CN107578441A - 热带气旋中心定位的红外亮温偏差角梯度分布均匀性方法 - Google Patents
热带气旋中心定位的红外亮温偏差角梯度分布均匀性方法 Download PDFInfo
- Publication number
- CN107578441A CN107578441A CN201710769227.6A CN201710769227A CN107578441A CN 107578441 A CN107578441 A CN 107578441A CN 201710769227 A CN201710769227 A CN 201710769227A CN 107578441 A CN107578441 A CN 107578441A
- Authority
- CN
- China
- Prior art keywords
- bianry image
- angle
- dagdu
- deviation
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Radiation Pyrometers (AREA)
- Image Processing (AREA)
Abstract
本发明利用红外亮温偏差角梯度分布均匀性定位热带气旋中心位置。首先,从红外卫星云图中截取感兴区域,并分别进行Bezier直方图分割和K均值聚类分割得到热带气旋主体云系二值图像和红外亮温变化剧烈位置二值图像。将上述两幅二值图像相乘得到热带气旋主体云系红外亮温变化剧烈位置的二值图像。然后,对得到的二值图像进行Hough变换检测圆以减小热带气旋中心的搜索范围。最后,以检测区域内每个像素点为参考中心计算得到偏差角梯度分布均匀性矩阵,偏差角梯度分布均匀性矩阵中值最大的位置为热带气旋中心位置。实验表明,该方法对有眼和无眼热带气旋的中心定位都取得了令人满意的结果。
Description
技术领域
本发明属于图像处理技术及气象灾害监测领域。具体来说,涉及一种以定 位出红外卫星云图的热带气旋中心位置为目的的基于红外亮温偏差角梯度分布 均匀性定位方法。
背景技术
热带气旋(Tropical cyclone,TC)具有突发性强、破坏力大的特点,是世界上最严重的气象灾害之一,给沿海一带造成严重的人员伤亡和经济损失。确定热带气 旋中心位置对热带气旋预报至关重要,但是目前主要的定位方法除少数客观定 位方法外,绝大多数是通过卫星和气象雷达进行人工或半自动定位。因为红外 静止卫星图像有较高的时间分辨率,因而目前被较多用于定位热带气旋的中心 位置。
目前对热带气旋中心客观定位的方法主要包括风场分析、模式匹配、通过 相关跟踪雷达回波(TREC)算法和云自动跟踪技术。有学者利用静止红外卫星图 像提取TC的螺旋特征并用螺旋线拟合的方法定TC中心。还有学者利用梯度矢 量流(Gradient VectorFlow-GVF)Snake模型提取TC的轮廓,并结合距离信息 确定TC的中心位置。有学者提出了一种运动场结构分析方法,通过使用多普勒 雷达数据来修正TC的中心。也有用非线性螺旋线拟合螺旋雨带的方法用于定位 TC中心。
此外,还可以借助被动微波辐射观测专用传感器微波成像仪/探测器(SSMIS) 监测TC结构并辅助用于定位TC中心位置。也有学者利用红外静止卫星图像中 每个像素点的梯度信息来定位TC中心。还有学者提出了一种基于显著区域的半 自动中心位置方法检测和模式匹配算法。Qing Xu等人在2016年提出了基于合 成孔径雷达图像一种自动方法来确定热带气旋的中心。Oscar G. Rodríguez-Herrera等人在2015年提出一种基于形状分析的客观自动定位方法, 其中使用了偏差角方差信息。近年来还有学者提出使用形态学算子来分析和提 取TC眼睛覆盖的区域,以确定TC眼的相对中心,然后得出最可能的路径。上 述方法在某些情况下可以起到不错的定位效果,但是都有其不足之处。如有的 方法比较适合于定位有眼TC的中心位置,而对无眼TC的效果一般。用模式匹 配来定位TC的中心的算法会在TC强度较小外部轮廓不明显时定位结果会有较 大的偏差。与中国气象局(CMA)、日本气象厅(JMA)和美国联合台风警报中 心(JTWC)的定位结果相比,本发明提出的方法对有眼和无眼TC都有较好的 定位效果,并且在TC强度较小外部轮廓不明显时定位结果的偏差仍然在可接受 的范围内。
发明内容
为了对红外卫星云图的热带气旋中心位置进行定位,本发明设计了一种基 于偏差角梯度分布均匀性(DAGDU,Deviation Angle gradient distribution uniformity)的热带气旋中心定位方法。将热带气旋中心定位任务分成三步:第一 步卫星云图在不同尺度下分别进行Bezier直方图分割(获得的二值图像称为A) 和K均值聚类分割(获得的二值图像称为B)并将二幅二值图像进行与运算得到 热带气旋主体云系亮温变化剧烈位置的二值图像并命名为二值图像C;第二步对 上一步得到的二值图像C进行Hough变换得到检测区域;第三步检测区域以每个 像素点为参考中心计算得到DAGDU矩阵,而矩阵中值最大的位置为热带气旋 中心。实验表明,这种热带气旋中心定位方法有较好的定位效果。该方法包括:
对卫星云图中的包含热带气旋的目标区域分别进行Bezier直方图分割和K 均值聚类分割,分割出热带气旋主体云系的位置和热带气旋中亮温变化剧烈的 位置,将上述两幅图像进行与运算得到二值图像C;
对二值图像C进行Hough变换得到检测区域;
检测区域中以每个像素点为参考中心依次计算得到偏差角矩阵及对应 DAGDU的值,构造DAGDU矩阵;
以得到的DAGDU矩阵定位出热带气旋中心位置。
其中,根据所述对卫星云图中的包含热带气旋的目标区域分别进行Bezier 直方图分割和K均值聚类分割,并对获得的两幅二值图像进行与运算得到二值 图像C,包括:
对卫星云图中的包含热带气旋的目标区域进行Bezier直方图分割,分割出 包含热带气旋主体云系位置的二值图像并命名为二值图像A;
对卫星云图中的包含主体热带气旋的目标区域进行K均值聚类分割,分割 出包含热带气旋中亮温变化剧烈位置的二值图像并命名为二值图像B;
将二值图像A和二值图像B进行与运算得到二值图像C。
其中,根据所述进行Hough变换得到检测区域,包括:
对二值图像C用Hough变换检测圆得到若干不同圆心不同半径的圆;
将这些圆的半径、圆心的横坐标和圆心的纵坐标分别放入三个向量中并计算 得到三个均值和三个方差,接着将半径、横坐标和纵坐标中任意一项不在其对 应均值正负3倍对应方差范围内的圆舍弃,最后计算得到剩余圆的平均圆心位 置;
以平均圆心位置为中心,二值图像C宽的一半为半径,得到正方形区域即为 得到的检测区域。
其中,根据所述DAGDU的计算方法,包括:
将偏差角矩阵中对应二值图像C中像素值为1的位置的值按列保存到一个一 维向量D中,其中D=[d1,d2,…dn],n为二值图像C像素值为1的点的个数;
再计算向量D的梯度得到梯度向量G=[g1,g2,…gn-1],其中gn-1=dn- dn-1,n≥2;
接下来分别对向量D和向量G进行T分类得到X=[x1,x2,…xn]和 Y=[y1,y2,…yn-1],xn∈{1,2,3,…,T},yn∈{1,2,3,…,T};
而后构造一个T×T的计数初始零矩阵H,i从1到n-1完成在计数矩阵H对 应H(X(i),Y(i))的位置的计数,得到计数矩阵H;
最后根据公式DAGDU=∑(H.*H))计算得到DAGDU的值。
其中,根据所述以DAGDU矩阵定位热带气旋中心,包括:
以检测区域每个像素点对应位置为参考中心计算得到一个偏差角矩阵;
根据这个偏差角矩阵计算得到对应该偏差角矩阵的DAGDU值并填入DAGDU 矩阵中的对应位置;
DAGDU矩阵中值最大的位置即为本发明定位的热带气旋中心;
经过测试,当T=4时得到的定位结果最优。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分, 与本申请的实施例一起用于解释本发明的技术方案,并不构成对本发明技术方 案的限制。
图1基于偏差角梯度分布均匀性热带气旋中心定位方法流程图;
图2(a)1330号超强台风海燕(世界时间2013年11月6日6时)的感兴 区域(401×401)(b)Bezier快速分割后的感兴区域图像(401×401)(c)对应图 a的密闭云区部分(161×161)(d)对应图b的密闭云区部分(161×161)(e)以热 带气旋为中心(161×161)区域K-均值分割后的图像(f)图e和图d的区域进行 与运算得到二值图像(161×161)(g)对图d进行Hough变换后的图像(161×161) 得到检测区域(81×81)(红色框)(h)计算偏差角的示意图(i)DAGDU矩阵归 一化后的显示图(81×81)(j)本文算法的定位结果,用‘+’表示热带气旋的中 心位置;
图3(a)台风莫兰蒂本文方法的定位结果与CMA、JMA和JTWC路径比 较(b)强台风山神本文方法的定位结果与CMA、JMA和JTWC路径比较(c) 超强台风鹦鹉本文方法的定位结果与CMA、JMA和JTWC路径比较;
图4三个个例热带气旋5个时刻定位结果(401×401);
图5(a)本文方法的定位结果与CMA年鉴定位误差柱形图(b)本文方 法的定位结果与JMA年鉴定位误差柱形图(c)本文方法的定位结果与JTWC 年鉴定位误差柱形图;
图6 2005年-2014年无眼热带气旋的定位结果(401×401);
图7(a)本文方法的定位结果与CMA年鉴定位误差柱形图(b)本文方 法的定位结果与JMA年鉴定位误差柱形图(c)本文方法的定位结果与JTWC 年鉴定位误差柱形图;
图8 2005年-2014年有眼热带气旋云图的定位结果(401×401);
图9(a)本文方法的定位结果与CMA年鉴定位误差柱形图(b)本文方 法的定位结果与JMA年鉴定位误差柱形图(c)本文方法的定位结果与JTWC 年鉴定位误差柱形图;
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如 何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据 以实施。
本申请实施例的基于偏差角梯度分布均匀性定位方法,用于热带气旋中心 定位。
如图1所示,本申请实施例的基于红外卫星云图的热带气旋偏差角梯度分 布均匀性定位方法,主要包括以下步骤:
步骤1对卫星云图中的包含热带气旋的目标区域分别进行Bezier直方图 分割和K均值聚类分割,将两者的结果进行与运算得到包含主体云系中亮温变 化剧烈的位置信息的二值图像;
步骤2对包含主体云系中亮温变化剧烈的位置信息的二值图像进行 Hough变换得到检测区域;
步骤3以检测区域中每个像素点为参考中心计算得到偏差角梯度分布均 匀性矩阵;
步骤4以得到的偏差角梯度分布均匀性矩阵定位出热带气旋中心位置。
本申请实施例中,根据所述对卫星云图进行Bezier直方图分割得到包含主 体云系位置信息的二值图像。本实施例用到的数据是中国风云-2C和风云-2E静 止卫星的红外图像。本发明研究所用的数据为风云-2C和风云-2E波长是 10.3-11.3μm的IR1通道数据。2005-2014年10年间605幅有中国气象局(CMA)、 日本气象厅(JMA)、美国联合台风警报中心(JTWC)对应年鉴数据的红外卫 星云图和三个热带气旋(包括生成、成熟、消亡)个例作为实验对象。原始IR1 通道数据是2288×2288的卫星云图,我们要进行分割先要从云图中截取包含目 标热带气旋的图像,一般以401×401大小为宜如图2(a)所示。
如图2(b)所示,我们对包含目标热带气旋的图像分进行Bezier直方图分割, 从而可以将目标热带气旋的主体云系分割出来,去除主体云系周围的小块散云, 也就得到了包含主体云系位置信息的二值图像。
本申请实施例中,根据所述进行K均值聚类分割得到包含图像中亮温变化 剧烈的位置信息的二值图像。因为根据经验可知热带气旋本身自有的螺旋轮廓, 而体现这螺旋轮廓的便是亮温变化剧烈的位置。故我们可以对基本包含主体云 系的图2(c)进行K均值聚类分割得到包含图像中亮温变化剧烈的位置信息的二 值图像如图2(e)所示。
本申请实施例中,根据所述将两者的结果进行与运算得到包含主体云系中 亮温变化剧烈的位置信息的二值图像。有上述可知Bezier直方图分割将热带气 旋主体云系分割出来了,可将主体云系周围的小块散云去除,而K均值聚类分 割得到图像中亮温变化剧烈的位置信息,可知热带气旋体现轮廓的位置信息。 最终将两幅分割后的图像进行与运算则得到包含主体云系中亮温变化剧烈的位 置信息的二值图像如图2(d),图2(e)和图2(f)所示。
本申请实施例中,根据所述对包含主体云系中亮温变化剧烈的位置信息的二 值图像进行Hough变换得到检测区域。这里用Hough变换得到检测区域的主要 原因是为了减少下一步的计算量。如果不进行Hough变换则需要以161×161大 小为检测区域,而Hough变换之后可将检测区域缩减至81×81,则计算量仅为之 前的四分之一。而用Hough变换检测圆的原理是热带气旋的主体轮廓接近于圆 形。不过也会存在很小一部分强度很弱的热带气旋主体轮廓不太规则,导致检 测区域偏离气旋中心。Hough变换检测圆如图2(g)所示,将这些圆的半径、圆心 的横坐标和圆心的纵坐标分别放入三个向量中并计算得到三个均值和三个方差, 接着将半径、横坐标和纵坐标中任意一项不在其对应均值正负3倍对应方差范 围内的圆舍弃,最后计算得到剩余圆的平均圆心位置,以此最终得到检测区域 如图2(g)中红色框所示。
本申请实施例中,根据所述以检测区域中每个像素点为参考中心计算得到偏 差角梯度分布均匀性矩阵。先以检测区域中每个像素点为参考中心,计算图2(c) 中每个像素的对应的偏差角得到偏差角矩阵,偏差角计算的方法如图2(h)所示。 接着以此一个一个计算偏差角梯度分布均匀性的值,最终构造出偏差角梯度分 布均匀性矩阵。
具体计算偏差角梯度分布均匀性的步骤是:将偏差角矩阵中对应二值图像C 中像素值为1的位置的值按列保存到一个一维向量D中,其中 D=[d1,d2,…dn],n为二值图像C像素值为1的点的个数;再计算向量D的 梯度得到梯度向量G=[g1,g2,…gn-1],其中gn-1=dn-dn-1,n≥2;接下来 分别对向量D和向量G进行T分类得到X=[x1,x2,…xn]和 Y=[y1,y2,…yn-1],xn∈{1,2,3,…,T},yn∈{1,2,3,…,T};而后构造一个T×T的计 数初始零矩阵H,i从1到n-1完成在计数矩阵H对应H(X(i),Y(i))的位置的计数, 得到计数矩阵H;最后根据公式DAGDU=∑(H.*H))计算得到DAGDU的值。
本申请实施例中,根据所述以得到的偏差角梯度分布均匀性矩阵定位出热带 气旋中心位置。将偏差角梯度分布均匀性矩阵进行归一化得到的结果如图2(i) 所示。DAGDU的值越大就表示偏差角分布越均匀,偏差角分布越均匀则体现热 带气旋轮廓位置的偏差角分布集中,这与热带气旋客观特性一致。故求偏差角 梯度分布均匀性矩阵中值最大的位置即为本发明定位的热带气旋中心如图2(j) 所示。经过测试当T=4时,得到的结果最优。
为了检验本发明对红外图像热带气旋中心定位的效果,下面我们选取 2005-2014年10年间605幅静止卫星的红外卫星云图以及2014年20号超强台 风鹦鹉(10月30日0时-11月6日12时)、2012年23号强台风山神(10月 22日18时-10月28日6时)、2010年10号台风莫兰蒂(9月7日0时-9月 11日18时)为个例进行定位,以上时间均为世界时间,相邻两幅云图的时间间 隔为6小时。定位结果与中国气象局(CMA)、日本气象厅(JMA)和美国台风 警报中心(JTWC)对应年鉴数据进行对比分析。
超强台风鹦鹉、强台风山神和台风莫兰蒂三个个例运用本发明定位结果路 径与CMA、JMA和JTWC定位结果路径的对比如图3所示,图4是选取三个气 旋各5个时刻的定位结果,选用的红外卫星云图是从波长10.3-11.3um的IR1通 道获得的,而三个气旋个例与CMA、JMA和JTWC相比各自的平均定位偏差如 表1所示。
表1本发明提出的定位方法的中心分别与CMA、JMA、JTWC的年鉴位置的平均路径偏差
通过对比,我们可以发现本发明的定位效果对于超强台风最好,强台风其次, 台风最差,这与我们的预期一致。此外我们还能看出本发明定位方法与JMA偏 差最小,与JTWC偏差最大,与CMA偏差的偏差介于两者之间。
2005年-2014年间405幅无眼热带气旋,200幅有眼热带气旋和605幅热带 气旋分别用本发明提出的定位方法分别与CMA、JMA和JTWC的年鉴位置的定 位偏差柱状图如图5,图7和图9所示,对无眼热带气旋和有眼热带气旋10年 间每年选取一幅无眼热带气旋云图的定位结果如图6和图8所示。最后不同类 型热带气旋定位结果如表2所示。
表2不同类型气旋本发明定位方法与CMA、JMA和JTWC的年鉴位置的平均定位误差对比
通过表2我们可以直观的发现有眼热带气旋的定位偏差小于无眼轮廓较明显 热带气旋的定位偏差。此外,我们还能看出本文发明的定位方法与JMA偏差最 小,与JTWC偏差最大,与CMA偏差介于两者之间。总体来看有眼热带气旋的 定位偏差在27km左右,无眼轮廓较明显热带气旋的定位偏差在44km左右,而 混合热带气旋的定位偏差在38km左右,可见本发明的方法能够对各类热带气旋 有较好的定位效果。
Claims (5)
1.基于红外静止卫星图像的热带气旋偏差角梯度分布均匀性定位方法。该方法是针对从波长10.3-11.3μm的红外1通道(IR1)获取的云图。包括如下步骤:
对卫星图像中的包含热带气旋的目标区域分别进行Bezier直方图分割和K均值聚类分割,将两者的结果进行与运算得到包含热带气旋主体云系中亮温变化剧烈的位置信息的二值图像并命名为二值图像C;
对上一步二值图像C进行Hough变换得到检测区域;
检测区域中以每个像素点为参考中心依次计算得到偏差角矩阵及对应的偏差角梯度分布均匀性(DAGDU,Deviation Angle gradient distribution uniformity)的值,构造DAGDU矩阵;
以得到的DAGDU矩阵定位出热带气旋中心位置。
2.根据权利要求1所述的方法,其特征在于,用Bezier直方图分割和K均值聚类分割得到二值图像C,包括:
对包含目标热带气旋的红外卫星图像分进行Bezier直方图分割,从而可以将目标热带气旋的主体云系分割出来,去除主体云系周围的小块散云,得到包含主体云系位置信息的二值图像并命名为二值图像A;
对包含主体云系的红外卫星图像进行K均值聚类分割得到包含图像中亮温变化剧烈的位置信息的二值图像并命名为二值图像B;
将上述得到的二值图像A和二值图像B进行与运算得到二值图像C。
3.根据权利要求1所述的方法,其特征在于,用Hough变换对二值图像C进行检测得到检测区域,包括:
对二值图像C用Hough变换检测圆得到若干不同圆心不同半径的圆;
将这些圆的半径、圆心的横坐标和圆心的纵坐标分别放入三个向量中并计算得到三个均值和三个方差,接着将半径、横坐标和纵坐标中任意一项不在其对应均值正负3倍对应方差范围内的圆舍弃,最后计算得到剩余圆的平均圆心位置;
以平均圆心位置为中心,二值图像C宽的一半为半径,得到正方形区域即为得到的检测区域。
4.根据权利要求1所述的方法,其特征在于,DAGDU的计算方法,包括:
将偏差角矩阵中对应二值图像C中像素值为1的位置的值按列保存到一个一维向量D中,其中D=[d1,d2,…dn],n为二值图像C像素值为1的点的个数;
再计算向量D的梯度得到梯度向量G=[g1,g2,…gn-1],其中gn-1=dn-dn-1,n≥2;
接下来分别对向量D和向量G进行T分类得到X=[x1,x2,…xn]和Y=[y1,y2,…yn-1],xn∈{1,2,3,…,T},yn∈{1,2,3,…,T};
而后构造一个T×T的计数初始零矩阵H,i从1到n-1完成在计数矩阵H对应H(X(i),Y(i))的位置的计数,得到计数矩阵H;
最后根据公式DAGDU=∑(H.*H))计算得到DAGDU的值。
5.根据权利要求1所述的方法,其特征在于,用DAGDU矩阵定位热带气旋中心,包括:
以检测区域每个像素点对应位置为参考中心计算得到一个偏差角矩阵;
根据这个偏差角矩阵计算得到对应该偏差角矩阵的DAGDU值并填入DAGDU矩阵中的对应位置;
DAGDU矩阵中值最大的位置即为本发明定位的热带气旋中心;
经过测试,当T=4时得到的定位结果最优。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710769227.6A CN107578441B (zh) | 2017-08-24 | 2017-08-24 | 热带气旋中心定位的红外亮温偏差角梯度分布均匀性方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710769227.6A CN107578441B (zh) | 2017-08-24 | 2017-08-24 | 热带气旋中心定位的红外亮温偏差角梯度分布均匀性方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107578441A true CN107578441A (zh) | 2018-01-12 |
CN107578441B CN107578441B (zh) | 2023-05-09 |
Family
ID=61030229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710769227.6A Active CN107578441B (zh) | 2017-08-24 | 2017-08-24 | 热带气旋中心定位的红外亮温偏差角梯度分布均匀性方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107578441B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108648234A (zh) * | 2018-04-19 | 2018-10-12 | 北京控制工程研究所 | 一种用于目标抓捕的机械臂相对导航方法 |
CN109242126A (zh) * | 2018-08-22 | 2019-01-18 | 中国人民解放军国防科技大学 | 一种针对物理过程扰动的热带气旋集合预报初始成员筛选方法 |
CN111273378A (zh) * | 2020-05-07 | 2020-06-12 | 南京海气智绘信息技术有限公司 | 一种基于风应力扰动的台风中心定位方法 |
CN111695227A (zh) * | 2019-03-13 | 2020-09-22 | 宁波方太厨具有限公司 | 一种灶具加热均匀性评价方法 |
CN111862005A (zh) * | 2020-07-01 | 2020-10-30 | 自然资源部第二海洋研究所 | 一种利用合成雷达图像精准定位热带气旋中心的方法及系统 |
CN111899222A (zh) * | 2020-07-01 | 2020-11-06 | 自然资源部第二海洋研究所 | 一种利用风向全自动初步定位热带气旋中心的方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1828668A (zh) * | 2006-04-10 | 2006-09-06 | 天津大学 | 基于嵌入式隐马尔可夫模型与交叉熵的台风中心定位方法 |
US8160995B1 (en) * | 2008-04-18 | 2012-04-17 | Wsi, Corporation | Tropical cyclone prediction system and method |
CN103034858A (zh) * | 2012-11-30 | 2013-04-10 | 宁波大学 | 一种卫星云图的二次聚类分割方法 |
CN103700075A (zh) * | 2013-12-25 | 2014-04-02 | 浙江师范大学 | 基于Tetrolet变换的多通道卫星云图融合方法 |
CN103824280A (zh) * | 2013-12-30 | 2014-05-28 | 杭州师范大学 | 一种台风中心提取方法 |
CN105447100A (zh) * | 2015-11-11 | 2016-03-30 | 宁波大学 | 一种基于形状特征的云图检索方法 |
-
2017
- 2017-08-24 CN CN201710769227.6A patent/CN107578441B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1828668A (zh) * | 2006-04-10 | 2006-09-06 | 天津大学 | 基于嵌入式隐马尔可夫模型与交叉熵的台风中心定位方法 |
US8160995B1 (en) * | 2008-04-18 | 2012-04-17 | Wsi, Corporation | Tropical cyclone prediction system and method |
CN103034858A (zh) * | 2012-11-30 | 2013-04-10 | 宁波大学 | 一种卫星云图的二次聚类分割方法 |
CN103700075A (zh) * | 2013-12-25 | 2014-04-02 | 浙江师范大学 | 基于Tetrolet变换的多通道卫星云图融合方法 |
CN103824280A (zh) * | 2013-12-30 | 2014-05-28 | 杭州师范大学 | 一种台风中心提取方法 |
CN105447100A (zh) * | 2015-11-11 | 2016-03-30 | 宁波大学 | 一种基于形状特征的云图检索方法 |
Non-Patent Citations (5)
Title |
---|
CHANG-JIANG ZHANG: "Tropical Cyclone Intensity Estimation Using RVM and DADI Based on Infrared Brightness Temperature" * |
MIGUEL F. PINEROS: "Objective Measures of Tropical Cyclone Structure and Intensity Change From Remotely Sensed Infrared Image Data" * |
曾明剑;于波;周曾奎;吴海英;张静;: "卫星红外云图上台风中心定位技术研究和应用" * |
钱金芳;张长江;杨波;马雷鸣;: "红外云图的台风内核风速建模的RBFNN和PDE方法" * |
鲁娟;张长江;张翔;杨波;端木春江;: "利用边界特征自动识别台风云系" * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108648234A (zh) * | 2018-04-19 | 2018-10-12 | 北京控制工程研究所 | 一种用于目标抓捕的机械臂相对导航方法 |
CN109242126A (zh) * | 2018-08-22 | 2019-01-18 | 中国人民解放军国防科技大学 | 一种针对物理过程扰动的热带气旋集合预报初始成员筛选方法 |
CN111695227A (zh) * | 2019-03-13 | 2020-09-22 | 宁波方太厨具有限公司 | 一种灶具加热均匀性评价方法 |
CN111695227B (zh) * | 2019-03-13 | 2024-02-20 | 宁波方太厨具有限公司 | 一种灶具加热均匀性评价方法 |
CN111273378A (zh) * | 2020-05-07 | 2020-06-12 | 南京海气智绘信息技术有限公司 | 一种基于风应力扰动的台风中心定位方法 |
CN111273378B (zh) * | 2020-05-07 | 2020-08-14 | 南京海气智绘信息技术有限公司 | 一种基于风应力扰动的台风中心定位方法 |
CN111862005A (zh) * | 2020-07-01 | 2020-10-30 | 自然资源部第二海洋研究所 | 一种利用合成雷达图像精准定位热带气旋中心的方法及系统 |
CN111899222A (zh) * | 2020-07-01 | 2020-11-06 | 自然资源部第二海洋研究所 | 一种利用风向全自动初步定位热带气旋中心的方法及系统 |
CN111899222B (zh) * | 2020-07-01 | 2023-11-17 | 自然资源部第二海洋研究所 | 一种利用风向全自动初步定位热带气旋中心的方法及系统 |
CN111862005B (zh) * | 2020-07-01 | 2023-11-17 | 自然资源部第二海洋研究所 | 一种利用合成雷达图像精准定位热带气旋中心的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107578441B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107578441A (zh) | 热带气旋中心定位的红外亮温偏差角梯度分布均匀性方法 | |
Koc-San et al. | Automatic citrus tree extraction from UAV images and digital surface models using circular Hough transform | |
CN106384081B (zh) | 一种基于高分辨率遥感影像的坡耕地提取方法和系统 | |
Mazur et al. | An object-based SAR image iceberg detection algorithm applied to the Amundsen Sea | |
Zhang et al. | Automated delineation of agricultural field boundaries from Sentinel-2 images using recurrent residual U-Net | |
CN109146889A (zh) | 一种基于高分辨率遥感图像的农田边界提取方法 | |
CN109146948A (zh) | 基于视觉的作物长势表型参数量化与产量相关性分析方法 | |
CN104700404A (zh) | 一种果实定位识别方法 | |
Hu et al. | Edge-guided image object detection in multiscale segmentation for high-resolution remotely sensed imagery | |
CN108830876A (zh) | 一种水域轮廓提取及面积检测方法 | |
CN112084712A (zh) | 融合主被动微波遥感信息的洪水淹没范围动态模拟方法 | |
Zhang et al. | Parcel-level mapping of crops in a smallholder agricultural area: A case of central China using single-temporal VHSR imagery | |
Liu et al. | Using SPOT 5 fusion-ready imagery to detect Chinese tamarisk (saltcedar) with mathematical morphological method | |
CN115049925A (zh) | 田块田坎提取方法、电子设备及存储介质 | |
Hui et al. | Multi-level self-adaptive individual tree detection for coniferous forest using airborne LiDAR | |
Bai et al. | A fast and robust method for plant count in sunflower and maize at different seedling stages using high-resolution UAV RGB imagery | |
CN108629297A (zh) | 一种基于空域自然场景统计的遥感图像云检测方法 | |
CN115880487A (zh) | 基于深度学习方法的林木激光点云枝叶分离方法 | |
Wei et al. | Leaf shape simulation of castor bean and its application in nondestructive leaf area estimation | |
Dibs | Comparison of derived Indices and unsupervised classification for AL-Razaza Lake dehydration extent using multi-temporal satellite data and remote sensing analysis | |
Bektas Balcik et al. | Determination of magnitude and direction of land use/land cover changes in Terkos Water Basin, Istanbul | |
CN109166127A (zh) | 一种可穿戴式植物表型感知系统 | |
CN117765006A (zh) | 基于无人机影像与激光点云的多层次密集树冠分割方法 | |
CN102231190A (zh) | 冲洪积扇信息的自动提取方法 | |
Mohammadi et al. | Estimation of leaf area in bell pepper plant using image processing techniques and artificial neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |