-k] (5)

其中,[Gxi,j]和[Gyi,j]分别为水平方向和垂直方向的梯度。

图像中每一个像素的横向及纵向梯度近似值可用以下公式计算梯度的大小。图像中每一个点的梯度大小定义为

[G=Gx2+Gy2] (6)

梯度方向定义为

[θ=arctanGyGx] (7)

在上式中,如果角度[θ]等于零,即代表图像在该处拥有纵向的边缘,左方较右方暗。

3.3 密度矩阵

根据上式可得到每个像元的亮温梯度向量,接着过该像元作与亮温梯度向量平行的直线,该方法的原理类似于霍夫变换。物理意义可以理解为,由于台风呈涡旋状,所以亮温梯度方向的平行线经过最多的位置极可能在台风中心位置附近。密度矩阵又称累加矩阵,每个像素的梯度向量的平行线在图像中的相交点的位置存储在该矩阵中。如图1为密度矩阵示意图,图中的数值2即为两个不同像素的梯度向量平行线的相交点。

4 实验结果与分析

目前,台风中心定位算法验证一般和中国气象局(China Meteorological Administration, CMA)公布的最佳路径数据进行比较,误差越小说明算法越准确。最佳路径数据是CMA根据各种资料综合得出的数据集,包含台风位置、中心最大风速和气压等参数的最佳估计。另外,我们也和目前常用的相关性跟踪法(TREC)进行了比较。

超强台风Usagi是2013年首个5级超级气旋,于2013年9月17日02时在菲律宾以东的西北太平洋洋面上形成。强度一度达到150kts,德沃夏克分析法中一度达到CMG+WMG7.5的强度,2013年9月23日中午进入广西境内风力持续减弱。DMGC算法检测到的Usagi中心位置跟踪结果和其他方法的比较如图2所示,CMA指来源于CMA最佳路径数据集的6小时跟踪结果,可以看出所提算法定位结果和CMA最为接近。DMGC算法的平均跟踪误差约为45.17km且误差最小,相关性跟踪法为48.76km。

5 结论

针对目前无眼台风定位精度不高的问题我们提出一个新的台风中心自动定位算法DMGC,该算法基于密度矩阵和高斯亮温修正方法确定TC中心。DMGC算法在2013年真实形成于西北太平洋上的超强台风Usagi上进行试验,得到的跟踪结果和CMA公布的最佳路径比较得到的平均跟踪误差分别为45.17km,相对于其他方法误差最小,证明了所提算法的有效性。同时,DMGC算法是一个全自动的客观方法,不需要手动干预,并且可作为TC预测的工具。

参考文献:

[1] LIU J N-K, FENG B, WANG M, et al. Tropical cyclone forecast using angle features and time warping[C]. International Joint Conference on Neural Networks. 2006: 4330-4337.

[2] BRESSON X, ESEDOGLU S, VANDERGHEYNST P, et al. Fast global minimization of the active contour/snake model[J]. Journal of Mathematical Imaging and vision, 2007, 28(2): 151-167.

[3] YURCHAK B. Description of cloud-rain bands in a tropical cyclone by a hyperbolic-logarithmic spiral[J]. Russian Meteorology and Hydrology, 2007, 32(1): 8-18.

[4] HAWKINS J D, TURK F J, LEE T F, et al. Observations of tropical cyclones with the SSMIS[J]. IEEE Transactions on Geoscience and Remote Sensing, 2008, 46(4): 901-912.

[5] PI?EROS M F, RITCHIE E, TYO J S, et al. Objective measures of tropical cyclone structure and intensity change from remotely sensed infrared image data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2008, 46(11): 3574-3580.

[6] JAISWAL N, KISHTAWAL C. Objective detection of center of tropical cyclone in remotely sensed infrared images[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2013, 6(2): 1031-1035.

[7] 黃旋旋,朱科峰,赵坤. 近海台风自适应定位方法研究[J].南京大学学报:自然科学,2014,50(6): 855-864.

[8] 陈希,李妍,毛科峰,等. 基于非线性最优目标函数的红外云图台风中心自动定位[J]. 热带气象学报, 2013, 29(1): 155-160.

猜你喜欢

亮温云图台风
台风过韩
霰谱分布特征对强对流云高频微波亮温影响的模拟研究
基于南太平洋的AMSR2 L1R亮温数据质量评估
台风来了
成都云图控股股份有限公司
台风爱捣乱
黄强先生作品《雨后松云图》
基于TV-L1分解的红外云图超分辨率算法
2014年2月12日新疆于田MS7.3地震热红外亮温异常分析
云图青石板