[发明专利]一种基于改进SOM算法的地基云图识别方法

说明书

技术领域

本发明涉及数字图像处理技术在气象观测领域的应用，特别是一种基于改进SOM算法的地基云图识别方法。

背景技术

云在大气辐射传输中扮演着重要的角色，云的形态、分布、数量及其变化标志着大气运动的状况，实现对云的观测对于天气预报、飞行保障等有着重要意义。随着我国气象观测自动化业务的推进，气象观测业务正逐步摆脱人工观测的限制，目前一般气象要素基本都能实现自动化观测，但地基云图的观测尚不能完全实现自动化，依然依赖于人工观测。由于地基云观测范围相对较小，所包含的纹理信息相对丰富，且对短时、小范围天气预报具有很强的实用意义。然而面临着的实际情况是地基云图云状种类繁多，按照气象观测标准，云分为10属29种，主要依赖于人工进行观测具有一定程度上的主观性，且效率较低，难免漏掉许多有用信息，容易产生错判误判。此外，在实际观测中，易出现多种云混合等现象，这也为云自动化观测提出了挑战。因此，解决云图的多类分类，并保证一定的分类精度，成为地基云图分类的一个核心问题。

目前较为常用的分类器有贝叶斯分类器、神经网络、支持向量机等。其中贝叶斯法则需要已知各类别的先验概率等因素，而在实际情况中，先验概率等条件往往难以获取；神经网络法则存在训练速度慢，当样本类别较多时分类准确率较低等缺点；支持向量机虽然成为小样本学习问题的典范，但存在一定的缺点，如对大规模训练样本难以实施，解决多分类问题存在困难等。如何克服现有技术的不足已成为现有气象观测领域亟待解决的重点难题。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供一种基于改进SOM算法的地基云图识别方法，将模式识别中的SOM自组织神经网络、K-means等算法进行结合、改进，应用于地基云图的识别，从而达到较高的云图分类准确率，提升气象台站云观测的自动化能力，同时提高云观测的效率和准确性。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的一种基于改进SOM算法的地基云图识别方法，包括以下步骤：

步骤一、使用成像设备采集云图图片，用于SOM分类器训练以及云图的识别；

步骤二、对采集到的云图图片逐个进行预处理，获取对应云图灰度图像；

步骤三、利用聚类分析，将预处理后的云图图片前景与背景进行分离；

步骤四、计算云图的特征；

步骤五、使用已知类别的云图特征数据样本，根据步骤四得到的云图的特征，采用k-means和SOM相结合的学习算法来训练分类器，具体步骤如下：

(501)初始化各连接权值：给定已知类别的云图特征数据样本{x₁,x₂,…,x_α,…,x_n}，n为输入层节点数，α为输入层节点序号，x_α即输入样本的第α个特征向量，使用k-means算法将云图样本进行分类，类别数为{c₁,c₂,…,c_β,…,c_δ}，δ为最大类别取值，β为类序号，c_β即第β个类，则第β个类的第α个分量的坐标C_{β_α_x}为：