CN104992434A - 根据历史卫星图像在当前卫星图像上进行台风定位的方法 - Google Patents

Abstract

本发明属于气象预测的技术领域。为了解决目前手工确定台风中心位置的方法存在的气象工作人员劳动强度大、操作步骤复杂、定位时间长的问题，本发明提出一种根据历史卫星图像在当前卫星图像上进行台风定位的方法，该方法包括提取历史卫星图像的SIFT特征；在当前卫星图像上截取搜索区域，搜索区域的边长为L+2*(T*60/P)，然后提取该搜索区域的SIFT特征；使用SIFT算法对历史卫星图像和搜索区域进行特征匹配；基于时空一致性，去除错误的匹配关系，然后再通过均匀旋转分布对特征点进行筛选；遍历搜索区域，确定台风中心。本发明实现了台风的自动定位，简化了台风定位的步骤，减少了气象工作人员的工作量，缩短了台风定位的时间。

Description

根据历史卫星图像在当前卫星图像上进行台风定位的方法

技术领域

本发明属于气象预测的技术领域，具体涉及一种根据历史卫星图像在当前卫星图像上进行台风定位的方法。

背景技术

严格的说，台风是热带气旋的一种强度，表1为热带气旋按照其强度的分类，

表1

强度名称	中心风力(级)	底层中心风速(米/秒)
			热带低压	6～7	10.8～17.1
热带风暴	8～9	17.2～24.4
			强热带风暴	10～11	24.5～32.6
台风	12～13	32.7～41.4
			强台风	14～15	41.5～50.9
超强台风	16	>51

由表1可以看出，当热带气旋的中心风力持续达到12-13级，底层中心风速为32.7-41.4米/秒时，在气象学上称其为台风。但通常也将不同强度的热带气旋统称为台风，本技术方案中的台风即指不同强度的热带气旋。

台风云系主要由螺旋云带、台风中心和密闭云区这三部分构成：

螺旋云带：螺旋云带是围绕热带气旋中心运动的云系，在热带气旋发展初期，螺旋云带通常呈逗点状或者弯曲的螺旋状，随着热带气旋强度的增强，螺旋云带围绕着中心浓密云区旋转并呈现准圆形。螺旋云带宽度一般在0.5个纬距左右，并随着与热带气旋中心距离的增加而变宽。

台风中心：又称为环流中心，发展成熟的台风中心有眼区结构，其附近的无云或少云区，在卫星图像上表现为黑色圆形区域。眼区结构的形状，一般可分为不规则的大眼、大而圆的眼和小而清晰的圆眼等三种。在台风的初生期和消亡期，台风中心没有明显的眼区结构或眼区被中心密闭云区覆盖，要根据环流形势及台风的形态来确定台风中心。

中心密闭云区：当强度较强的台风发展到成熟阶段时，大量卷云不断地生成并流出，垂直环流不断加强，在眼区或环流中心的四周，会出现一片光滑的浓密的对流云区。当系统中心位于这片浓密云区内部时，称其为中心密闭云区(又称为浓密云区)。

确定台风中心位置是制作台风预报和发布台风预警的第一步，对于提前做好台风预防措施、减少台风造成的危害有着重要的作用。目前有两种确定台风中心位置的方法，一种是利用台风的历史信息确定台风中心位置，另外一种则不利用台风的历史信息，而是直接对台风的螺旋云带进行螺线拟合，根据拟合的螺线的原点确定台风中心位置。这里台风的历史信息包括数字信息和图像信息两大类，数字信息是对台风特征的具体表述，主要指前一个或多个时次台风的强度、中心经纬度、中心气压、中心风速、中心移动方向以及移动速度等数值；而图像信息主要包括卫星图像和雷达回波图，是对台风云系及其周围区域环境的图像描述。

卫星图像中的台风云系是随时间变化的非刚体，即前一时刻台风云系的形态与后一时刻台风云系的形态不同，而且随着台风云系的移动，台风云系的特征点也会发生位置的改变，使得台风中心的定位非常困难。目前气象部门通常依靠气象工作人员在卫星图像上手工确定台风云系的中心位置,然后再结合其他诸如地面资料、雷达资料以及增强云图等手段进行定位校正。人工定位台风中心一般分为以下几个步骤：

第1步：根据云型特征确定台风中心

当能观测到台风眼时，可以根据台风眼的特征确定台风中心位置：小而圆的眼即台风中心；大而圆的眼，将其眼区范围的中心定为台风中心；对于不规则的大眼，要分析红外卫星图像上的眼区，一般将亮温最高区域的几何中心作为台风中心。

当有密闭云区覆盖无法观测到台风眼时：

如果密闭云区呈现近于圆形时，其几何中心即为台风中心；密闭云区中出现弧状云隙或裂缝时，台风中心位于云缝内密闭云区的中部；当密闭云区减弱，且有舌状干空气侵入时，干舌的顶端即为台风中心；当密闭云区不对称时，云区边界光滑的一侧为台风中心。

当无法观测到台风眼，且台风中心在云区外部时：

用可见光云图上出现在浓密云区外部的半环状和螺旋状积云线的曲率中心来确定；或者用红外云图上浓密云区外部或边缘附近出现的圆形无云区确定；或者根据螺旋云带的曲率中心确定。当有多条螺旋云带时，台风中心往往出现在这些云带中间的晴空区。

第2步：误差网格校正

“星下点”是指位于卫星正下方的点。由于卫星在运行过程中，本身倾斜并不停的摇摆和旋转，使得“星下点”的位置在不断变化，以“星下点”为基点所确定的网格也发生相应偏差。因此在确定台风中心位置后，需要进行网格误差校正。在实际操作中，一般是根据云图上的海岸线、湖泊、河流以及岛屿等地标特征校正网格。在现有的精定位的标称格式卫星数据中，其定位精度已经有了很大改善，一般小于2个像素。

第3步：斜视误差订正

由于西北太平洋和南海地区的大多数台风离星下点较远，必须进行斜视误差校正，通常向东南方校正0.1个经纬度，具体修正值要根据台风与星下点的距离来估算。

第4步：合理性检验

经过上述两步校正，再利用台风的前期位置和强度变化以及路径与台风位置的相关来检验所确定的位置是否合理，最后定出台风中心的位置。

手工确定台风中心位置的方法已经沿用了几十年，虽然定位结果总体来说比较可靠，但是需要气象工作人员根据经验来确定台风中心位置，导致定位结果因人而异，这也是世界上多数台风预警中心对台风定位结果不统一的原因；而且手工确定台风中心位置的方法存在着气象工作人员劳动强度大、操作步骤复杂、定位时间长等问题。

发明内容

为了解决目前手工确定台风中心位置的方法存在的气象工作人员劳动强度大、操作步骤复杂、定位时间长的问题，本发明提出一种根据历史卫星图像在当前卫星图像上进行台风定位的方法，以实现台风的自动定位，简化台风定位的步骤，减少气象工作人员的工作量，缩短台风定位的时间。

本发明根据历史卫星图像在当前卫星图像上进行台风定位的方法包括以下步骤：

(1)以历史卫星图像中的台风中心为中心，截取覆盖整个台风云系的图片，并提取该图片的SIFT特征，以得到该图片的若干个SIFT特征点；

(2)在当前卫星图像上截取搜索区域，所述当前卫星图像与所述历史卫星图像的时间间隔为T小时，所述当前卫星图像的分辨率为P,所述步骤(1)中图片的边长为L，则搜索区域的边长为L+2*(T*60/P)，然后提取该搜索区域的SIFT特征，以得到该搜索区域的若干个SIFT特征点；

(3)使用SIFT算法对所述图片和所述搜索区域进行特征匹配，以得到所述图片中的SIFT特征点在所述搜索区域中的对应SIFT特征点；

(4)当所述图片中的SIFT特征点与所述搜索区域中的对应SIFT特征点之间的距离大于T*80/P时，则所述图片中的SIFT特征点与所述搜索区域中的对应SIFT特征点之间为错误的匹配关系，删除该错误的匹配关系；

(5)遍历所述搜索区域，以在所述搜索区域内找到一个点，当该点与所述搜索区域中的各对应SIFT特征点的关系和所述历史卫星图像中的台风中心与所述图片中的各SIFT特征点的关系相对应时，则该点为所述当前卫星图像的台风中心。

其中，所述步骤(5)中，所述搜索区域中的某个点与所述搜索区域中的各对应SIFT特征点的关系和所述历史卫星图像中的台风中心与所述图片中的各SIFT特征点的关系相对应是指，所述搜索区域中的某个点到所述搜索区域中的各对应SIFT特征点的距离与所述历史卫星图像中的台风中心到所述图片中的各SIFT特征点的距离之差的和最小，用数学公式表示为：

$\mathrm{\α}=\underset{\mathrm{\α}\∈\mathrm{\Ω}}{\arg \min }\underset{i=1}{\overset{N}{\Σ}}\left|{||x_i-\mathrm{\α}||}_F-{||x_i^{*}-\mathrm{\β}||}_F\right|$

其中N为匹配的SIFT特征点数量，为Frebeniu范数，Ω＝{L_i|‖L_i-β‖_F＜R}，R为台风中心移动的最大距离，x_i为当前卫星图像的SIFT特征点，x_i ^*为x_i的匹配SIFT特征点，β为历史卫星图像的台风中心，α为当前卫星图像的台风中心。

其中，所述步骤(5)中，所述搜索区域中的某个点与所述搜索区域中的各对应SIFT特征点的关系和所述历史卫星图像中的台风中心与所述图片中的各SIFT特征点的关系相对应是指，所述搜索区域中的某个点到所述搜索区域中的各对应SIFT特征点的连线和所述历史卫星图像中的台风中心到所述图片中的各SIFT特征点的连线所构成的夹角之和最小，用数学公式表示为：

$\mathrm{\&alpha;}=\underset{\mathrm{\&alpha;}\&Element;\mathrm{\&Omega;}}{\arg \min }\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}<\frac{x_i-\mathrm{\&alpha;}}{{\left|\right|x_i-\mathrm{\&alpha;}\left|\right|}_F},\frac{x_i^{*}-\mathrm{\&beta;}}{{\left|\right|x_i^{*}-\mathrm{\&beta;}\left|\right|}_F}>$

其中N为匹配的SIFT特征点数量，为Frebeniu范数，<a,b>表示a与b的内积，Ω＝{L_i|‖L_i-β‖_F＜R}，R为台风中心移动的最大距离，x_i为当前卫星图像的SIFT特征点，x_i ^*为x_i的匹配SIFT特征点，β为历史卫星图像的台风中心，α为当前卫星图像的台风中心。

其中，所述步骤(4)还包括：以所述历史卫星图像中的台风中心为坐标原点，将环绕所述坐标原点一周的360度平均分为若干个扇形区域，每个扇形区域内最多保留1个SIFT特征点。

其中，将环绕所述坐标原点一周的360度平均分为36个扇形区域。

其中，其特征在于，所述步骤(3)中使用SIFT算法对所述图片和所述搜索区域进行特征匹配的阈值为0.8。

其中，其特征在于，所述步骤(1)中图片大小为320*320像素。

本发明根据历史卫星图像在当前卫星图像上进行台风定位的方法具有如下的有益效果：

本发明首先通过SIFT算法对历史卫星图像与当前卫星图像进行匹配，然后基于时空一致性和均匀旋转分布特征对SIFT特征点进行多层筛选，最后根据经过筛选的匹配关系确定当前卫星图像的台风中心。本发明实现了台风的自动定位，简化了台风定位的步骤，减少了气象工作人员的工作量，缩短了台风定位的时间，为制作台风预报和发布台风预警打下良好基础。

本发明的技术方案在步骤(3)中得到了较多的匹配关系，虽然该较多的匹配关系中有少量的错误匹配，但是通过步骤(4)对步骤(3)得到的匹配关系进行筛选，去除错误的匹配关系，最后能够得到数量较多的正确的匹配关系，该正确的匹配关系更符合台风旋转和运动的规律，以该数量较多的正确的匹配关系对台风进行定位，能够提高台风定位的准确度和精度，使台风定位具有更好的鲁棒性。

本发明所提出的均匀旋转分布特征筛选的技术方案，一方面使估计的台风中心呈圆形分布，且分布更集中，提高了台风定位的准确度和精度，另一方面减少了SIFT特征点的数量，从而减少了台风定位的计算量，增加了计算效率。

附图说明

图1为本发明根据历史卫星图像在当前卫星图像上进行台风定位的方法的原理示意图。

具体实施方式

下面结合附图介绍本发明的技术方案。

本发明根据历史卫星图像在当前卫星图像上进行台风定位的方法包括以下步骤：

(1)如图1所示，以历史卫星图像中的台风中心O为中心，截取覆盖台风云系的图片10，并提取该图片10的尺度不变特征变换(Scale Invariant FeatureTransform,以下简称SIFT)特征，以得到图片10的若干个SIFT特征点，下面以图1中所示的N1-N9一共9个SIFT特征点进行介绍；

(2)在当前卫星图像上截取搜索区域11，设当前卫星图像与历史卫星图像的时间间隔为T小时，卫星图像的分辨率为P,步骤(1)中图片10的边长为L，则搜索区域的边长为L+2*(T*60/P)，然后提取该搜索区域的SIFT特征，以得到搜索区域11的若干个SIFT特征点，下面以图1中所示的N1’-N9’一共9个SIFT特征点进行介绍；

(3)使用SIFT算法对图片10和搜索区域11进行特征匹配，以得到图片10中的SIFT特征点在搜索区域11中的对应SIFT特征点；

(4)当图片10中的SIFT特征点与搜索区域11中的对应SIFT特征点之间的距离大于T*80/P时，则图片10中的SIFT特征点与搜索区域11中的对应SIFT特征点之间为错误的匹配关系，删除该错误的匹配关系；

(5)遍历搜索区域11，以在搜索区域11内找到一个点，当该点与搜索区域11中的各对应SIFT特征点的关系和历史卫星图像中的台风中心O与图片10中的各SIFT特征点的关系相对应时，则该点为当前卫星图像的台风中心。

下面详细介绍上述步骤(1)—步骤(5)。

(1)如图1所示，历史卫星图像中台风中心O的经纬度信息是已知的，以历史卫星图像中的台风中心O为中心，截取覆盖整个台风云系的图片10，并提取该图片10的SIFT特征，以得到若干个SIFT特征点，下面以图1中所示的N1-N9一共9个SIFT特征点进行介绍。其中，图片10的大小为320*320像素，因为所使用的卫星图像的分辨率最高为4千米，而台风的直径最大在1000千米左右，大小为320*320像素的图片10已能够覆盖整个台风云系。

在该步骤中，提取覆盖整个台风云系的图片10的SIFT特征使用的是现有技术的方法，包括以下五个步骤：

第一步：尺度空间的生成；

第二步：检测尺度空间极值点；

第三步：去除不好极值点；

第四步：确定特征点主方向；

第五步：关键点描述子的生成。

(2)在当前卫星图像上截取搜索区域11，该搜索区域11仍以历史卫星图像中台风中心O的位置为中心，设当前卫星图像与历史卫星图像的时间间隔为T小时，当前卫星图像的分辨率为P，当前卫星图像的分辨率与历史卫星图像的分辨率相同,步骤(1)中图片10的边长为L，则搜索区域11的边长为L+2*(T*60/P)，然后提取该搜索区域11的SIFT特征，以得到若干个SIFT特征点，下面以图1中所示的N1’-N9’一共9个SIFT特征点进行介绍。其中，60千米/小时是本发明设置的台风中心位置变化范围的上限，虽然台风移动的速度有快有慢，但发明人根据对大量台风的统计发现，台风中心移动的速度通常不会超过60千米/小时；T*60/P为在当前卫星图像与历史卫星图像的时间间隔T内台风中心移动的最大距离；搜索区域11是按台风中心移动的速度为60千米/小时进行选取的，这样新的台风中心会在搜索区域11的范围内。

例如，当卫星图像的分辨率为5千米，当前卫星图像与历史卫星图像的时间间隔为18分钟时，搜索区域11的边长为像素。

(3)在得到图片10的多个SIFT特征点和搜索区域11的多个SIFT特征点之后，通常采用欧氏距离来度量SIFT特征点之间的相似度，从而建立图片10与搜索区域11的匹配关系，具体方法如下：以SIFT特征点N1为例进行介绍，取图片10中的SIFT特征点N1，遍历搜索区域11中的所有SIFT特征点，找出与SIFT特征点N1欧式距离最近的2个SIFT特征点，在SIFT特征点N1分别与该2个SIFT特征点的欧氏距离中，令最近的欧式距离除以次近的欧式距离，当比值小于阈值时，将最近欧式距离的SIFT特征点作为SIFT特征点N1的匹配特征点，最近欧式距离的SIFT特征点与SIFT特征点N1建立起匹配关系，即最近欧式距离的SIFT特征点为SIFT特征点N1的对应SIFT特征点。其中，欧式距离可以通过对SIFT特征点所有元素计算差的平方和得到。

优选地，阀值为0.8，因为阈值为0.8时，图片10中会有较多的SIFT特征点在搜索区域11中找到匹配的对应SIFT特征点，而阀值较小时，在图片10中仅有少数的SIFT特征点会在搜索区域11中找到匹配的对应SIFT特征点，当基于少数的匹配关系对台风定位时，定位结果的准确度较差。本发明的技术方案就是要在本步骤中得到较多的匹配关系，虽然该较多的匹配关系中有少量的错误匹配，但是通过下面的步骤(4)对本步骤得到的匹配关系进行筛选，以去除错误的匹配关系，最后能够得到数量较多的正确的匹配关系，以该数量较多的正确的匹配关系对台风进行定位，能够提高台风定位的准确度和精度。

如图1所示，使用SIFT算法对图片10和搜索区域11进行特征匹配，将图片10中的SIFT特征点与搜索区域11中的SIFT特征点建立起匹配关系，以得到图片10中的SIFT特征点在搜索区域11中的对应SIFT特征点，最终匹配的结果是图片10中的SIFT特征点N1-N9在搜索区域11中的对应SIFT特征点依次为N1’-N9’。

SIFT算法是提取卫星图像中一些不随着局部旋转或尺度变化而改变的小特征区域，再根据对SIFT特征点的描述进行匹配，这种局部区域高级特征描述匹配对于像卫星图像中台风云系这种整体会发生变化但存在局部特征不变的图像，有良好的匹配效果。

(4)在卫星图像上找到的SIFT特征点会随着台风中心一起移动，通过对大量卫星图像中台风云系的观察统计得出，SIFT特征点的最大移动速度为80公里/小时。本步骤基于时空一致性，即当图片中的SIFT特征点与搜索区域中的对应SIFT特征点之间的距离大于T*80/P时，则图片中的SIFT特征点与搜索区域中的对应SIFT特征点为错误的匹配关系，删除该错误匹配关系，其中，P为当前卫星图像的分辨率，T为当前卫星图像与历史卫星图像的时间间隔。

例如，当卫星图像的分辨率为4千米时，SIFT特征点的最大移动速度为20像素/小时，也就是0.33像素/分钟，如果历史卫星图像与当前卫星图像的时间间隔为30分钟，则SIFT特征点的最大移动距离为0.33*30≈10个像素。如果图片10中的某个SIFT特征点与搜索区域11中的对应SIFT特征点之间的距离超过10个像素，则认为该匹配关系为错误的。如图1所示，SIFT特征点N1与SIFT特征点N1’为错误的匹配关系，将该匹配关系删除。

优选地，本步骤还包括均匀旋转分布特征筛选。基于时空一致性对匹配关系进行筛选后，所保留的匹配关系基本都为正确的匹配关系，但是SIFT特征点的分布也会影响到台风中心的定位。如图1所示，三个SIFT特征点N7’、N8’和N9’分布在东北方向，四个SIFT特征点N2’、N3’、N4’和N5’分布在西南方向，而西北方向只有一个SIFT特征点N6’，西北方向的SIFT特征点的数量与东北方向和西南方向的SIFT特征点数量有较大差别，导致用这些SIFT特征点通过下面的步骤(5)所估计的台风中心呈椭圆分布，且分布较分散。本优选方案的均匀旋转分布特征筛选，是指以历史卫星图像中台风中心O为坐标原点，将环绕该坐标原点一周的360度平均分为36个扇形区域，每个扇形区域内最多只保留1个SIFT特征点，例如可以是只保留匹配关系最好的1个SIFT特征点，其中，也可以将环绕坐标原点一周的360度平均分为其他数目个扇形区域。这样经过筛选，东北方向的三个SIFT特征点N7’、N8’和N9’可能只剩下1个，西南方向的四个SIFT特征点N2’、N3’、N4’和N5’可能只剩下2个，西北方向还是只有一个SIFT特征点N6’，从而西北方向的SIFT特征点的数量与东北方向和西南方向的SIFT特征点数量的差别减小，均衡了各个方向上SIFT特征点的权重，用这些SIFT特征点通过步骤(5)所估计的台风中心呈圆形分布，且分布更集中，进而可以将圆形的中心作为台风中心，提高了台风定位的准确度和精度。所提出的均匀旋转分布特征筛选的技术方案，一方面提高了台风定位的准确度和精度，另一方面减少了SIFT特征点的数量，从而减少了台风定位的计算量，增加了计算效率。

(5)有两种判断搜索区域11中哪个点是台风中心的方法：

第一种：当搜索区域11中的某个点到搜索区域中11的各对应SIFT特征点的距离，与历史卫星图像中的台风中心O到图片中的各SIFT特征点的距离之差的和最小时，该点即为当前卫星图像的台风中心，用数学公式表示为：

$\mathrm{\&alpha;}=\underset{\mathrm{\&alpha;}\&Element;\mathrm{\&Omega;}}{\arg \min }\underset{i=1}{\overset{N}{\&Sigma;}}\left|{||x_i-\mathrm{\&alpha;}||}_F-{||x_i^{*}-\mathrm{\&beta;}||}_F\right|$

其中N为所匹配的SIFT特征点数量，为Frebeniu范数，Ω＝{L_i|‖L_i-β‖_F＜R}，R为台风中心移动的最大距离，x_i为当前卫星图像的SIFT特征点，x_i ^*为x_i的匹配SIFT特征点，β为历史卫星图像的台风中心，α为当前卫星图像的台风中心。

如图1所示，在搜索区域11内找到一个点O’，设SIFT特征点N2—N9分别到台风中心O的距离为L2—L9，SIFT特征点N2’—N9’分别到点O’的距离为L2’—L9’，当(L2’-L2)+(L3’-L3)+(L4’-L4)+(L5’-L5)+(L6’-L6)+(L7’-L7)+(L8’-L8)+(L9’-L9)最小时，点O’即为当前卫星图像的台风中心。

第二种：当搜索区域11中的某个点与搜索区域11中的各对应SIFT特征点的连线，和历史卫星图像中的台风中心O与图片中的各SIFT特征点的连线所构成的夹角之和最小时，该点即为当前卫星图像的台风中心，用数学公式表示为：

$\mathrm{\&alpha;}=\underset{\mathrm{\&alpha;}\&Element;\mathrm{\&Omega;}}{\arg \min }\underset{i=1}{\overset{N}{\&Sigma;}}<\frac{x_i-\mathrm{\&alpha;}}{{||x_i-\mathrm{\&alpha;}||}_F},\frac{x_i^{*}-\mathrm{\&beta;}}{{||x_i^{*}-\mathrm{\&beta;}||}_F}>$

其中N为所匹配的SIFT特征点数量，为Frebeniu范数，<a,b>表示a与b的内积，Ω＝{L_i|‖L_i-β‖_F＜R}，R为台风中心移动的最大距离，x_i为当前卫星图像的SIFT特征点，x_i ^*为x_i的匹配SIFT特征点，β为历史卫星图像的台风中心，α为当前卫星图像的台风中心。

上述两种方法都是在搜索区域11内寻找一个点，当该点相比于搜索区域11内的其他点与搜索区域11中的各对应SIFT特征点的关系和历史卫星图像中的台风中心O与图片10中的各SIFT特征点的关系最相近时，即该点与搜索区域11中的各对应SIFT特征点的关系和历史卫星图像中的台风中心O与图片10中的各SIFT特征点的关系相对应时，该点为当前卫星图像中的台风中心。

在确定当前卫星图像的台风中心时，也可以同时使用上述两种判断搜索区域11中哪个点是台风中心的方法，通过第一种方法得出台风中心O’，通过第二种方法得出台风中心O”，然后计算台风中心O’与周围点的梯度，计算台风中心O”与周围点的梯度，最后在台风中心O’和台风中心O”中选取梯度值较大的点作为当前卫星图像的台风中心。

Claims (7)

1.一种根据历史卫星图像在当前卫星图像上进行台风定位的方法，其特征在于，该方法包括以下步骤：

(1)以历史卫星图像中的台风中心为中心，截取覆盖整个台风云系的图片，并提取该图片的SIFT特征，以得到该图片的若干个SIFT特征点；

(2)在当前卫星图像上截取搜索区域，所述当前卫星图像与所述历史卫星图像的时间间隔为T小时，所述当前卫星图像的分辨率为P,所述步骤(1)中图片的边长为L，则搜索区域的边长为L+2*(T*60/P)，然后提取该搜索区域的SIFT特征，以得到该搜索区域的若干个SIFT特征点；

(3)使用SIFT算法对所述图片和所述搜索区域进行特征匹配，以得到所述图片中的SIFT特征点在所述搜索区域中的对应SIFT特征点；

(4)当所述图片中的SIFT特征点与所述搜索区域中的对应SIFT特征点之间的距离大于T*80/P时，则所述图片中的SIFT特征点与所述搜索区域中的对应SIFT特征点之间为错误的匹配关系，删除该错误的匹配关系；

(5)遍历所述搜索区域，以在所述搜索区域内找到一个点，当该点与所述搜索区域中的各对应SIFT特征点的关系和所述历史卫星图像中的台风中心与所述图片中的各SIFT特征点的关系相对应时，则该点为所述当前卫星图像的台风中心。

2.根据权利要求1所述的根据历史卫星图像在当前卫星图像上进行台风定位的方法，其特征在于，所述步骤(5)中，所述搜索区域中的某个点与所述搜索区域中的各对应SIFT特征点的关系和所述历史卫星图像中的台风中心与所述图片中的各SIFT特征点的关系相对应是指，所述搜索区域中的某个点到所述搜索区域中的各对应SIFT特征点的距离与所述历史卫星图像中的台风中心到所述图片中的各SIFT特征点的距离之差的和最小，用数学公式表示为：

$\mathrm{\&alpha;}=\underset{\mathrm{\&alpha;}\&Element;\mathrm{\&Omega;}}{\arg \min }\underset{i=1}{\overset{N}{\&Sigma;}}\left|\right||x_i-\mathrm{\&alpha;}|{|}_F-\left|\right|{x_i}^{*}-\mathrm{\&beta;}\left|{|}_F\right|$

其中N为匹配的SIFT特征点数量，为Frebeniu范数，Ω＝{L_i|||L_i-β||_F＜R}，R为台风中心移动的最大距离，x_i为当前卫星图像的SIFT特征点，x_i ^*为x_i的匹配SIFT特征点，β为历史卫星图像的台风中心，α为当前卫星图像的台风中心。

3.根据权利要求1所述的根据历史卫星图像在当前卫星图像上进行台风定位的方法，其特征在于，所述步骤(5)中，所述搜索区域中的某个点与所述搜索区域中的各对应SIFT特征点的关系和所述历史卫星图像中的台风中心与所述图片中的各SIFT特征点的关系相对应是指，所述搜索区域中的某个点到所述搜索区域中的各对应SIFT特征点的连线和所述历史卫星图像中的台风中心到所述图片中的各SIFT特征点的连线所构成的夹角之和最小，用数学公式表示为：

$\mathrm{\&alpha;}=\underset{\mathrm{\&alpha;}\&Element;\mathrm{\&Omega;}}{\arg \min }\underset{i=1}{\overset{N}{\&Sigma;}}\&lang;\frac{x_i-\mathrm{\&alpha;}}{\left|\right|x_i-\mathrm{\&alpha;}|{|}_F},\frac{{x_i}^{*}-\mathrm{\&beta;}}{\left|\right|{x_i}^{*}-\mathrm{\&beta;}|{|}_F}\&rang;$

其中N为匹配的SIFT特征点数量，为Frebeniu范数，<a,b>表示a与b的内积，Ω＝{L_i|||L_i-β||_F＜R}，R为台风中心移动的最大距离，x_i为当前卫星图像的SIFT特征点，x_i ^*为x_i的匹配SIFT特征点，β为历史卫星图像的台风中心，α为当前卫星图像的台风中心。

4.根据权利要求1-3中任一项所述的根据历史卫星图像在当前卫星图像上进行台风定位的方法，其特征在于，所述步骤(4)还包括：以所述历史卫星图像中的台风中心为坐标原点，将环绕所述坐标原点一周的360度平均分为若干个扇形区域，每个扇形区域内最多保留1个SIFT特征点。

5.根据权利要求4所述的根据历史卫星图像在当前卫星图像上进行台风定位的方法，其特征在于，将环绕所述坐标原点一周的360度平均分为36个扇形区域。

6.根据权利要求1-3中任一项所述的根据历史卫星图像在当前卫星图像上进行台风定位的方法，其特征在于，所述步骤(3)中使用SIFT算法对所述图片和所述搜索区域进行特征匹配的阈值为0.8。

7.根据权利要求1-3中任一项所述的根据历史卫星图像在当前卫星图像上进行台风定位的方法，其特征在于，所述步骤(1)中图片大小为320*320像素。