提取天氣類別靜態特征的算法研究

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）

提取天氣類別靜態特征的算法研究

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靜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。在對現有的功率譜斜率特征進行研究時發現功率譜能量均值可能對大量的樣本區分更有效，因此本文最終采用功率譜能量均值特征的提取。

天氣；靜態特征；功率譜

為了區分不同天氣現象，需要提取反映天氣現象的特征。根據天氣現象產生的視覺效果，可將天氣現象特征分為兩類：靜態視覺特征，如顏色特征，紋理特征，形狀特征等；運動特征，如運動物體分割，運動目標跟蹤檢測等?，F有的靜態特征識別中，主要從圖像中提取功率譜斜率、紋理特征、顏色特征、對比度、銳度特征等特征。

本文的靜態特征提取流程如下：對于一組圖像序列，首先進行關鍵幀提取，本文采用平均值法得到關鍵幀。對于關鍵幀圖像，轉換到灰度空間。先進行傅里葉變換，后提取功率譜圖像，從中統計功率譜隨不同半徑的分布狀況，最后計算不同半徑下功率譜能量均值。

1 功率譜能量均值

功率譜能量均值特征是對功率譜斜率特征的改進，前者提取過程與后者相近。相比晴好天氣下的圖像，降雪和霧等惡劣天氣環境下的圖像清晰度角度，我們根據視覺效果把天氣類別分為清晰天氣和模糊天氣，此時，圖像丟失了部分高頻分量。文獻［1］［2］［3］通過提取功率譜斜率信息，以表征各類天氣現象對圖像中不同距離的局部場景造成圖像退化效果。要提取圖像的功率譜斜率，首先需要對原始圖像進行離散傅里葉變換，得到變換后的圖像，然后將傅里葉變換后的圖像轉為功率譜圖像，功率譜變換方法為：

功率譜圖像的提取效果如圖1所示，圖1（a）、（b）分別為晴天和霧天條件下的一幀圖像，分別為2013年11月28日14時00分00秒的圖片和2013年12月4日7時3分0秒的圖片，圖1（c）、（d）分別為晴天和霧天圖像對應的傅里葉變換圖像，圖1 （e）、（f）分別為晴天和霧天圖像對應的功率譜圖像，可以看出傅里葉變換圖像的差異不太明顯，而功率譜圖像存在明顯的差異?，F有的方法是在功率譜圖像的基礎上提取功率譜斜率，即計算功率譜隨半徑的分布情況，擬合出斜率。

通過對晴天和霧天圖像對應的功率譜隨半徑的分布圖進行分析（圖略），本文發現晴天的功率譜能量明顯要大于霧天，因此可以考慮將不同半徑下功率譜能量的均值作為特征值。

2 提取結果

為比較功率譜斜率和功率譜能量均值這兩個特征的有效性，將陰、霧、晴、雪四類天氣的所有樣本的特征分布進行對別。圖2 （a）、（b）分別為不同天氣類別下的數據在功率譜斜率和功率譜能量特征下的分布情況，縱坐標都為同一特征值，橫坐標分別為功率譜斜率和功率譜能量均值。由于是比較橫坐標的區分能力，可以分別沿著垂直于橫坐標的方向畫一條直線，看這條直線能否將晴陰（清晰度較高）與霧雪（清晰度較低）盡可能地進行區分。通過觀察圖2的橫坐標可知，功率譜能量均值的區分能力明顯強于功率譜斜率，能夠將清晰度高的天氣（晴、陰）與模糊程度較高的天氣（霧、雪）有效區分，因此對于本文的視頻數據，功率譜能量均值的效果優于功率譜斜率。

3 結論

通過觀察不同天氣類別在不同特征下的分布情況以及特征區分不同類別的基尼系數值，對不同特征的有效性進行了比較。本文的靜態特征主要是功率譜能量均值特征，該特征是對現有特征進行的改進。在對現有的功率譜斜率特征進行研究時發現功率譜能量均值可能對大量的樣本區分更有效，因此進行功率譜能量均值特征的提取。

［1］ 張天坤，基于機器視覺的天氣識別研究與實現，武漢理工，2014

［2］ Li Q， Kong Y， Xia S.A method of weather recognition based on outdoor images［C］//Computer Vision Theory and Applications （VISAPP）， 2014 International Conference on.IEEE， 2014， 2： 510-516.

［3］ Burton G J， Moorhead I R.Color and spatial structure in natural scenes［J］.Applied Optics， 1987， 26（1）： 157-170.

Development of a Weather Recognition Algorithm Based on Static 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 static characteristics used to weather recognition is lack of accuracy，this study have made some modifications to increase the overall recognition rate.It found that the mean power spectral energy for a large sample may be more effective at distinguishing，so the feature of mean energy of power spectrum was choose as a static characteristic.

Weather；Static characteristics；Power spectrum

圖1 功率譜提取過程圖像

圖2 功率譜斜率與功率譜能量均值的比較