基于衛(wèi)星云圖的輪廓法自動識別熱帶氣旋研究

劉永祿，邵利民，楊汶鑫

（海軍大連艦艇學院軍事海洋系海洋氣象教研室，遼寧大連 116018）

基于衛(wèi)星云圖的輪廓法自動識別熱帶氣旋研究

劉永祿，邵利民，楊汶鑫

（海軍大連艦艇學院軍事海洋系海洋氣象教研室，遼寧大連 116018）

以衛(wèi)星云圖的熱帶氣旋云系為研究對象，基于Canny邊緣檢測、Contour輪廓提取等方法，研究了通過圖像的形狀特征和范圍大小對熱帶氣旋云系進行自動識別，得到了較好的效果。這種方法有助于提高熱帶氣旋云系識別的自動化程度，實現(xiàn)熱帶氣旋的自動跟蹤，從而為熱帶氣旋的預(yù)報提供了便利。

熱帶氣旋；Canny邊緣檢測；輪廓提取；自動識別

1 引言

多年來，各國在熱帶氣旋的監(jiān)測和預(yù)測預(yù)警能力方面取得了長足的進步，但熱帶氣旋監(jiān)測和預(yù)測預(yù)警的技術(shù)水平還遠遠不能滿足防災(zāi)減災(zāi)對熱帶氣旋預(yù)報的精細化要求。因此，從整體上提高熱帶氣旋監(jiān)測和預(yù)測預(yù)警水平，特別是在融合應(yīng)用各種不同的觀測遙感技術(shù)以及與其它相關(guān)技術(shù)領(lǐng)域的結(jié)合方面，繼續(xù)做好重大熱帶氣旋災(zāi)害的預(yù)測預(yù)警和評估工作，仍然是一項迫在眉睫的工作。而熱帶氣旋的識別技術(shù)又是熱帶氣旋預(yù)測預(yù)警技術(shù)的基礎(chǔ)性工作，因此，熱帶氣旋云系自動識別的研究是非常必要和重要的[1—2]。

目前，衛(wèi)星云圖中云的識別，國內(nèi)外主要采用六類技術(shù)實現(xiàn)：閾值法、多譜閾值法、數(shù)學形態(tài)學法、聚類法、人工神經(jīng)網(wǎng)絡(luò)法和小波分析法[3—4]。然而熱帶氣旋云系千變?nèi)f化，除非有明顯的眼區(qū)特征，在對熱帶氣旋云系進行識別時任何一種方法都不具備普適性。經(jīng)研究，熱帶氣旋云系可分為兩大類：有眼和無眼熱帶氣旋，對于無眼熱帶氣旋云系，根據(jù)其形狀和外圍螺旋云系的特征又可分為團狀熱帶氣旋云系和螺旋狀熱帶氣旋云系兩類。對于團狀熱帶氣旋云系，根據(jù)其幾何形狀又可分為類圓性熱帶氣旋云系和非對稱性熱帶氣旋云系[5—6]。螺旋性熱帶氣旋云系表現(xiàn)為外圍螺旋云帶特征非常明顯?，F(xiàn)有的熱帶氣旋識別方法，沒有能夠給出普遍使用于各種云型的熱帶氣旋識別的方法，對于不同的云系要用不同的方法，而且，各種方法都偏復(fù)雜，專業(yè)化較強，本文提出的方法，試圖開發(fā)一種更簡單便捷的方法來實現(xiàn)熱帶氣旋云系的識別，這樣不僅專業(yè)人員用起來方便，非專業(yè)人員也能熟練的使用[7]。

本文在上述研究基礎(chǔ)上，通過圖像的形狀特征和范圍大小，在衛(wèi)星云圖上對熱帶氣旋云系進行自動識別。

眾所周知，熱帶氣旋云系具有較好的組織性，在形狀上的特征比較明顯，且熱帶氣旋是熱帶氣旋達到一定的強度之后形成的，因此，熱帶氣旋云系的范圍大小是有明顯特征的，本文提出的方法，從熱帶氣旋云系的形狀特征和范圍大小兩方面綜合分析，同時滿足兩方面的要求，進而確定其為熱帶氣旋云系，得出結(jié)論。這種方法，不用考慮有眼熱帶氣旋或無眼熱帶氣旋，對于各種不同形狀的熱帶氣旋都能進行操作，實現(xiàn)了熱帶氣旋云系識別方法的普遍使用。

2 方法和過程

熱帶氣旋云系在衛(wèi)星云圖中表現(xiàn)為有組織的螺旋云系，比較有規(guī)則，本文試圖找到通過分析衛(wèi)星云圖中云系的形狀特點來識別衛(wèi)星云圖中的熱帶氣旋云系的有效方法。

利用邊緣提取的算法提取衛(wèi)星云圖中云團的邊緣，就可以得到云團的形狀，再判斷形狀是否符合熱帶氣旋的特點，如果符合判斷條件，就確定該云團就是熱帶氣旋生成，進而實現(xiàn)在衛(wèi)星云圖上自動識別并跟蹤熱帶氣旋。

邊緣識別的算法很多，其中Canny算子對檢測階躍性邊緣時效果極好，去噪能力強。Canny算子邊緣檢測的方法是尋找圖像梯度的局部最大值。梯度是用高斯濾波器的導(dǎo)數(shù)計算的[1—2]。

經(jīng)過對邊緣強度A的非極大值抑制，找到邊緣點。

Canny方法使用兩個閾值來分別檢測強邊緣和弱邊緣，而且僅當強邊緣和弱邊緣相連時，弱邊緣才會包含在輸出中。因此，此方法不容易受噪聲的干擾，能夠檢測到真正的弱邊緣。

具體識別過程如下[8]：

第一步，根據(jù)熱帶氣旋的特征，選取合適的衛(wèi)星云圖，并對云圖進行合理的相應(yīng)的簡化處理，便于實驗的進行；

第二步，檢測圖像邊緣，提取圖像的輪廓信息；

第三步，根據(jù)圖像的邊緣和輪廓信息，求取圖像的質(zhì)心，計算質(zhì)心到輪廓上各點的距離；（為了便于實驗的進行，可對圖像進行適當?shù)暮喕幚恚?/p>

第四步，根據(jù)質(zhì)心到輪廓上各點的距離特點，結(jié)合圖像的形狀特征，與熱帶氣旋云系在衛(wèi)星云圖中的特點（包括形狀和范圍大小）進行對比，得出結(jié)論（見圖1）。

3 衛(wèi)星云圖的預(yù)處理

在對圖像進行識別之前，為了便于后續(xù)工作，簡化計算過程，首先要對原始圖像進行簡化處理。根據(jù)熱帶氣旋的特點，通常只需要截取30°N以南，赤道以北區(qū)域的圖像即可滿足要求。如圖2和圖3，初步處理過后的圖像，就可以利用MATLAB軟件進行處理。

4 識別圖像邊緣

讀入圖像后，下一步就需要識別圖像邊緣。為了識別圖像邊緣，需要對圖像進行格式轉(zhuǎn)換，因為邊緣識別函數(shù)edge的輸入變量必須是二值的，需要：

圖1 自動識別流程圖

圖2 原始衛(wèi)星云圖

把原圖的JPG格式的圖像二值化以后，方可利用edge函數(shù)進行邊緣識別。edge函數(shù)有Roberts、Sobel、Prewitt和Canny等多種邊緣識別算子，本文采用Canny算子進行計算[9]。運用Canny算子時，處理過程中，需要對閾值進行控制和調(diào)整，以得到最優(yōu)的邊緣識別效果。輸出經(jīng)過Canny邊緣識別后的圖像結(jié)果見圖4。

為了便于接下來幾步的處理我們對圖像進行適當?shù)暮喕幚恚厝〔糠謭D像，并擦除多余的線條，

圖3 處理后圖像

圖4 經(jīng)過Canny算子處理過后的邊緣圖像

以避免它們對實驗產(chǎn)生的干擾[10—11]。經(jīng)過簡化處理的圖像需要進行再一次的邊緣檢測，才能被下一步操作執(zhí)行，所以在下一步操作之前，需要重新對簡化后的圖像進行讀入和Canny邊緣處理。進行再一次的Canny邊緣處理得到的圖像如圖5。

圖5 經(jīng)簡化處理后的圖像

5 contour函數(shù)提取圖像輪廓

經(jīng)Canny邊緣算子處理后返回的結(jié)果是一個圖像，為了便于下一步的處理，需要提取圖像的輪廓，得到圖像的輪廓信息，并以數(shù)組或矩陣的形式返回。MATLAB軟件也提供了多種提取圖像輪廓信息的函數(shù)或方法，本文采用Contour函數(shù)來進行圖像輪廓的提取[12—13]。Contour函數(shù)可以得到圖像的輪廓信息，并以矩陣的形式返回（見圖6）。

6 求取圖像質(zhì)心

為了更為精確的判斷圖像的形狀特征，要提取圖像的質(zhì)心，利用質(zhì)心與圖像輪廓上各點之間的距離信息，來確定圖像的形狀和范圍大小。質(zhì)心，是整幅圖像的質(zhì)量的中心，并不一定位于圖像的中心位置，為了便于操作，且使計算結(jié)果更為精確，在進行圖像質(zhì)心求取之前，需要對圖像進行一些合理且適當?shù)奶幚恚沟幂喞獔D像基本位于整幅圖像的中心位置，以保證所得圖像質(zhì)心最大限度的接近圖像的中心位置，以保證計算的準確度。

圖6 經(jīng)過Contour函數(shù)處理后得到的輪廓圖

7 通過質(zhì)心與輪廓上各點間的距離來確定圖像特征并計算圖像輪廓所圍成的圖像面積

在上一步進行質(zhì)心求取之前，對圖像進行了合理而適當?shù)奶幚恚覀兛梢越频陌亚笕〉馁|(zhì)心當作圖像的中心，這樣我們就可以進行下一步的操作，通過計算質(zhì)心同輪廓上各點的距離來確定圖像的基本特征[14]。

在MATLAB軟件中，系統(tǒng)為我們提供了專門用于計算兩點間距離的函數(shù)distance，這樣我們能夠在MATLAB環(huán)境下很容易的實現(xiàn)兩點間距離的計算。

本文用Contour函數(shù)對圖像進行了輪廓提取。知道了圖像輪廓上各點的坐標和圖像質(zhì)心點即近似中心點的坐標，可以通過函數(shù)，逐一計算質(zhì)心點與輪廓上各點之間的距離，并對各個距離值進行比較，得出質(zhì)心點與輪廓上各點之間的最小距離。

為了進一步驗證實驗得到的結(jié)論，可以計算圖像輪廓所圍成的面積，通過面積的大小從側(cè)面對實驗結(jié)論加以證明。

8 數(shù)據(jù)分析

8.1 試驗結(jié)果

經(jīng)過上述實驗過程后，可以得到一組實驗數(shù)據(jù)：

質(zhì)心點與輪廓點之間的距離值，經(jīng)過比較得到的最小值為d=15.2662像素。圖像輪廓所圍成的面積為ans=8016。

8.2 分析結(jié)果

根據(jù)設(shè)計安排，距離d=15.2662為質(zhì)心點與輪廓上各點之間的最小距離。

通過對比原始圖像上的經(jīng)緯度值和像素坐標值，我們可以得到圖像像素距離與實際距離海里之間的關(guān)系。同樣，利用distance函數(shù)，取原圖上相隔10個緯度的兩點的圖上坐標，計算它們之間的距離，可知它們之間的像素距離為dis3=68.6867，10個緯距為600 n mile。如果有一條直線，經(jīng)過質(zhì)心點，并與輪廓線相交于兩點，那么，由前文的實驗可以得出，這兩點間的最小距離必然大于質(zhì)心與輪廓線上各點的最小距離的兩倍。進一步我們可以得出，經(jīng)過圖像中心點的直線與圖像輪廓之間的兩個交點間的最小距離為266.7 n mile，達到了熱帶氣旋渦旋區(qū)范圍大小的標準，由此我們可以確定，該衛(wèi)星云圖中含有熱帶氣旋云系。

另外，圖像輪廓所圍成的面積為ans=8016，通過對比像素面積與實際面積，顯然，圖像輪廓的范圍達到了熱帶氣旋渦旋區(qū)的范圍大小的標準。這也從另一方面驗證了實驗的結(jié)論。

9 結(jié)語

（1）對圖像進行邊緣處理，提取輪廓時，沒有一個統(tǒng)一的標準，需要通過不斷的實驗來進行閾值的調(diào)節(jié)；

（2）求取圖像質(zhì)心的過程并不是求取圖像的中心點，而是經(jīng)過外部圖像處理以后使質(zhì)心趨近于圖像中心。所以，圖像的中心是一個近似值，并不能完全準確的反映圖像的特征；

（3）通過質(zhì)心與圖像輪廓上的點之間的距離來判斷云圖的形狀特征時，工作繁瑣復(fù)雜，需要大量重復(fù)實驗來進行糾正和調(diào)整，以達到最佳效果。

[1]Wang G H,Su J L,Ding Y H,et al.Tropical cyclone genesis over the south China sea[J].Journal of Marine Systems,2007,68(3):318-326.

[2]Wong K Y,Yip C L,Li P W.Automatic tropical cyclone eye fix using genetic algorithm[J].Expert Systems with Applications,2008,34(1):643-648.

[3]He L,Qin D Y,Huang X Y,et al.The Application of FY2 Satellite Cloud Image Analysis System to the Process of Tropical Cyclone Kammuri[J].Meteorological Monthly,2010,10(3):35-50.

[4]Pan J L,Zhu M,Zhu J H,et al.An algorithm using satellite image data for the forecasting of tropical cyclone path[J].Journal of Oceanography in Taiwan Strait,2009,22(3):425-432.

[5]Tsonis A A.Single Threshold and Rain Area Delineation from Satellite Imagery[J].APP Meteor,1998,31(2):1302-1306.

[6]Chen H Y,Zhang M.Practical Skills of Using Satellite Cloud Pictures in Tropical Cyclone Forecasting[J].Meteorological Science and Technology,2008,11(4):574-581.

[7]余建波.基于氣象衛(wèi)星云圖的云類識別及臺風分割和中心定位研究[D],武漢理工大學,2008,110-115.

[8]曾明劍,于波,周曾奎,等.衛(wèi)星紅外云圖上臺風中心定位技術(shù)的研究和應(yīng)用[J],熱帶氣象學報,2006,11(3):340-344.

[9]Gonzalez R C,Woods R E,Eddins S L.Digital Image Processing Using Matlab[M].北京:電子工業(yè)出版社,2005:251-270.

[10]Xie Z D.Measure on the colored picture edge based on Canny theory[J].Computing Techniques for Geophysical and Geochemical Exploration,2007,22(4):370-378.

[11]井艾斌,柳青,孟祥增.基于Matlab的圖形輪廓提取及填充[J].電腦知識與技術(shù),2008,8(1):27-32.

[12]徐平,邵定宏,魏楹.最佳閾值分割和輪廓提取技術(shù)及其應(yīng)用[J].計算機工程與設(shè)計,2009,16(2):35-38.

[13] 陳陽.利用MATLAB進行數(shù)字圖像的邊緣檢測算法研究[J].科技信息,2008,25(8):63-68.

[14]鄒柏賢,林京壤.圖像輪廓提取方法研究[J].計算機工程與應(yīng)用,2008,21(4):32-35.

Automatic recognition tropical cyclone method based on satellite images

LIU Yong-lu,SHAO Li-min,YANG Wen-xin

(Ocean Meteorology Teaching and Research Section,Dalian Naval Academy,Dalian 116018China)

Based on satellite cloud pictures through the means of canny edge detection,contour outline abstraction and so on,the technology of automatic identifying tropical cyclone cloud system is studied.The approach helps to achieve the automation of identifying the tropical cyclone cloud and tropical cyclone tracing.

tropical cyclone;canny edge detection;contour abstraction;automation recognition

P412.15

A

1003-0239（2012）01-0013-05

2011-04-26

劉永祿（1972-），男，博士，研究方向為大氣探測、圖像處理。E-mail:lyonglu@126.com