提取天氣類(lèi)別動(dòng)態(tài)特征的算法研究

彭旭東，夏士明，孫吉明（.解放軍理工大學(xué)氣象海洋學(xué)院，南京，0；.空軍航空大學(xué)航理系，長(zhǎng)春，300）

提取天氣類(lèi)別動(dòng)態(tài)特征的算法研究

彭旭東1，夏士明1，孫吉明2
（1.解放軍理工大學(xué)氣象海洋學(xué)院，南京，211101；2.空軍航空大學(xué)航理系，長(zhǎng)春，130022）

現(xiàn)有的用于天氣類(lèi)別識(shí)別的動(dòng)態(tài)特征存在一定不足，本文進(jìn)行了相應(yīng)改進(jìn)，提高了整體的識(shí)別率?，F(xiàn)有的相關(guān)性特征提取依賴(lài)于人工選取天氣現(xiàn)象明顯的區(qū)域進(jìn)行，基于本文的改進(jìn)算法能實(shí)現(xiàn)天氣現(xiàn)象的自動(dòng)識(shí)別。

天氣；動(dòng)態(tài)特征；相關(guān)性特征

與靜態(tài)天氣（晴、陰、霧）相比，動(dòng)態(tài)天氣（雨、雪）的圖像序列存在運(yùn)動(dòng)的顆粒（雨雪粒子）。目前僅從單幀圖像進(jìn)行動(dòng)態(tài)天氣識(shí)別的準(zhǔn)確率偏低，難以滿(mǎn)足實(shí)際需求。而視頻包含場(chǎng)景隨時(shí)間變化信息，因此可采用視頻中的圖像序列進(jìn)行特征提取。

本文動(dòng)態(tài)特征提取流程如下：首先，從視頻中等間隔采樣圖像序列。然后對(duì)于圖像序列提取相關(guān)性特征得到時(shí)間平均自相關(guān)特征。

1 相關(guān)性特征提取

圖1 每個(gè)區(qū)域的相關(guān)性特征分布情況

2 提取結(jié)果

為了驗(yàn)證本文改進(jìn)相關(guān)性特征的有效性，進(jìn)行改進(jìn)前后相關(guān)性特征分布對(duì)比，從晴、霧、陰、雨、雪這五類(lèi)天氣類(lèi)別中選取少量視覺(jué)效果較好的樣本。圖2（a）為改進(jìn)前的特征分布，圖2（b）為改進(jìn)后的特征分布，可以看出改進(jìn)后的特征效果明顯好于改進(jìn)前的效果。

為了驗(yàn)證改進(jìn)后的相關(guān)性特征是否對(duì)大量樣本數(shù)據(jù)的分布有效，本文將五類(lèi)天氣的所有場(chǎng)景的樣本都顯示出來(lái)，如圖3所示為對(duì)所有數(shù)據(jù)進(jìn)行相關(guān)性特征提取的效果。

3 結(jié)論

現(xiàn)有的相關(guān)性特征提取依賴(lài)于人工選取天氣現(xiàn)象明顯的區(qū)域進(jìn)行特征提取，因此本文對(duì)現(xiàn)有相關(guān)性特征進(jìn)行改進(jìn)。將本文的天氣類(lèi)別識(shí)別特征與現(xiàn)有的天氣類(lèi)別識(shí)別特征進(jìn)行比較，可以看出本文的特征更有優(yōu)勢(shì)，能夠更有效地區(qū)分不同天氣類(lèi)別。

［1］ Zhao X， Liu P， Liu J， et al.Feature extraction for classification of different weather conditions［J］.Frontiers of Electrical and Electronic Engineering in China， 2011， 6（2）： 339-346.

［2］ Zhao X， Liu P， Liu J， et al.A time， space and color-based classification of different weather conditions［C］//Visual Communications and Image Processing （VCIP）， 2011 IEEE.IEEE， 2011： 1-4.

Development of a Weather Recognition Algorithm Based on Dynamic Characteristics

Peng Xudong1，Xia Shiming1，Sun Jiming2
（1.Institute of Meteorology and Oceanography，PLA University of Science and Technology，Nanjing， 211101；2.Department of Aviation Theory，Aviation University Air Force，Changchun，130022）

Existing dynamic characteristics used to weather recognition is lack of accuracy，this study have made some modifications to increase the overall recognition rate.Existing correlation feature extraction depends on artificial select a region where weather phenomenon is obviously，however based on an improved algorithm in this paper can realized identify weather events automatically.

Weather；Dynamic characteristics；Correlation feature extraction

圖2 改進(jìn)前后的相關(guān)性特征分布情況

圖3 相關(guān)性特征分布情況