CN113311507A - 一种台风路径的识别方法及装置 - Google Patents
一种台风路径的识别方法及装置 Download PDFInfo
- Publication number
- CN113311507A CN113311507A CN202110425575.8A CN202110425575A CN113311507A CN 113311507 A CN113311507 A CN 113311507A CN 202110425575 A CN202110425575 A CN 202110425575A CN 113311507 A CN113311507 A CN 113311507A
- Authority
- CN
- China
- Prior art keywords
- moment
- typhoon
- center
- operator
- line segments
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000001174 ascending effect Effects 0.000 claims description 30
- 239000002344 surface layer Substances 0.000 claims description 5
- 239000010410 layer Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 14
- 238000004422 calculation algorithm Methods 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 230000002265 prevention Effects 0.000 abstract description 2
- 239000011159 matrix material Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30192—Weather; Meteorology
Landscapes
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及一种台风路径的识别方法及装置,包括:基于各时刻的二维平面气象数据绘制平面等值线图,采用梯度算子计算所述各时刻的平面等值线图中各等值线上的像素点梯度方向;在所述各时刻的平面等值线图中各等值线上的各像素点上,沿着梯度方向和反方向按照预先设定的长度绘制线段;基于各时刻平面数字图像中各像素点上经过的线段的数量确定各时刻的台风中心;基于各时刻的台风中心的位置识别台风路径;本发明基于绘制的天气图,利用计算机视觉领域的算法识别台风中心,通过对大量气象数据的处理,快速准确的识别台风路径并进行图像展示,也可用于防灾系统中和其他生产要素叠加展示,具有算法成熟、计算速度快、识别准确率高等诸多优点。
Description
技术领域
本发明涉及电力气象领域,具体涉及一种台风路径的识别方法及装置。
背景技术
热带气旋(tropical cyclone,TC)是影响我国沿海及部分内陆地区的主要灾害性天气系统之一,它是生成于热带或副热带洋面上,具有组织的对流和确定的气旋性环流的非锋面性涡旋的统称。
台风往往引发大规模的输、配电线路跳闸,表现为大量的群发性故障,这些故障可能是瞬时故障或永久性故障,其中后者的比例较高。台风风力超过线路或杆塔的设计标准时,可能引发断线、倒塔事故。同时,台风往往伴随着暴雨,暴雨影响杆塔的基础,可能引发倒塔断线事故,同时也会给故障恢复和抢修带来困难。在当前的电网防灾减灾工作中,信息化平台实时获取气象观测数据和数值天气预报数据,需要一种快速、高效识别台风历史和未来路径的方法,用于台风路径的展示。
目前公开的台风追踪及定位方法,有基于遥感图像的计算海面风场扰动因子的台风中心定位方法;有通过气象常规观测数据如海平面气压数据、高度场数据水平梯度识别低压中心和风场数据识别涡旋中心的单一或综合识别和定位方法。以往基于气象常规观测数据识别台风中心和路径的方法,均基于气象数据本身进行计算和判识,计算数据庞大通常计算速度慢、识别准确率低。
发明内容
针对现有技术的不足,本发明的目的是提供一种台风路径的自动识别方法,该方法基于绘制的天气图,利用计算机视觉领域的算法识别台风中心。
具体包括:
基于各时刻的二维平面气象数据绘制平面等值线图,采用梯度算子计算所述各时刻的平面等值线图中各等值线上的像素点梯度方向;
在所述各时刻的平面等值线图中各等值线上的各像素点上,沿着梯度方向和反方向按照预先设定的长度绘制线段;
基于各时刻平面数字图像中各像素点上经过的线段的数量确定各时刻的台风中心;
基于各时刻的台风中心的位置识别台风路径。
优选的,所述基于各时刻平面数字图像中各像素点上经过的线段的数量确定各时刻的台风中心,包括:
根据各时刻的平面数字图像的分辨率,分别设置大小与所述分辨率对应的矩阵作为各时刻的二维累加器;
采用所述各时刻的二维累加器中各元素记录同一时刻的平面数字图像对应位置的像素点上经过的线段的数量;
基于各时刻的二维累加器中的记录的各像素点上经过的线段的数量确定各时刻可能的各台风中心;
基于各时刻可能的各台风中心确定各时刻的台风中心。
进一步的,所述基于各时刻的二维累加器中的记录的各像素点上经过的线段的数量确定各时刻可能的各台风中心,包括:
分别对各时刻的二维累加器中的线段经过的像素点的记数进行升序排列,得到各时刻的线段经过的像素点的记数升序序列,升序序列中的大于预设标准阈值的各像素点为各时刻的可能的各台风中心。
进一步的,所述基于各时刻可能的各台风中心确定各时刻的台风中心,包括:
将各时刻可能的各台风中心所在的像素点位置作为中心,分别在各时刻的平面等值线图上选取大小为预先设定的范围阈值的各区域;
分别计算各时刻的各区域内平面等值线图中等值线上每一个像素点到对应区域内中心的距离,并将所述距离升序排列,得到各时刻的各区域内距离的升序序列;
分别在各时刻的各区域内的距离的升序序列中,以距离相差在预设距离阈值内的像素点,为同一个圆上的像素点;
若一个中心对应两个以上的圆,则判定该中心为对应时刻的台风中心。
优选的,所述基于台风中心的位置识别台风路径,包括:
按照所述台风中心对应的像素点在所述平面等值线图上的位置,对应出各时刻的台风中心的经纬度;
将各时刻的台风中心经纬度依次衔接,识别出台风路径。
优选的,所述基于各时刻的二维平面气象数据绘制平面等值线图之后,且采用梯度算子计算所述各时刻的平面等值线图中各等值线上的像素点梯度方向之前,还包括:
将所述各时刻的平面等值线图处理为二值化的平面数字图像。
优选的,所述二维平面气象数据为:地面的海平面气压值或者低层等压面层上的位势高度值。
优选的,所述梯度算子包括:Roberts Cross算子、Prewitt算子、Sobel算子、Krisch算子、罗盘算子、Marr-Hildreth算子、Laplacian算子或Canny算子。
基于同一发明构思,本发明还提供了一种台风路径的识别装置,包括:
计算模块,用于基于各时刻的二维平面气象数据绘制平面等值线图,采用梯度算子计算所述各时刻的平面等值线图中各等值线上的像素点梯度方向;
绘制模块,用于在所述各时刻的平面等值线图中各等值线上的各像素点上,沿着梯度方向和反方向按照预先设定的长度绘制线段;
确定模块,用于基于各时刻平面数字图像中各像素点上经过的线段的数量确定各时刻的台风中心;
识别模块,用于基于各时刻的台风中心的位置识别台风路径。
优选的,所述计算模块具体用于:
基于各时刻的二维平面气象数据绘制平面等值线图,采用梯度算子计算所述各时刻的平面等值线图中各等值线上的像素点梯度方向;
所述二维平面气象数据为:地面的海平面气压值或者低层等压面层上的位势高度值;
所述梯度算子包括:Roberts Cross算子、Prewitt算子、Sobel算子、Krisch算子、罗盘算子、Marr-Hildreth算子、Laplacian算子或Canny算子。
优选的,所述绘制模块具体用于:
在所述各时刻的平面等值线图中各等值线上的各像素点上,沿着梯度方向和反方向按照预先设定的长度绘制线段。
优选的,所述确定模块具体用于:
根据各时刻的平面数字图像的分辨率,分别设置大小与所述分辨率对应的矩阵作为各时刻的二维累加器;
采用所述各时刻的二维累加器中各元素记录同一时刻的平面数字图像对应位置的像素点上经过的线段的数量;
基于各时刻的二维累加器中的记录的各像素点上经过的线段的数量确定各时刻可能的各台风中心;
基于各时刻可能的各台风中心确定各时刻的台风中心;
分别对各时刻的二维累加器中的线段经过的像素点的记数进行升序排列,得到各时刻的线段经过的像素点的记数升序序列,升序序列中的大于预设标准阈值的各像素点为各时刻的可能的各台风中心;
将各时刻可能的各台风中心所在的像素点位置作为中心,分别在各时刻的平面等值线图上选取大小为预先设定的范围阈值的各区域;
分别计算各时刻的各区域内平面等值线图中等值线上每一个像素点到对应区域内中心的距离,并将所述距离升序排列,得到各时刻的各区域内距离的升序序列;
分别在各时刻的各区域内的距离的升序序列中,以距离相差在预设距离阈值内的像素点,为同一个圆上的像素点;
若一个中心对应两个以上的圆,则判定该中心为对应时刻的台风中心。
优选的,所述识别模块具体用于:
按照所述台风中心对应的像素点在所述平面等值线图上的位置,对应出各时刻的台风中心的经纬度;
将各时刻的台风中心经纬度依次衔接,识别出台风路径。
优选的,所述装置还包括:
处理模块,用于将所述各时刻的平面等值线图处理为二值化的平面数字图像。
进一步的,所述处理模块具体用于:
将所述各时刻的平面等值线图处理为二值化的平面数字图像。
与最接近的现有技术相比,本发明具有的有益效果:
本发明提供的一种台风路径的自动识别方法及装置,包括:基于各时刻的二维平面气象数据绘制平面等值线图,采用梯度算子计算所述各时刻的平面等值线图中各等值线上的像素点梯度方向;在所述各时刻的平面等值线图中各等值线上的各像素点上,沿着梯度方向和反方向按照预先设定的长度绘制线段;基于各时刻平面数字图像中各像素点上经过的线段的数量确定各时刻的台风中心;基于各时刻的台风中心的位置识别台风路径;本发明基于观测或预报的二维平面气象数据,利用计算机视觉领域的算法,提出了一种台风路径的识别方法,通过对气象要素绘制值线图,同时计算每个等值线上的像素点的梯度,沿着梯度方向和反方向画线段(梯度方向为圆弧的法线方向,即半径方向),将线段经过的点在累加器中相应位置记数并统计,寻找全局最大值或局部最大值以检测可能存在的台风中心,通过对连续时间序列的气象要素数据进行处理,便可以识别台风移动路径。该方法具有便捷快速、准确率高、泛性好、鲁棒性好的特点。
附图说明
图1是本发明提供的一种台风路径的自动识别方法的流程图;
图2是本发明涉及的Sobel算子梯度矩阵;
图3是本发明涉及的待处理像素点及周围像素点示意图;
图4是本发明涉及的平面等值线图;
图5是本发明涉及的计数器中大于阈值像素点;
图6是本发明提供的一种台风路径的自动识别装置的结构图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例1
本发明提出了一种台风路径的自动识别方法,如图1所示,所述方法包括:
步骤101:基于各时刻的二维平面气象数据绘制平面等值线图,采用梯度算子计算所述各时刻的平面等值线图中各等值线上的像素点梯度方向;
步骤102:在所述各时刻的平面等值线图中各等值线上的各像素点上,沿着梯度方向和反方向按照预先设定的长度绘制线段;
步骤103:基于各时刻平面数字图像中各像素点上经过的线段的数量确定各时刻的台风中心;
步骤104:基于各时刻的台风中心的位置识别台风路径。
步骤101具体包括:
基于观测或预报的二维平面气象数据,绘制平面等值线图,气象数据可选取地面的海平面气压值或者低层等压面层(如925hPa或者850hPa等压面)上的位势高度值,等值线绘制要求线条密度不可过于稀疏,可按一般天气图绘制的习惯,如气压值按间隔2.5hPa绘制等值线,位势高度按40gpm绘制等值线。绘制的平面数字图像以二值表示或将绘制的图像经二次处理为二值图,底色设置一个灰度值(一种颜色),等值线条设置为另一个灰度值(另一种颜色)——如为便于下一步处理,可将平面数字图像的底色灰度值设置为零值(黑色),等值线灰度值设为非零值(如设置灰度值为255白色),但不限于这种设定。
基于第一步中处理的二值平面数字图像,遍历图像上等值线上每一个像素点,计算每个等值线上的像素点的梯度。
像素点梯度具体的求解方法为,利用梯度算子对第一步中生成的平面数字图像进行卷积计算。
各种算子的存在就是对导数分割原理进行的实例化计算,是为了在计算过程中直接使用的一种计算单位。常用的梯度算子有Roberts Cross算子,Prewitt算子,Sobel算子,Krisch算子,罗盘算子、Marr-Hildreth算子(又称为LOG算子),Laplacian算子,Canny算子等。梯度算子的选择可按计算速度、精度等需求自行选取。
如果将第一步中生成的待处理的平面数字图像看做一个大矩阵,则图像的每个像素对应着矩阵的每个元素,假设平面数字图像的分辨率是1024*768,那么对应的大矩阵的行数为1024,列数为768,矩阵中每个元素的值即为图像的灰度值。卷积计算就是对于大矩阵中的每个像素,如图2和图3所示,计算它周围像素和梯度算子矩阵对应位置元素的乘积,然后把结果相加到一起,最终得到的值就作为该像素的新值,这样就完成了一次卷积。实际在计算的时候,都是用翻转以后的梯度算子矩阵,直接求矩阵内积就可以了。
以Sobel算子为例,对原图像进行卷积,过程如下:
Sobel算子也叫Sobel滤波,常用于边缘检测主要用来计算图像中某一点在横向/纵向上的梯度,如图2所示。Sobel算子用于滤波的是两个滤波器小矩阵(也叫卷积核),这两个滤波器小矩阵是3*3的方阵。列出的这两个模板矩阵对应于横向从左到右,纵向从上到下的坐标轴。
使用sobel算子,先对x和y两个方向进行卷积计算,得到水平和垂直两个方向的导数(差分近似值)GX和Gy,为Sobel算子在方向的梯度矩阵,分别表示为:
GX=(-1)*[左上]+(-2)*[左]+(-1)*[左下]+1*[右上]+2*[右]+1*[右下]
Gy=(-1)*[左上]+(-2)*[上]+(-1)*[右上]+1*[左下]+2*[下]+1*[右下]
再通过GX和Gy求得梯度方向(角度):
ψ=arctan(Gy/Gx)
由于本发明中举例说明的sobel算子卷积核翻转前和翻转后的结果是相同的,所以可以不进行翻转步骤,其他类型的算子中,卷积核翻转之后有些会出现卷积核翻转前和翻转后结果不同的情况,补充卷积核翻转的具体方法如下:
假定原始的梯度算子(卷积核)矩阵如下:
可以沿着两条对角线方向或者分别从行、列两个方向对卷积核翻转2次,最终翻转的效果都是等效的,行列翻转先行后列和先列后行最后翻转的效果也是等效的,假设按先行后列翻转
步骤102具体包括:
遍历等值线上的像素点,沿着梯度方向和反方向画线段(梯度方向为圆弧的法线方向,即半径方向),设定线段的起点和长度。
步骤103具体包括:
进一步根据计算出的等值线上的像素点的梯度方向Ψ来进行二维累加器计数,设置二维累加器为一个和平面数字图像的分辨率大小对应的矩阵,将线段经过的点在累加器中相应位置记数并统计,也即记录平面数字图像对应位置的像素点上经过的线段的数量,对累加器中的点的记数从大到小排序,记数越大越有可能成为圆心,寻找全局最大值或局部最大值以检测可能存在的圆形的圆心,此圆心即为可能的台风中心。
确定圆心后,以圆心所在的像素点位置为中心,按给定的阈值大小在平面数字图像上取一块区域,计算该区域范围内平面数字图像中等值线上每一个像素点离圆心的距离,并从小到大排序,从小半径r开始尝试放大半径,距离相差在设定阈值内的点,都认为是同一个圆,重复以上步骤,直至半径超过参数允许的范围,检测出所有的圆。若一个圆心有2个以上圆相对应,则是台风中的可能大,可判定为台风中心或热带气旋中心。
步骤104具体包括:
基于找到的台风中心,按台风中心在平面数字图像上像素点的位置,对应出台风中心即台风眼的经纬度。
衔接基于上一时刻数据的判定结果,更新台风路径,并生成台风路径图片。
实施例2
对某时刻气象要素图进行判识,过程如下:
1)绘制等值线图,并处理成黑白二值图像,如图4所示;
2)计算等值线上像素点梯度,按梯度方向画线段,并对线段经过的点在累加计数器中计数;
3)设定阈值,对计数器中大于阈值的点进行筛选,同时寻找局部最大值,判定为台风中心,如图5所示;
4)根据台风中心在平面数字图像上的位置,对应出台风中心的经纬度,将各时刻的数据的判定结果衔接起来,生成台风路径图片。
实施例3
本发明提供了一种台风路径的识别装置,如图6所示,所述装置包括:
计算模块,用于基于各时刻的二维平面气象数据绘制平面等值线图,采用梯度算子计算所述各时刻的平面等值线图中各等值线上的像素点梯度方向;
绘制模块,用于在所述各时刻的平面等值线图中各等值线上的各像素点上,沿着梯度方向和反方向按照预先设定的长度绘制线段;
确定模块,用于基于各时刻平面数字图像中各像素点上经过的线段的数量确定各时刻的台风中心;
识别模块,用于基于各时刻的台风中心的位置识别台风路径。
所述计算模块具体用于:
基于各时刻的二维平面气象数据绘制平面等值线图,采用梯度算子计算所述各时刻的平面等值线图中各等值线上的像素点梯度方向;
所述二维平面气象数据为:地面的海平面气压值或者低层等压面层上的位势高度值;
所述梯度算子包括:Roberts Cross算子、Prewitt算子、Sobel算子、Krisch算子、罗盘算子、Marr-Hildreth算子、Laplacian算子或Canny算子。
所述绘制模块具体用于:
在所述各时刻的平面等值线图中各等值线上的各像素点上,沿着梯度方向和反方向按照预先设定的长度绘制线段。
所述确定模块具体用于:
根据各时刻的平面数字图像的分辨率,分别设置大小与所述分辨率对应的矩阵作为各时刻的二维累加器;
采用所述各时刻的二维累加器中各元素记录同一时刻的平面数字图像对应位置的像素点上经过的线段的数量;
基于各时刻的二维累加器中的记录的各像素点上经过的线段的数量确定各时刻可能的各台风中心;
基于各时刻可能的各台风中心确定各时刻的台风中心;
分别对各时刻的二维累加器中的线段经过的像素点的记数进行升序排列,得到各时刻的线段经过的像素点的记数升序序列,升序序列中的大于预设标准阈值的各像素点为各时刻的可能的各台风中心;
将各时刻可能的各台风中心所在的像素点位置作为中心,分别在各时刻的平面等值线图上选取大小为预先设定的范围阈值的各区域;
分别计算各时刻的各区域内平面等值线图中等值线上每一个像素点到对应区域内中心的距离,并将所述距离升序排列,得到各时刻的各区域内距离的升序序列;
分别在各时刻的各区域内的距离的升序序列中,以距离相差在预设距离阈值内的像素点,为同一个圆上的像素点;
若一个中心对应两个以上的圆,则判定该中心为对应时刻的台风中心。
所述识别模块具体用于:
按照所述台风中心对应的像素点在所述平面等值线图上的位置,对应出各时刻的台风中心的经纬度;
将各时刻的台风中心经纬度依次衔接,识别出台风路径。
所述装置还包括:
处理模块,用于将所述各时刻的平面等值线图处理为二值化的平面数字图像。
进一步的,所述处理模块具体用于:
将所述各时刻的平面等值线图处理为二值化的平面数字图像。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种台风路径的识别方法,其特征在于,所述方法包括:
基于各时刻的二维平面气象数据绘制平面等值线图,采用梯度算子计算所述各时刻的平面等值线图中各等值线上的像素点梯度方向;
在所述各时刻的平面等值线图中各等值线上的各像素点上,沿着梯度方向和反方向按照预先设定的长度绘制线段;
基于各时刻平面数字图像中各像素点上经过的线段的数量确定各时刻的台风中心;
基于各时刻的台风中心的位置识别台风路径。
2.如权利要求1所述的方法,其特征在于,所述基于各时刻平面数字图像中各像素点上经过的线段的数量确定各时刻的台风中心,包括:
根据各时刻的平面数字图像的分辨率,分别设置大小与所述分辨率对应的矩阵作为各时刻的二维累加器;
采用所述各时刻的二维累加器中各元素记录同一时刻的平面数字图像对应位置的像素点上经过的线段的数量;
基于各时刻的二维累加器中的记录的各像素点上经过的线段的数量确定各时刻可能的各台风中心;
基于各时刻可能的各台风中心确定各时刻的台风中心。
3.如权利要求2所述的方法,其特征在于,所述基于各时刻的二维累加器中的记录的各像素点上经过的线段的数量确定各时刻可能的各台风中心,包括:
分别对各时刻的二维累加器中的线段经过的像素点的记数进行升序排列,得到各时刻的线段经过的像素点的记数升序序列,升序序列中的大于预设标准阈值的各像素点为各时刻的可能的各台风中心。
4.如权利要求2所述的方法,其特征在于,所述基于各时刻可能的各台风中心确定各时刻的台风中心,包括:
将各时刻可能的各台风中心所在的像素点位置作为中心,分别在各时刻的平面等值线图上选取大小为预先设定的范围阈值的各区域;
分别计算各时刻的各区域内平面等值线图中等值线上每一个像素点到对应区域内中心的距离,并将所述距离升序排列,得到各时刻的各区域内距离的升序序列;
分别在各时刻的各区域内的距离的升序序列中,以距离相差在预设距离阈值内的像素点,为同一个圆上的像素点;
若一个中心对应两个以上的圆,则判定该中心为对应时刻的台风中心。
5.如权利要求1所述的方法,其特征在于,所述基于台风中心的位置识别台风路径,包括:
按照所述台风中心对应的像素点在所述平面等值线图上的位置,对应出各时刻的台风中心的经纬度;
将各时刻的台风中心经纬度依次衔接,识别出台风路径。
6.如权利要求1所述的方法,其特征在于,所述基于各时刻的二维平面气象数据绘制平面等值线图之后,且采用梯度算子计算所述各时刻的平面等值线图中各等值线上的像素点梯度方向之前,还包括:
将所述各时刻的平面等值线图处理为二值化的平面数字图像。
7.如权利要求1所述的方法,其特征在于,所述二维平面气象数据为:地面的海平面气压值或者低层等压面层上的位势高度值。
8.如权利要求1所述的方法,其特征在于,所述梯度算子包括:Roberts Cross算子、Prewitt算子、Sobel算子、Krisch算子、罗盘算子、Marr-Hildreth算子、Laplacian算子或Canny算子。
9.一种台风路径的识别装置,其特征在于,所述装置包括:
计算模块,用于基于各时刻的二维平面气象数据绘制平面等值线图,采用梯度算子计算所述各时刻的平面等值线图中各等值线上的像素点梯度方向;
绘制模块,用于在所述各时刻的平面等值线图中各等值线上的各像素点上,沿着梯度方向和反方向按照预先设定的长度绘制线段;
确定模块,用于基于各时刻平面数字图像中各像素点上经过的线段的数量确定各时刻的台风中心;
识别模块,用于基于各时刻的台风中心的位置识别台风路径。
10.如权利要求9所述的装置,其特征在于,所述确定模块具体用于:
根据各时刻的平面数字图像的分辨率,分别设置大小与所述分辨率对应的矩阵作为各时刻的二维累加器;
采用所述各时刻的二维累加器中各元素记录同一时刻的平面数字图像对应位置的像素点上经过的线段的数量;
基于各时刻的二维累加器中的记录的各像素点上经过的线段的数量确定各时刻可能的各台风中心;
基于各时刻可能的各台风中心确定各时刻的台风中心;
分别对各时刻的二维累加器中的线段经过的像素点的记数进行升序排列,得到各时刻的线段经过的像素点的记数升序序列,升序序列中的大于预设标准阈值的各像素点为各时刻的可能的各台风中心;
将各时刻可能的各台风中心所在的像素点位置作为中心,分别在各时刻的平面等值线图上选取大小为预先设定的范围阈值的各区域;
分别计算各时刻的各区域内平面等值线图中等值线上每一个像素点到对应区域内中心的距离,并将所述距离升序排列,得到各时刻的各区域内距离的升序序列;
分别在各时刻的各区域内的距离的升序序列中,以距离相差在预设距离阈值内的像素点,为同一个圆上的像素点;
若一个中心对应两个以上的圆,则判定该中心为对应时刻的台风中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110425575.8A CN113311507A (zh) | 2021-04-20 | 2021-04-20 | 一种台风路径的识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110425575.8A CN113311507A (zh) | 2021-04-20 | 2021-04-20 | 一种台风路径的识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113311507A true CN113311507A (zh) | 2021-08-27 |
Family
ID=77372408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110425575.8A Pending CN113311507A (zh) | 2021-04-20 | 2021-04-20 | 一种台风路径的识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113311507A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114355483A (zh) * | 2022-03-18 | 2022-04-15 | 南方海洋科学与工程广东省实验室(广州) | 一种台风中心定位方法、装置、电子设备及存储介质 |
CN115082788A (zh) * | 2022-06-21 | 2022-09-20 | 中科三清科技有限公司 | 气压中心识别方法、装置、电子设备及存储介质 |
-
2021
- 2021-04-20 CN CN202110425575.8A patent/CN113311507A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114355483A (zh) * | 2022-03-18 | 2022-04-15 | 南方海洋科学与工程广东省实验室(广州) | 一种台风中心定位方法、装置、电子设备及存储介质 |
CN115082788A (zh) * | 2022-06-21 | 2022-09-20 | 中科三清科技有限公司 | 气压中心识别方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6259928B2 (ja) | 車線データの処理方法、装置、記憶媒体及び機器 | |
CN111179152B (zh) | 一种道路标识识别方法及装置、介质、终端 | |
CN111209780A (zh) | 车道线属性检测方法、装置、电子设备及可读存储介质 | |
CN114743119B (zh) | 基于无人机的高铁接触网吊弦螺母缺陷检测方法 | |
CN111626170B (zh) | 一种铁路边坡落石侵限检测的图像识别方法 | |
CN110346699B (zh) | 基于紫外图像处理技术的绝缘子放电信息提取方法及装置 | |
CN113311507A (zh) | 一种台风路径的识别方法及装置 | |
CN110866926B (zh) | 一种红外遥感图像快速精细海陆分割方法 | |
CN114419616A (zh) | 一种异物识别方法、装置、设备及存储介质 | |
CN113627299B (zh) | 一种基于深度学习的导线漂浮物智能识别方法及装置 | |
CN113970734B (zh) | 路侧多线激光雷达降雪噪点去除方法、装置及设备 | |
CN111597904B (zh) | 用于隧道电缆支架倾斜的识别方法 | |
WO2021000948A1 (zh) | 配重重量的检测方法与系统、获取方法与系统及起重机 | |
CN107169969B (zh) | 一种基于fpga的公路危岩崩塌堆积物大小测量及报警系统 | |
CN116342525A (zh) | 基于Lenet-5模型的SOP芯片引脚缺陷检测方法及系统 | |
CN102054174A (zh) | 用于定位车牌的方法和系统 | |
CN114494695A (zh) | 一种智慧水利城乡积涝水位监测预警方法及装置 | |
CN112101134B (zh) | 物体的检测方法及装置、电子设备和存储介质 | |
CN112926426A (zh) | 基于监控视频的船舶识别方法、系统、设备及存储介质 | |
CN116091709B (zh) | 建筑物的三维重建方法、装置、电子设备和存储介质 | |
CN117456356A (zh) | 一种基于深度学习的城市内涝视频识别预警方法 | |
CN112330675A (zh) | 基于AOD-Net的交通道路图像大气能见度检测方法 | |
CN112001336A (zh) | 行人越界报警方法、装置、设备及系统 | |
CN106780541A (zh) | 一种改进的背景减除方法 | |
CN116206326A (zh) | 缺失检测模型的训练方法、导流区的缺失检测方法及装置 |
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 |