準(zhǔn)率反而越低，一般存在一定條件使兩者達(dá)到最大。 假設(shè)mi代表檢索數(shù)據(jù)庫中與檢索圖像相關(guān)的圖像個數(shù)，m2代表相關(guān)但并未檢索到的圖像個 數(shù)，m3代表查詢返回的圖像中不相關(guān)的圖像個數(shù)，則查全率、查準(zhǔn)率可表示如下：
[009引
[0099] 由上可知，當(dāng)返回圖像數(shù)越多，查全率越高，而此時的查準(zhǔn)率會呈下降趨勢，因此 一般在檢索系統(tǒng)中存在查全率和查準(zhǔn)率都較高的平衡點，此時也是該檢索算法的最高性 能。為此，為平衡查全率、查準(zhǔn)率，同時使本發(fā)明的圖像檢索算法性能更為精確，本發(fā)明又增 加了信息檢索中的綜合評價指標(biāo)F-Measure，又稱F-Score，可表示為：
[0100]
(25)
[0101] 此外，本發(fā)明采用了算法的時間復(fù)雜度進(jìn)行檢索性能的評價，即所需的查詢時間。
[0102] 例一:采用2014年04月10日00點32分普通天氣數(shù)據(jù)作為待檢索圖片，其中與該天 云圖比較相似的云圖共計15幅。檢索效果如圖1所示。
[0103] 由檢索的實驗結(jié)果可W看出，相對于其他形狀檢索方法，本發(fā)明檢索方法的效果 更為明顯，檢索查準(zhǔn)率和綜合指標(biāo)較高，可見本發(fā)明基于形狀的云圖檢索方法具有可行性。
[0104] 例二：由于臺風(fēng)天氣云圖可W檢驗本發(fā)明方法的普適性，同時減少主觀誤差，利于 觀察，因此選用了 2013年11月01日08點30分臺風(fēng)"羅莎"天氣數(shù)據(jù)作為待檢索圖片，其中云 圖數(shù)據(jù)庫中與該天云圖比較相似的云圖共計12幅，實驗結(jié)果如下。
[0105] 表1不同方法的檢索性能比較
[0106]
[0107] TBB:表示云頂亮溫。
[0108] 如下顯示為各類方法的檢索結(jié)果，其中返回的9幅云圖相似度從大到小排列，如圖 2所示。
[0109] 例Ξ:為評價本發(fā)明方法旋轉(zhuǎn)、平移魯棒性能，對云圖分別采取旋轉(zhuǎn)10°、右下平移 70個像素后進(jìn)行檢索比較，各方法的檢索結(jié)果如圖3和圖4所示，由檢索結(jié)果可知，所有檢索 方法基本能檢索到旋轉(zhuǎn)、平移處理后的云圖，并作為最相似圖像返回，運(yùn)與事實一致;此外 由顯示的云圖檢索結(jié)果可知，相對于其他檢索方法，本發(fā)明方法檢索效果更好，檢索圖像基 本為與待檢索云圖時間間隔相鄰且相似的臺風(fēng)天氣，其他方法在云圖旋轉(zhuǎn)平移下也能大致 檢索到相似云圖，但檢索失誤率較大?？傮w來說，本發(fā)明方法具有較好的抗平移、旋轉(zhuǎn)特性。
[0110] 參考文獻(xiàn)；
[0111] [1]董俊杰.基于HOG和SVM的服裝圖像檢索系統(tǒng)的設(shè)計與實現(xiàn)[D].中山大學(xué) .2014.
[0112] [2]曹聞，萬明英，李潤生，等.基于ZernAe形狀矩的地圖匹配算法[J].計算機(jī)應(yīng) 用研究，2011，28(7): 2786-2792.
【主權(quán)項】
1. 一種基于形狀特征的云圖檢索方法，其特征在于包括以下步驟： (1) 將靜止衛(wèi)星云圖接收系統(tǒng)所接收到的灰度區(qū)間為[0,1024]的云圖，依據(jù)云圖接收 系統(tǒng)所對應(yīng)的云圖灰度與云頂亮溫關(guān)系對照表，將云圖灰度轉(zhuǎn)化為云頂亮溫； (2) 完成云圖亮溫空間轉(zhuǎn)換后，再采用迭代閾值分割方法進(jìn)行云圖分割； (3) 通過開、閉運(yùn)算處理，去除云圖的云系空洞和邊界毛刺； (4) 對開、閉運(yùn)算處理后的整幅云圖采用100*100大小進(jìn)行不重疊分塊處理，得到云圖 各子塊的區(qū)域信息； (5) 對整幅云圖分塊處理后，采用幾何不變矩對各子塊進(jìn)行區(qū)域特征描述，將提取的所 有子塊的特征向量依次排為一長列向量作為該幅Z5：圖的形狀特征向量，表不為K= [fl… fi…fm]T，其中KeRm，表示κ是實數(shù)空間的m維向量，m表示形狀特征列向量的維數(shù)，T為向 量的轉(zhuǎn)置，f^K中的分量，i為區(qū)間[l，m]中的正整數(shù)； (6) 對于該幅云圖，首先統(tǒng)計得到形狀特征向量K中的最大值和最小值，分別記為Fmax和 Fmin，再對形狀特征向量K中的任意分量f i進(jìn)行歸一化處理，表示如下：將形狀特征向量K歸一化到[0，1 ]范圍，得到新的云圖形狀特征向量，表示為;H= [f 1 ' …fi，…fm，]T，HERm; (7) 將通過上述步驟提取的所有云圖的形狀特征，建立一個云圖形狀特征庫A= [Hi， H2, . . .Hj. . .，Hw]，A￡RmXw，其中w表不云圖庫中總的云圖數(shù)量，Hj表不任意一幅云圖的特征 向量，j為區(qū)間[l，w]中的正整數(shù)； (8) 對于一幅待檢索云圖，采用步驟(1)~(6)的方法提取形狀特征向量，表示為:yeR' 然后采用稀疏分類方法將待檢索云圖的形狀特征與云圖形狀特征庫進(jìn)行相似度計算，得到 最接近的9幅75Γ圖，完成75Γ圖檢索。2. 如權(quán)利要求1所述的一種基于形狀特征的云圖檢索方法，其特征在于采用迭代閾值 分割方法進(jìn)行云圖分割的具體方法為： ① 先用如下公式計算云圖初始亮溫閾值i Thr e sho 1 d:其中，max_value_gray表示為整幅云圖中的最大亮溫值，min_value_gray表示整幅云 圖中的最小亮溫值； ② 根據(jù)初始亮溫閾值iThreshold，采用下式統(tǒng)計云圖的重要云系成分Ζο和云系背景Ζι:式中Ζο表不重要云系成分，Ζι表不云系背景，（x，y)表不云圖中的像素坐標(biāo)點，f (x，y)表 示云圖在坐標(biāo)點（x，y)處亮溫大小，N(x，y)表示權(quán)重大小，設(shè)定為1，并設(shè)定初始亮溫閾值 ;111^68]1〇1(1大小為175; ③ 根據(jù)Ζο和Ζι重新求解新亮溫閾值iNewThreshold④ 如果新亮溫閾值iNewThreshold與初始亮溫閾值iThreshold差值在50之內(nèi)，則繼續(xù) 下一步驟;否則用iNewThreshold作為初始亮溫閾值iThreshold，轉(zhuǎn)到步驟②； ⑤ 根據(jù)新亮溫閾值i NewThr e sho 1 d對原始云圖進(jìn)行分割，即當(dāng)云圖中像素的亮溫大于iNewThreshold時設(shè)定為1，否則設(shè)定為0,得到黑白二值圖像。3. 如權(quán)利要求1所述的一種基于形狀特征的云圖檢索方法，其特征在于去除云圖的云 系空洞和邊界毛刺的具體步驟為： ① 對閾值分割后的云圖，先采用半徑為5的平坦型圓盤結(jié)構(gòu)元素進(jìn)行膨脹處理，再通過 半徑為7的平坦型圓盤結(jié)構(gòu)元素進(jìn)行腐蝕處理，通過閉運(yùn)算去除云系內(nèi)部大部分細(xì)小空洞； ② 對閉運(yùn)算處理后的云圖，先采用半徑為6的平坦型圓盤結(jié)構(gòu)元素進(jìn)行腐蝕處理，再通 過半徑為7的平坦型圓盤結(jié)構(gòu)元素進(jìn)行膨脹處理，通過開運(yùn)算去除邊界毛刺。4. 如權(quán)利要求1所述的一種基于形狀特征的云圖檢索方法，其特征在于采用幾何不變 矩對各子塊進(jìn)行區(qū)域特征描述的具體方法為： ① 首先計算各云圖子塊的區(qū)域幾何中心坐標(biāo)(ij):② 計算云圖各子塊的中心矩μΜ: '式中p，q滿足p+q = 2或者p+q = 3，且p，q為正整數(shù)； ③ 對中心矩μΜ進(jìn)行規(guī)格化處理，'式中滿足γ =(P+q)/2; ④ 根據(jù)規(guī)格化后的中心矩ηΜ，提取各子塊的7個形狀不變矩Ik，其中k=l，2,3,4,5,6，將所得的7個形狀不變矩排為一列作為該云圖子塊的形狀不變矩特征； ⑤ 當(dāng)完成整幅云圖所有子塊形狀不變矩特征的提取后，將所有子塊的特征向量依次排 為一長列向量作為該幅云圖的形狀特征向量，表示為向量K，K e Rm。5. 如權(quán)利要求1所述的一種基于形狀特征的云圖檢索方法，其特征在于采用稀疏分類 方法進(jìn)行云圖檢索相似度計算的具體步驟為： ①首先對待檢索云圖和云圖特征庫進(jìn)行空間投影，采用正態(tài)分布隨機(jī)矩陣ReRnXm(n〈 m)對云圖特征庫進(jìn)行空間映射如下：j = ，同樣對待檢索云圖特征也進(jìn)行映射 處理如下② 根據(jù)稀疏分類算法，計算殘差，進(jìn)行類別判斷：，其中as表示稀疏系 數(shù)中第s幅云圖數(shù)據(jù)的對應(yīng)系數(shù)； ③ 重復(fù)第①和②步驟，通過多次迭代，求取重構(gòu)殘差均值：，其中1表示 迭代次數(shù)，/f表示第t次迭代時屬于s幅云圖樣本的殘差值；④ 對殘差均值E[rs]進(jìn)行大小排序，獲取與待檢索云圖的相似度信息，其中殘差越小，相 似性越大，最后返回殘差最小的9幅75Γ圖。
【專利摘要】本發(fā)明公開了一種基于形狀特征的云圖檢索方法，有效結(jié)合云圖云頂亮溫信息，采用迭代閾值分割方法分割云系，同時采用計算復(fù)雜度較低且魯棒性強(qiáng)的幾何不變矩提取云系形狀特征克服了傳統(tǒng)的基于形狀特征的云圖檢索方法在分析云圖時的困難，特別是方法普適性、計算復(fù)雜度、魯棒性等問題，此外，本發(fā)明將底層云圖特征從歐氏空間轉(zhuǎn)換到了稀疏空間，利用稀疏空間的分布規(guī)律對云圖數(shù)據(jù)庫進(jìn)行檢索，有效地緩解了傳統(tǒng)檢索方法的語義鴻溝問題。
【IPC分類】G06F17/30, G06T7/00
【公開號】CN105447100
【申請?zhí)枴緾N201510769573
【發(fā)明人】金煒, 王文龍, 符冉迪
【申請人】寧波大學(xué)
【公開日】2016年3月30日
【申請日】2015年11月11日