[发明专利]一种红外云图气旋分析方法及分析系统

说明书

本发明公开了一种红外云图气旋分析方法，包括(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，并对所述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)利用所述SURF算法提取所述气旋边界的气旋特征点；(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。本发明借鉴MobileNet网络，结合SSD检测框架构建气旋检测网络对云图进行识别，识别准确率高，并且更简单。

技术领域

本发明涉及图像分析方法及系统，具体涉及一种红外云图气旋分析方法及分析系统。

背景技术

大部分天气过程都是由不同类型的气旋发展引起的，因此气旋系统的准确识别对于天气预报、防灾减灾等具有重要意义，近年来，随着卫星传感器时空分辨率的不断提高，卫星影像逐渐成为检测气旋系统发生、发展的重要手段。目前，卫星云图的识别与分析仍以人工目视解译为主，不仅需要花费大量的人力和物力，还容易受主观因素的影响。

利用卫星资料自动识别热带气旋已经取得了一些成果，包括阈值法、多谱阈值法、数学形态学法、聚类法、神经网络和小波分析法等。但热带气旋在不同发展阶段形状和纹理都有很大程度的变化，使得这些气旋检测方法不具有普适性，不同云形的热带气旋需要用不同的方法进行识别，大大增加了操作和识别的复杂度。对于温带气旋的自动追踪研究，现有的方法大多通过识别平均海平面气压场的最小值或涡度场的极值确定气旋中心，并追踪其发展过程。这种方法易受时间分辨率的影响，难以及时更新气旋发展情况以及无法确定气旋发生的范围大小和纹理特征，也就无从更为精细地判断气旋的发展阶段。而卫星云图的时间分辨率可以达到分钟级，有利于准确监测气旋的发展情况，但目前利用卫星资料自动识别温带气旋还不是很成熟。

传统的识别方法都是基于人工设计特征，例如综合形状特征和范围大小，同时满足两方面要求，进而确定气旋；或是构造旋转系数对纹理方向特征进行描述，并结合气旋面积和亮温特性来识别气旋，但这些方法难以适应气旋在不同发展阶段巨大的形状和纹理变化。

发明内容

发明目的：为了克服现有技术的不足，本发明提供一种红外云图气旋分析方法，该方法可以解决通过人工设计特征，过程复杂并且识别准确率低的问题，本发明还提供一种红外云图气旋分析系统。

技术方案：一方面，本发明所述的红外云图气旋分析方法，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，并对所述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)利用所述SURF算法提取所述气旋边界的气旋特征点；

(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。

优选的，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，所述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。

优选的，所述步骤(1)中，所述气旋系统检测网络包括以下步骤：

(11)对云图进行预处理；

(12)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：