基于衛(wèi)星圖像的目標識別研究

劉佳

摘要：我國頻繁的遭受臺風、暴雨等強對流天氣的侵襲，中尺度對流系統(tǒng)（MCS）是形成這些強對流天氣的主要原因。無眼臺風的中心定位是臺風監(jiān)測的難點，為了解決這個問題，提出一種基于密度矩陣和亮溫修正的臺風中心自動檢測算法，該算法可同時適用于有眼臺風和無眼臺風。將所提算法應(yīng)用于FY-2衛(wèi)星紅外圖像分析臺風案例，并將實驗結(jié)果與中國氣象局（CMA）公布的最佳路徑以及其他方法進行比較，證明了該算法能夠準確地確定臺風中心位置。

關(guān)鍵詞：中尺度對流系統(tǒng)；臺風；中心定位；FY-2；密度矩陣；亮溫修正

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2018）15-0171-03

Research on Target Recognition Using Satellite Image

LIU Jia

（Shangqiu Normal University， Shangqiu 476000，China）

Abstract：China suffered typhoon， rainstorm and other severe convective weather frequently， Mesoscale Convective System （MCS） is the main reason of formation severe convective weather. The difficulty of the typhoon monitoring is the center location of the no-eye typhoon. A novel algorithm is developed for the automatic detecting the center of tropical cyclones （TC） ， density matrix and Gauss correction are utilized to determine the center of TC， the method can be applied to both the typhoon which has eye or non-eye. FY-2 IR images of TC have been analyzed using the proposed algorithm. Experimental results compared with the observed track given by the China Meteorological Administration （CMA） and other methods show that the proposed method provides accurate estimates of the cyclone center.

Key words：Mesoscale Convective System； typhoon； center location； FY-2； density matrix； gauss correction

1 概述

近年來，在全球變暖為主要特征的氣候變化背景下，極端天氣現(xiàn)象逐漸增多，其中中尺度對流系統(tǒng)（Mesoscale Convective System， MCS）是形成極端強對流天氣的主要原因，對其發(fā)展演化的研究是當今大氣科學(xué)的一個重要課題。

在西北太平洋地區(qū)（包括中國南海），人們常將熱帶氣旋（Tropical Cyclone， TC）稱為臺風（Typhoon）。它是一種具有暖中心結(jié)構(gòu)的強烈氣旋性渦旋，形成于熱帶海洋上空，是具有組織化對流活動的災(zāi)害性天氣系統(tǒng)。我國位于太平洋的西岸，臺風活動十分頻繁，是世界上臺風登陸最多、災(zāi)害最重的國家之一。

由于MCS生命周期較短，通常只有數(shù)小時（Hour， h）或十幾個小時，因此具有較高時間和空間分辨率的衛(wèi)星是監(jiān)測和研究中尺度對流系統(tǒng)最有效的工具之一。我國雖已建成靜止氣象衛(wèi)星和極軌氣象衛(wèi)星兩大系列的衛(wèi)星綜合監(jiān)測體系，但在臺風監(jiān)測分析預(yù)警業(yè)務(wù)中，對臺風中心的定位和強度變化的估計等仍然過多地依賴于預(yù)報員的經(jīng)驗，因此很多預(yù)報具有較大的主觀性和隨意性，突出表現(xiàn)為缺乏規(guī)范性的客觀方法，特別是臺風的定位精度不高，遠不能滿足國家防災(zāi)減災(zāi)分析預(yù)警精細服務(wù)的需要。

綜上所述，對災(zāi)害性天氣的研究和監(jiān)測，尤其是在短時內(nèi)產(chǎn)生重大天氣災(zāi)害的中尺度對流系統(tǒng)的研究有著十分重要的意義。臺風中心位置的確定是分析預(yù)報中的重要環(huán)節(jié)，在不同發(fā)展階段，若能進行準確監(jiān)測和預(yù)報，對于做好及早預(yù)防、減少生命和財產(chǎn)損失，是一項十分有意義的工作。

2 臺風中心定位技術(shù)

臺風在氣象衛(wèi)星云圖上表現(xiàn)為有組織的渦旋狀云系，有其特殊的云系特征，發(fā)展成熟的臺風云系結(jié)構(gòu)由內(nèi)向外分為臺風眼、云墻和螺旋云帶三部分。目前臺風中心定位技術(shù)的研究中，有眼臺風的自動定位精度更高一些，而無眼臺風在自動定位精度方面還無法達到令人滿意的效果。國內(nèi)外不少學(xué)者在臺風中心自動定位方面做了很多研究。Liu等[1]使用角度特征和時間規(guī)整算法預(yù)測TC。衛(wèi)星圖像中TC的輪廓點通過梯度矢量流（Gradient Vector Flow，GVF）Snake模型[2]提取出來。TC中心位置的研究是SCRB（Spiral Cloud-Rain Bands）的一個重要研究領(lǐng)域，SCRB指衛(wèi)星云圖中TC的特征[3]。衛(wèi)星云圖分析專家可以通過特殊傳感器微波成像儀的被動微波（Passive microwave，PMW）輻射監(jiān)測臺風結(jié)構(gòu)[4]。GOES 衛(wèi)星紅外圖像中每一個像素的亮溫梯度可以衡量云組織結(jié)構(gòu)的對稱性，進而確定TC的中心[5]。為了確定TC的中心，Jaiswal等[6]根據(jù)紅外遙感圖像中心點周圍梯度向量的流向匯聚方向提出一種客觀的TC中心定位方法。黃旋旋等[7]提出了近海臺風自適應(yīng)定位方法，該方法基于多普勒發(fā)射率數(shù)據(jù)進行臺風中心定位。陳希等[8]根據(jù)臺風密閉云區(qū)呈圓形的幾何特性，構(gòu)建了臺風中心自動定位的非線性最優(yōu)目標函數(shù)。

無論是有眼臺風還是無眼臺風在形態(tài)上都具有較為顯著的特征，例如中心亮溫值較高，周圍云墻亮溫值具有極高的對稱性，云帶具有極強的螺旋性等。臺風在發(fā)展過程中云區(qū)內(nèi)逐漸出現(xiàn)渦旋結(jié)構(gòu)，并越來越明顯，在云圖上表現(xiàn)為臺風的類圓度逐漸增強。在氣象衛(wèi)星云圖中，臺風具有灰度均值較高、像素分布集中、類圓形強、紋理光滑等特點，這些特點通常作為臺風云系分割和中心定位的主要依據(jù)。

3 基于密度矩陣的臺風中心定位算法

無眼臺風的中心定位，尤其處在形成期和消散期更難確定。確定臺風中心對于臺風的預(yù)測非常關(guān)鍵，但是目前這些工作通常由預(yù)報員根據(jù)衛(wèi)星或天氣雷達數(shù)據(jù)手動或者半自動完成。為了解決這個問題，提出一種基于密度矩陣的臺風中心定位算法（Density Matrix and Gauss Correction，DMGC），使用密度矩陣、高斯修正等方法檢測臺風中心位置。該算法可同時適用于有眼臺風和無眼臺風。衛(wèi)星的紅外通道圖像是確定臺風位置的最可靠來源，因為其分辨率高、采樣時間短、覆蓋范圍廣。本文擬使用FY-2衛(wèi)星紅外圖像分析臺風案例，并將實驗結(jié)果與中國氣象局公布的最佳路徑以及其他方法進行比較，驗證所提算法的有效性。

3.1 臺風檢測

DMGC算法先檢測衛(wèi)星云圖中臺風的大致位置，本節(jié)實驗數(shù)據(jù)為10.3-11.3?m IR1 通道灰度圖像，涵蓋熱帶氣旋的形成、加強、成熟、減弱等生命周期中的各個階段。假定紅外通道灰度圖像[f（x，y）]中存在臺風，首先對該圖像進行二值化求連通域。選取特定的閾值t，轉(zhuǎn)化成二值圖像[g（x，y）]的公式如下

[g（x，y）=1 f（x，y）≥t0 f（x，y）

我們選取閾值t為150，該閾值為多次實驗后選擇的最佳閾值。白色部分為云團，求得連通域的外接矩形的比例須滿足在[0.3， 3]之內(nèi)。隨后選取云團中連通域面積最大的一個視為臺風，求其輪廓可得到臺風的大致位置和形狀。

3.2梯度大小和方向

利用Sobel邊緣檢測方法檢測TC的邊緣。該算子包含兩組3×3的矩陣，分別為橫向及縱向，將之與圖像作平面卷積，即可分別得出橫向及縱向的亮度差分近似值。如果以A代表原始圖像，Gx及Gy分別代表經(jīng)縱向及橫向邊緣檢測的圖像，Sobel邊緣檢測公式如下

[Gx=-10+1-20+2-10+1?A， Gy=-1-2-1000+1+2+1?A] （2）

其中[?]表示二維卷積操作。

隨后，對Sobel邊緣檢測后圖像中的每個像元3×3范圍內(nèi)的亮溫值，用如下公式求方差

[Vi，j=Ii，j-19Ii-1：i+1，j-1：j+1] （3）

其中，[Vi，j]為亮溫方差值，[Ii，j]為亮溫值。

根據(jù)上述求得的方差值，求對應(yīng)像元的亮溫梯度。

[Gxi，j=12kVi+k，j-Vi-k，j] （4）

[Gyi，j=12kVi，j+k-Vi，j-k] （5）

其中，[Gxi，j]和[Gyi，j]分別為水平方向和垂直方向的梯度。

圖像中每一個像素的橫向及縱向梯度近似值可用以下公式計算梯度的大小。圖像中每一個點的梯度大小定義為

[G=Gx2+Gy2] （6）

梯度方向定義為

[θ=arctanGyGx] （7）

在上式中，如果角度[θ]等于零，即代表圖像在該處擁有縱向的邊緣，左方較右方暗。

3.3 密度矩陣

根據(jù)上式可得到每個像元的亮溫梯度向量，接著過該像元作與亮溫梯度向量平行的直線，該方法的原理類似于霍夫變換。物理意義可以理解為，由于臺風呈渦旋狀，所以亮溫梯度方向的平行線經(jīng)過最多的位置極可能在臺風中心位置附近。密度矩陣又稱累加矩陣，每個像素的梯度向量的平行線在圖像中的相交點的位置存儲在該矩陣中。如圖1為密度矩陣示意圖，圖中的數(shù)值2即為兩個不同像素的梯度向量平行線的相交點。

4 實驗結(jié)果與分析

目前，臺風中心定位算法驗證一般和中國氣象局（China Meteorological Administration， CMA）公布的最佳路徑數(shù)據(jù)進行比較，誤差越小說明算法越準確。最佳路徑數(shù)據(jù)是CMA根據(jù)各種資料綜合得出的數(shù)據(jù)集，包含臺風位置、中心最大風速和氣壓等參數(shù)的最佳估計。另外，我們也和目前常用的相關(guān)性跟蹤法（TREC）進行了比較。

超強臺風Usagi是2013年首個5級超級氣旋，于2013年9月17日02時在菲律賓以東的西北太平洋洋面上形成。強度一度達到150kts，德沃夏克分析法中一度達到CMG+WMG7.5的強度，2013年9月23日中午進入廣西境內(nèi)風力持續(xù)減弱。DMGC算法檢測到的Usagi中心位置跟蹤結(jié)果和其他方法的比較如圖2所示，CMA指來源于CMA最佳路徑數(shù)據(jù)集的6小時跟蹤結(jié)果，可以看出所提算法定位結(jié)果和CMA最為接近。DMGC算法的平均跟蹤誤差約為45.17km且誤差最小，相關(guān)性跟蹤法為48.76km。

5 結(jié)論

針對目前無眼臺風定位精度不高的問題我們提出一個新的臺風中心自動定位算法DMGC，該算法基于密度矩陣和高斯亮溫修正方法確定TC中心。DMGC算法在2013年真實形成于西北太平洋上的超強臺風Usagi上進行試驗，得到的跟蹤結(jié)果和CMA公布的最佳路徑比較得到的平均跟蹤誤差分別為45.17km，相對于其他方法誤差最小，證明了所提算法的有效性。同時，DMGC算法是一個全自動的客觀方法，不需要手動干預(yù)，并且可作為TC預(yù)測的工具。

參考文獻：

[1] LIU J N-K， FENG B， WANG M， et al. Tropical cyclone forecast using angle features and time warping[C]. International Joint Conference on Neural Networks. 2006： 4330-4337.

[2] BRESSON X， ESEDOGLU S， VANDERGHEYNST P， et al. Fast global minimization of the active contour/snake model[J]. Journal of Mathematical Imaging and vision， 2007， 28（2）： 151-167.

[3] YURCHAK B. Description of cloud-rain bands in a tropical cyclone by a hyperbolic-logarithmic spiral[J]. Russian Meteorology and Hydrology， 2007， 32（1）： 8-18.

[4] HAWKINS J D， TURK F J， LEE T F， et al. Observations of tropical cyclones with the SSMIS[J]. IEEE Transactions on Geoscience and Remote Sensing， 2008， 46（4）： 901-912.

[5] PI?EROS M F， RITCHIE E， TYO J S， et al. Objective measures of tropical cyclone structure and intensity change from remotely sensed infrared image data[J]. IEEE Transactions on Geoscience and Remote Sensing， 2008， 46（11）： 3574-3580.

[6] JAISWAL N， KISHTAWAL C. Objective detection of center of tropical cyclone in remotely sensed infrared images[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2013， 6（2）： 1031-1035.

[7] 黃旋旋，朱科峰，趙坤. 近海臺風自適應(yīng)定位方法研究[J].南京大學(xué)學(xué)報：自然科學(xué)，2014，50（6）： 855-864.

[8] 陳希，李妍，毛科峰，等. 基于非線性最優(yōu)目標函數(shù)的紅外云圖臺風中心自動定位[J]. 熱帶氣象學(xué)報， 2013， 29（1）： 155-160.