面向卫星云图纹理分析的对偶树轮廓波及模糊SVM理论与算法研究

Due to the difficulties of texture analysis for satellite cloud image, establishing a new approach is necessary. Guided by the cross-complementary properties of modern information technology and atmospheric sciences, this project will firstly construct the dual-tree Contourlet transform and transform domain Hidden Markov Tree (HMT) model to express the texture and shape features of the cloud image, and then introduce the theory of fuzzy Support Vector Machine (SVM) to establish the new texture analysis system for satellite cloud image. The detail of the project is focused on the following aspects: (1)Constructing an non-aliasing and shift-invariant dual-tree Contourlet transform to represent cloud image sparsely; (2)Proposing effective preprocessing method, then forming clustering algorithm to extract Region of Interest (ROI) of cloud images using the spectral characteristics of the different bands; (3)Investigating the HMT model of transform coefficients and proposing effective algorithm to estimate the model parameters to extract the texture and shape characteristics of the typical cloud area; (4)Establishing a fuzzy SVM which suited to the particularity of the satellite cloud image texture analysis to classify the typical cloud area into cumulonimbus, cirrus,mid-level clouds, low-level cumulous, low-level stratus or mixed-phase clouds, then identify and track strong convective clouds. Through this project, we can solve some practical problems of cloud image texture classification and segmentation, guide the identification and trend analysis of the different weather systems, and provide critical technical support for weather forecasting, meteorological disaster monitoring and climate analysis.

针对卫星云图纹理分析中存在的困难，本项目采用现代信息技术与大气科学交叉互补的研究思路，构造对偶树轮廓波变换及变换域隐马尔可夫树(HMT)模型来表达云图的纹理与形状特征，并引入模糊支持向量机(SVM)理论，建立一套卫星云图纹理分析新方法。研究内容集中在四个方面：(1)构造一种具有抗混叠及平移不变性的对偶树轮廓波变换，实现云图的稀疏表示；(2)提出有效的云图预处理方法，并根据不同波段云图的光谱特性，设计聚类算法提取云图感兴趣区域；(3)研究变换域HMT模型和有效的模型参数估计算法，提取典型云区的纹理与形状特征；(4)构建适合云图纹理分析特殊性的模糊SVM，实现积雨云、卷云、中云、积状低云、层状低云或混合云系的自动分类及强对流云团的识别和跟踪。项目的研究将有助于解决云图的纹理分类、分割等实际问题，并指导不同天气系统的识别及演变趋势分析，从而为天气预报、气象灾害检测、气候分析等提供关键技术保障。

项目的背景：卫星云图纹理分析对天气预报、气候监测具有重要意义。由于气象卫星从太空遥感云层，而且不同类型的云存在相互重叠和演变的现象，表现出一定的模糊不确定性，使得传统的云图纹理分析方法难以取得好的效果。为解决云图纹理分析的难题，本项目采用现代信息技术与大气科学交叉互补的研究思路，构造对偶树轮廓波变换及变换域隐马尔可夫树(HMT)模型来表达云图的纹理与形状特征，并引入模糊支持向量机(SVM)及稀疏表示分类器，研究卫星云图纹理分析新方法。.主要研究内容：(1)构造一种具有抗混叠及平移不变性的对偶树轮廓波变换，实现云图的稀疏表示；(2)提出有效的云图预处理方法，并根据不同波段云图的光谱特性，设计聚类算法提取云图感兴趣区域；(3)研究变换域HMT模型和有效的模型参数估计算法，提取典型云区的纹理与形状特征；(4)构建适合云图纹理分析特殊性的模糊SVM，实现云系的自动分类及对流云团的识别和跟踪。.重要结果：(1)对原始轮廓波变换的频谱混叠问题展开研究，在对低通滤波器考虑带限约束条件下，设计了一种能抑制混叠的利用双通道滤波器组结构的多尺度分解方案，实现了一种能稀疏表示卫星云图的对偶树轮廓波变换。(2)针对传统模糊支持向量机难于有效刻画云图模糊不确定性的问题，通过设定控制隶属度衰减趋势和临界隶属度的参数，重新定义了隶属度函数，构造出一种适用于卫星云图处理的自适应模糊支持向量机(AFSVM)。(3)提出一种基于过完备字典稀疏表示的卫星云图云分类方法，通过构造自适应过完备字典，实现样本的稀疏表示，运用子空间投影技术，设计出一种有效的稀疏分类器，实验表明，该分类器能够有效区分晴空水体、晴空陆地、积雨云、高层云或高积云、卷层云或密卷云、雨层云或积云。(4)设计出一种用于卫星云图对流云检测的快速模糊支持向量机(FFSVM)，FSSVM不仅改进了隶属度函数，而且提出了剔除冗余样本的方法，实验结果表明，提出的方法不仅显著减少了训练时间，而且进一步提高了对流云检测准确率。.关键数据：在本项目资助下，项目组共发表期刊论文23篇(其中9篇被SCI或EI收录)，出版学术专著1部，申请发明专利5项。在人才培养方面，培养硕士生9名。在国际合作方面，项目组与南洋理工大学及伦斯勒理工学院建立了学术合作。.科学意义：项目研究具有重要的科学和实际意义，有助于提高天气预报的准确性，增强气候监测的有效性。