[发明专利]一种红外云图气旋分析方法及分析系统

权利要求书

1.一种红外云图气旋分析方法，其特征在于，包括以下步骤：

(1)基于卷积神经网络的SSD框架构建气旋系统检测网络，采用该网络从云图数据集中的每张云图中自动识别和定位气旋；

(2)采用OTSU阈值分割算法对所述气旋进行阈值分割，并对阈值分割结果进行面积滤波，得到所述气旋的初始轮廓；

(3)以所述气旋的初始轮廓作为输入，采用Chan-Vese模型得到所述气旋的气旋边界；

(4)利用SURF算法提取所述气旋边界内的气旋特征点；

(5)采用FLANN匹配器通过欧氏距离计算相邻时刻气旋各个特征点的匹配率，从而实现气旋的追踪；

步骤(1)中，所述气旋系统检测网络的构建过程包括以下步骤：

(1.1)对云图进行预处理；

(1.2)构建云图特征提取网络，保留MobileNet网络的卷积层和最大池化层，去除全连接层和Softmax分类层，所述MobileNet网络包括13组卷积层即26层卷积层，1层全连接层，1层最大池化层，13组卷积层对应记为：

{Conv1_1,Conv1_2,Conv2_1,Conv2_2,......,Conv13_1,Conv13_2}；

(1.3)在所述云图特征提取网络后添加4组卷积层，即8层卷积层，记为：

{Conv14_1,Conv14_2,Conv15_1,Conv15_2,Conv16_1,Conv16_2,Conv17_1,Conv17_2}；

(1.4)抽取所述MobileNet网络中的Conv11_2卷积层和Conv13_2卷积层的特征图以及{Conv14_2,Conv15_2,Conv16_2,Conv17_2}的特征图用来检测。

2.根据权利要求1所述的红外云图气旋分析方法，其特征在于，该方法还包括：

搭建红外云图图像数据集，并对每张图像进行标注，标注类型包括平行急流云系、初生期、发展成熟期、消散期、热带气旋以及台风。

3.根据权利要求1所述的红外云图气旋分析方法，其特征在于，步骤(5)还包括，得到各个特征点的匹配率后，设定阈值，将所述匹配率大于所述阈值的点对删除，避免错误匹配。

4.根据权利要求3所述的红外云图气旋分析方法，其特征在于，所述阈值设定为0.7。

5.一种红外云图气旋分析系统，其特征在于，包括：

气旋识别模块，用于基于卷积神经网络的SSD框架构建气旋系统检测网络，采用该网络从云图数据集中的每张云图中自动识别和定位气旋；

轮廓构建模块，用于采用OTSU阈值分割算法对所述气旋进行阈值分割，并对阈值分割结果进行面积滤波，得到所述气旋的初始轮廓；

边界界定模块，用于以所述气旋的初始轮廓作为输入，采用Chan-Vese模型得到所述气旋的气旋边界；

特征点提取模块，用于利用SURF算法提取所述气旋边界内的气旋特征点；

气旋追踪模块，用于采用FLANN匹配器通过欧氏距离计算相邻时刻气旋各个特征点的匹配率，从而实现气旋的追踪；

所述气旋识别模块包括以下单元：

对云图进行预处理的云图预处理单元；

网络构建单元，用于构建云图特征提取网络，保留MobileNet网络的卷积层和最大池化层，去除全连接层和Softmax分类层，所述MobileNet网络包括13组卷积层，1层全连接层，1层最大池化层，13组卷积层对应记为：

{Conv1_1,Conv1_2,Conv2_1,Conv2_2,......,Conv13_1,Conv13_2}；

检测网络构造单元，用于实现气旋的分类检测，所述检测网络构造单元在所述云图特征提取网络后添加4组卷积层，即8层卷积层，记为：{Conv14_1,Conv14_2,Conv15_1,Conv15_2,Conv16_1,Conv16_2,Conv17_1,Conv17_2}；

并抽取所述MobileNet网络中的Conv11_2卷积层和Conv13_2卷积层的特征图以及{Conv14_2,Conv15_2,Conv16_2,Conv17_2}的特征图用来检测。