[发明专利]基于图像几何特征参量的云降水粒子形状识别方法

说明书

本发明公开了一种基于图像几何特征参量的云降水粒子形状识别方法，属于数字图像识别领域，目的在自动检测云降水粒子目标的基础上，识别并判定其形状，以提高云微物理过程的自动分析能力。该方法包括：(1)云降水粒子图像获取步骤；(2)云降水粒子目标检测与提取步骤；(3)云降水粒子形状图像数据库创建步骤；(4)云降水粒子形状几何特征参量提取与选取步骤；(5)云降水粒子形状识别步骤。本发明基于图像几何特征参量的云降水粒子形状识别方法，通过建立云降水粒子形状图像数据库，选取出可有效表征粒子形状的几何特征参量，并通过优化识别步骤，提高了识别的准确性和速度，可用于机载云降水粒子自动测量场合。

技术领域

本发明属于数字图像识别领域，具体涉及一种基于图像几何特征参量的云降水粒子形状识别方法，用于自动识别云降水粒子的形状信息，以提高云微物理过程自动分析的能力。

背景技术

利用飞机携带观测仪器直接入云探测是目前云降水物理和人工影响天气研究中一种重要的观测手段。同时，飞机入云观测获得的数据也可以用于验证雷达、卫星等遥感测量的结果以及模式和参数化模拟的结果。

识别云中粒子形状对于云微物理的变化认识具有重要的作用。云粒子形状会影响到自身的散射特性、增长率和下落末速度。云粒子的散射能力可极大地影响到全球气候和辐射平衡，同时，对卫星和雷达等遥感的反演订正等也极其重要。通过凝华和凇附过程，冰粒子的形状会影响到其自身的增长率。而降水粒子的增长率，对天气和预报模式是很重要的。下落末速度会影响到冰粒子的生命期，并反过来影响地球的辐射总量收支。因此云中粒子形状及其变化对云降水物理研究、天气预报和气候变化都具有重要的意义。

1981年美国怀俄明大学的Rahman等人利用飞机采集到云粒子图像，运用自适应的卡尔曼滤波方法结合贝叶斯决策理论可将完整的和部分的云粒子图像分成7种基本的粒子形态(板状，星形形状，柱状，空间辐枝状，帽柱状，霰和雨滴)，但该方法计算量大，影响了其实时性。

1987年美国农垦局的Holroyd则开发了一套利用图像几何特征参量对机载仪器2DC采集到的云粒子图像进行识别分类的技术，该技术可将云粒子分成8类，分别是微小状、线状、聚合状、霰、球状、板状、不规则状和枝状，该方法简单易行，运行速度较快，但识别准确度有限。

2000年加拿大气象局的Korolev和Sussman利用所获取的云粒子几何特征，采用简单的无量纲比值关系，通过反问题求解方式，将粒子形状分成球形、不规则形、针形和枝状形，但Korolev和Sussman所提方法是一种概率的统计识别方法，无法对单个粒子进行识别。

在国内，2014年北京大学王磊等借鉴Holroyd所提出的方法，提出了适用于灰度探头粒子识别的方法，所提形状分类方法把粒子二维图像分为8类，分别是：微小状、线状、聚合状、霰、球状、板状、不规则状和枝状。但王磊的方法同样存在着识别准确度有限的问题。

虽然在过去的三十年里已经有诸多的云降水粒子形状自动识别方法问世，但都存在一定的局限性。

发明内容

为客服现有方法中所存在的问题，本发明提供一种基于图像几何特征参量的云降水粒子形状识别方法，能够自动识别云中粒子形状，提高了云微物理过程分析的自动化程度和精度。

本发明的一种基于图像几何特征参量的云降水粒子形状识别方法，包括如下步骤：

(1)图像获取步骤，从机载光阵成像设备中获取云中粒子图像；

(2)对获取的粒子图像数据进行云降水粒子目标检测，获得云降水粒子目标检测结果图像；