[发明专利]基于NSCT和粒子群优化算法的台风云图融合方法

说明书

技术领域

本发明属于气象预测领域。具体来说，涉及一种以提高台风中心定位精度为目的的基于非下抽样Contourlet变换(NSCT)和粒子群优化(PSO)算法的台风云图融合方法。

背景技术

我国是受台风灾害影响严重的国家，台风中心位置的确定是分析预报台风的重要环节，也是我国目前业务上最关心、最迫切需要解决的问题之一。用飞机、雷达测定台风中心位置受各种条件和探测距离的限制。而卫星可以观测到台风的全貌，更利于确定台风的中心。目前，国内外使用的基于卫星云图的台风定位方法主要基于单幅云图或多幅相关云图进行定位。基于单幅云图的台风中心定位是围绕着静态云图中台风的三大特征(密闭云墙，螺旋云带和眼区)来实现的。然而，单幅云图受图像信噪比、分辨率和时间、频段的局限，信息量较小。多幅相关云图反映了一定时间内云系运动的变化情况，包含的信息量远大于单幅云图。但目前基于多幅相关云图进行台风中心定位的方法基本上都是利用单通道的云图进行的，其所包含的信息非常有限。如何充分提取多幅多通道卫星云图的客观信息，并应用于台风中心定位是值得研究的科学问题。台风云系的不同特征分别体现在不同通道的云图中。如果将台风云系在不同通道云图中的特征融合到一幅图像中，就能充分利用多光谱图像不同通道的信息来更好的提取台风特征，进一步提高后续的基于卫星云图的台风中心定位的精度。

目前，图像融合分像素级融合、特征级融合和决策级融合三个层次。以像素级融合方法为例，主要包括加权平均法、主分量分析法、颜色空间融合方法和多尺度融合法，其中以后者最优。对于多尺度融合法而言，算法的有效性主要由多尺度分解方法和融合策略决定。在多尺度分解方法方面，主要有高通滤波器组、拉普拉斯塔式法、梯度塔式法和小波多尺度法。上述的多数的传统的图像融合方法由于融合图像存在较大光谱失真，已经很少单纯应用这些算法。其中以小波多尺度融合法将之上述其他方法更为有效，成为目前图像融合领域的主流方法和热点。在融合策略方面，主要有平均法、最大值法和区域能量法等，其中以区域能量法为优。虽然小波变换在信号处理领域取得了巨大的成功，但将其应用到二维图像处理时，仍旧存在一些不足。主要在于传统的小波变换不具备平移不变特性，即在小波分析的子带间有频谱混叠现象，当输入图像平移后小波系数的能量会在子带间重新分配；其次，普通小波变换的高频子带只具有3个方向，不能有效表达二维图像具备的各个方向的纹理特征。针对这些问题，人们提出了各种新的小波分析方法，部分地解决了这些不足。如目前广泛使用的A Trous算法，取消了小波分解的降采样过程而具备平移不变性，但由于采用的是二维全向高频滤波器，得到的高频细节依然缺乏方向性；另一方面，近年来提出的多尺度几何分析方法能够有效克服小波变换上述的缺点，代表性的有脊波(Ridgelet)变换、曲波(Curvelet)变换和廓波(Contourlet)变换等。脊波变换通过Radon变换把图像中线特征转换成点特征，然后通过小波变换特将点的奇异性检测出来。其处理过程克服了小波仅仅能反映“过”边缘的特征，而无法表达“沿”边缘的特征。脊波变换具有很强的方向性，可以有效地表示信号中具有方向性的奇异性特征，如图像的线性轮廓等，为融合图像提供更多的信息。脊波变换较小波变换具有更好的稀疏性，克服了小波变换中传播重要特征在多个尺度上的缺点，变换后能量更加集中，所以在融合过程中抑制噪声的能力比小波变换更强。Curvelet变换是由Candes提出的Ridgelet变换演变而来的。Ridgelet变换对含有直线奇异的多变量函数有很好的逼近效果，能稀疏地表示包含直线边缘的分片光滑图像。但是对于含有曲线奇异的图像，Ridgelet变换的逼近性能只与小波变换相当。由于多尺度Ridgelet变换冗余度很大，Candes和Donoho在1999年提出了曲波(Curvelet)变换理论，即第一代Curvelet变换。由于第一代Curvelet变换的数字实现比较复杂，且Curvelet金字塔的分解也带来了巨大的数据冗余量，为此，Candes等人又提出了实现简单、更便于理解的快速Curvelet变换算法，即第二代Curvelet变换。第二代Curvelet与Ridgelet理论并没有关系，实现过程也无需用到Ridgelet，两者之间的相同点仅在于紧支撑、框架等抽象的数学意义。在继承Curvelet变换各向异性尺度关系的基础上，Donoho和Vetterli提出一种新的图像二维表示方法：Contourlet变换。但是由于存在降采样过程，不具备平移不变性。针对Contourlet变换的这些缺陷，Cunha、Zhou和Do提出了具有平移不变性的Contourlet变换NonsubsampledContourlet变换。目前，多尺度几何分析方法已经被应用于图像融合领域，并取得了良好的效果。Nonsubsampled Contourlet(NSCT)变换由非抽样塔式分解和非抽样方向滤波器组实现，是一种具有平移不变性的多尺度、多方向图像分析方法，能有效地捕捉图像的几何信息。NSCT变换由于没有下抽样与上采样过程，因而具有平移不变性。同时由于分解过程中没有进行下抽样操作故NSCT变换是一个冗余变换。因此，NSCT的数据运算量大，耗时多，因此研究NSCT的快速实现方法，以及如何根据NSCT系数的特点和图像特点制定有效的融合规则都将是未来的研究重点。