基于BP神经网络的雪花形状分类研究

石峰 宋晓毅 安阳工学院

引言：针对气象学科基础研究中的雪花形状分类问题，文章提出一种基于BP神经网络的雪花形状分类方法。首先对雪花图像进行图像预处理并提取雪花的轮廓特性；在此基础上利用雪花轮廓得到雪花的纵横轴比、矩形度、周长凹凸比、面积凹凸比、形状参数以及致密度6种形状特征参数，采取BP神经网络设计分类器。实验表明，该分类器识别率可以达到91.67%，能够为后续研究雪花物理结构与人工干预降雪之间的关系提供可靠数据支撑。

1 图像预处理

首先对图像进行二值化处理，在13种基于直方图的图像全局二值化算法中，本文应用最大类间方差法（Otsu）进行图像二值化处理，获得最优的图像分割阈值。并对分割后的图像形态学操作，完成边缘检测和提取轮廓线。

2 形状特征参数提取

雪花图像包含了丰富的特征信息，比如形状特征和纹理特征，根据形状分类的相关理论，本文利用雪花的轮廓、凸包和最小包围盒得到形状描述，利用这些形状描述计算出纵横轴比、矩形度、周长凹凸比、面积凹凸比、形状参数和致密度6种相对形态参数。

2.1 雪花轮廓提取

本文先提取雪花的外部轮廓，通过采用轮廓跟踪法对雪花图像进行轮廓提取，具体算法步骤为：（1）对图像预处理后的雪花二值化图像采用自顶向下、从左到右的顺序进行扫描，得到第一个像素点为1的点，此时将其作为起始点，进行步骤2。（2）得到起始点后，按照逆时针方向寻找当前像素点周围8个方向上的领域点，如果发现像素值为1的点且领域上包含0像素点，若此像素点先前没有被扫描过，将这个像素点作为当前点，记录下相应的链码值。（3）重复步骤2，直到回到起始点。（4）根据步骤2和3所记录的链码值，得到雪花的形状轮廓。轮廓图如图1（a）所示。

2.2 求取雪花凸包

本文采取Graham扫描法求取最小凸包，凸包是指在雪花图像中，找出某些点作一个多边形，使这个多边形能把所有点都包括在内，这个凸多边形称之为凸包。如图1（b）、（c）所示，（b）图为对原始凸包图像进行膨胀算法后的图像，（c）图为对膨胀图像进行相应程度侵蚀算法后的图像。

2.3 求取最小包围盒

最小包围盒是指包含某个区域内所有像素点的一个最小矩形，如图1（d）所示。算法过程描述如下：（1）使用一条平行线对凸包两边的顶点进行检测，发现有一条凸包顶点之间的连线与这条平行线重合，记下这两条平行线的位置，然后作两条垂直于这条平行线的线段，从这个方向的两侧凸包顶点开始寻找。最后4条线段可以形成一个矩形，并且计算该矩形的面积。（2）重复上面的过程，直到遍历完所有的雪花凸包顶点，面积最小的矩形就是最小包围盒。

2.4 形状特征参数提取

（1）纵横轴比（AxisRatio）：雪花图像最小包围盒的宽度与长度的比值。（2）矩形度（Rectangularity）：雪花面积与最小包围盒面积的比值。（3）面积凹凸比（ConvexityArea）：雪花面积与雪花凸包面积的比值。（4）周长凹凸比（ConvexityPerimeter）：雪花周长与凸包周长的比值。（5）形状参数（Formparameter）：是由雪花的面积与周长之间的计算出来的值，反映了雪花面积的紧密性。（6）致密度（Density）：用来描述图像边界复杂程度的指标，反映了图像趋于圆的程度。

3.BP神经网络分类器

BP神经网络是一种多层前馈神经网络，主要特点是输入信号前向传递，误差反向传播，如果输出层无法得到期望输出，就会转向反向传播，根据预测误差调整网络权值和阈值，即可使预测输出向期望输出不断逼近。本文采用的BP神经网络为3层，激活函数为sigmod函数。（1）确定网络节点数。本文采用六项形状特征作为输入层节点数，即m=6，输出层节点数对应雪花形

其中a取0～10的常数，l确定了大概范围，通过使用试凑法确定出最佳的节点数l，本文l取10。（2）网络初始化。在初始化阶段，给予权重系数Wij一个随机数（-1.0～1.0），学习速率为0.01，目标误差0.001。（3）训练算法选择。本文采用梯度修正法和反向错误传播算法。对雪花库雪花选取3种类型：六角盘状、六枝星状和星形树枝状的雪花图像500张进行处理，3种类型中各随机选取100个作为训练样本，剩下200个作为分类测试样本，识别率达到91.67%。

图1 （a）雪花形状轮廓图；（b）雪花形状凸包图（膨胀后）；

（c）雪花形状凸包图（侵蚀后）；（d）最小包围盒图

结语：花形状分类在气象领域的基础研究工作中发挥着重要作用，本文利用数字图像处理技术对雪花图像提取了纵横轴比、矩形度、面积凹凸比、周长凹凸比、形状参数以及致密度等6项形态特征参数，设计了一种基于BP神经网络的雪花形状分类方法。实验表明本方法对于3种雪花形态的正确识别率达到了91.67%，验证了利用BP神经网络对于雪花形状进行分类的可行性与较好的鲁棒性。今后进一步的研究方向是继续改进智能分类算法，解决存在雪花残缺或者雪花图像模糊干扰情况下的分类问题。