提取天氣類別動態特征的算法研究

彭旭東，夏士明，孫吉明（.解放軍理工大學氣象海洋學院，南京，0；.空軍航空大學航理系，長春，300）

提取天氣類別動態特征的算法研究

彭旭東1，夏士明1，孫吉明2
（1.解放軍理工大學氣象海洋學院，南京，211101；2.空軍航空大學航理系，長春，130022）

現有的用于天氣類別識別的動態特征存在一定不足，本文進行了相應改進，提高了整體的識別率。現有的相關性特征提取依賴于人工選取天氣現象明顯的區域進行，基于本文的改進算法能實現天氣現象的自動識別。

天氣；動態特征；相關性特征

與靜態天氣（晴、陰、霧）相比，動態天氣（雨、雪）的圖像序列存在運動的顆粒（雨雪粒子）。目前僅從單幀圖像進行動態天氣識別的準確率偏低，難以滿足實際需求。而視頻包含場景隨時間變化信息，因此可采用視頻中的圖像序列進行特征提取。

本文動態特征提取流程如下：首先，從視頻中等間隔采樣圖像序列。然后對于圖像序列提取相關性特征得到時間平均自相關特征。

1 相關性特征提取

圖1 每個區域的相關性特征分布情況

2 提取結果

為了驗證本文改進相關性特征的有效性，進行改進前后相關性特征分布對比，從晴、霧、陰、雨、雪這五類天氣類別中選取少量視覺效果較好的樣本。圖2（a）為改進前的特征分布，圖2（b）為改進后的特征分布，可以看出改進后的特征效果明顯好于改進前的效果。

為了驗證改進后的相關性特征是否對大量樣本數據的分布有效，本文將五類天氣的所有場景的樣本都顯示出來，如圖3所示為對所有數據進行相關性特征提取的效果。

3 結論

現有的相關性特征提取依賴于人工選取天氣現象明顯的區域進行特征提取，因此本文對現有相關性特征進行改進。將本文的天氣類別識別特征與現有的天氣類別識別特征進行比較，可以看出本文的特征更有優勢，能夠更有效地區分不同天氣類別。

［1］ Zhao X， Liu P， Liu J， et al.Feature extraction for classification of different weather conditions［J］.Frontiers of Electrical and Electronic Engineering in China， 2011， 6（2）： 339-346.

［2］ Zhao X， Liu P， Liu J， et al.A time， space and color-based classification of different weather conditions［C］//Visual Communications and Image Processing （VCIP）， 2011 IEEE.IEEE， 2011： 1-4.

Development of a Weather Recognition Algorithm Based on Dynamic Characteristics

Peng Xudong1，Xia Shiming1，Sun Jiming2
（1.Institute of Meteorology and Oceanography，PLA University of Science and Technology，Nanjing， 211101；2.Department of Aviation Theory，Aviation University Air Force，Changchun，130022）

Existing dynamic characteristics used to weather recognition is lack of accuracy，this study have made some modifications to increase the overall recognition rate.Existing correlation feature extraction depends on artificial select a region where weather phenomenon is obviously，however based on an improved algorithm in this paper can realized identify weather events automatically.

Weather；Dynamic characteristics；Correlation feature extraction

圖2 改進前后的相關性特征分布情況

圖3 相關性特征分布情況