基于BP神經網絡的雪花形狀分類研究

石峰 宋曉毅 安陽工學院

引言：針對氣象學科基礎研究中的雪花形狀分類問題，文章提出一種基于BP神經網絡的雪花形狀分類方法。首先對雪花圖像進行圖像預處理并提取雪花的輪廓特性；在此基礎上利用雪花輪廓得到雪花的縱橫軸比、矩形度、周長凹凸比、面積凹凸比、形狀參數以及致密度6種形狀特征參數，采取BP神經網絡設計分類器。實驗表明，該分類器識別率可以達到91.67%，能夠為后續研究雪花物理結構與人工干預降雪之間的關系提供可靠數據支撐。

1 圖像預處理

首先對圖像進行二值化處理，在13種基于直方圖的圖像全局二值化算法中，本文應用最大類間方差法（Otsu）進行圖像二值化處理，獲得最優的圖像分割閾值。并對分割后的圖像形態學操作，完成邊緣檢測和提取輪廓線。

2 形狀特征參數提取

雪花圖像包含了豐富的特征信息，比如形狀特征和紋理特征，根據形狀分類的相關理論，本文利用雪花的輪廓、凸包和最小包圍盒得到形狀描述，利用這些形狀描述計算出縱橫軸比、矩形度、周長凹凸比、面積凹凸比、形狀參數和致密度6種相對形態參數。

2.1 雪花輪廓提取

本文先提取雪花的外部輪廓，通過采用輪廓跟蹤法對雪花圖像進行輪廓提取，具體算法步驟為：（1）對圖像預處理后的雪花二值化圖像采用自頂向下、從左到右的順序進行掃描，得到第一個像素點為1的點，此時將其作為起始點，進行步驟2。（2）得到起始點后，按照逆時針方向尋找當前像素點周圍8個方向上的領域點，如果發現像素值為1的點且領域上包含0像素點，若此像素點先前沒有被掃描過，將這個像素點作為當前點，記錄下相應的鏈碼值。（3）重復步驟2，直到回到起始點。（4）根據步驟2和3所記錄的鏈碼值，得到雪花的形狀輪廓。輪廓圖如圖1（a）所示。

2.2 求取雪花凸包

本文采取Graham掃描法求取最小凸包，凸包是指在雪花圖像中，找出某些點作一個多邊形，使這個多邊形能把所有點都包括在內，這個凸多邊形稱之為凸包。如圖1（b）、（c）所示，（b）圖為對原始凸包圖像進行膨脹算法后的圖像，（c）圖為對膨脹圖像進行相應程度侵蝕算法后的圖像。

2.3 求取最小包圍盒

最小包圍盒是指包含某個區域內所有像素點的一個最小矩形，如圖1（d）所示。算法過程描述如下：（1）使用一條平行線對凸包兩邊的頂點進行檢測，發現有一條凸包頂點之間的連線與這條平行線重合，記下這兩條平行線的位置，然后作兩條垂直于這條平行線的線段，從這個方向的兩側凸包頂點開始尋找。最后4條線段可以形成一個矩形，并且計算該矩形的面積。（2）重復上面的過程，直到遍歷完所有的雪花凸包頂點，面積最小的矩形就是最小包圍盒。

2.4 形狀特征參數提取

（1）縱橫軸比（AxisRatio）：雪花圖像最小包圍盒的寬度與長度的比值。（2）矩形度（Rectangularity）：雪花面積與最小包圍盒面積的比值。（3）面積凹凸比（ConvexityArea）：雪花面積與雪花凸包面積的比值。（4）周長凹凸比（ConvexityPerimeter）：雪花周長與凸包周長的比值。（5）形狀參數（Formparameter）：是由雪花的面積與周長之間的計算出來的值，反映了雪花面積的緊密性。（6）致密度（Density）：用來描述圖像邊界復雜程度的指標，反映了圖像趨于圓的程度。

3.BP神經網絡分類器

BP神經網絡是一種多層前饋神經網絡，主要特點是輸入信號前向傳遞，誤差反向傳播，如果輸出層無法得到期望輸出，就會轉向反向傳播，根據預測誤差調整網絡權值和閾值，即可使預測輸出向期望輸出不斷逼近。本文采用的BP神經網絡為3層，激活函數為sigmod函數。（1）確定網絡節點數。本文采用六項形狀特征作為輸入層節點數，即m=6，輸出層節點數對應雪花形

其中a取0～10的常數，l確定了大概范圍，通過使用試湊法確定出最佳的節點數l，本文l取10。（2）網絡初始化。在初始化階段，給予權重系數Wij一個隨機數（-1.0～1.0），學習速率為0.01，目標誤差0.001。（3）訓練算法選擇。本文采用梯度修正法和反向錯誤傳播算法。對雪花庫雪花選取3種類型：六角盤狀、六枝星狀和星形樹枝狀的雪花圖像500張進行處理，3種類型中各隨機選取100個作為訓練樣本，剩下200個作為分類測試樣本，識別率達到91.67%。

圖1 （a）雪花形狀輪廓圖；（b）雪花形狀凸包圖（膨脹后）；

（c）雪花形狀凸包圖（侵蝕后）；（d）最小包圍盒圖

結語：花形狀分類在氣象領域的基礎研究工作中發揮著重要作用，本文利用數字圖像處理技術對雪花圖像提取了縱橫軸比、矩形度、面積凹凸比、周長凹凸比、形狀參數以及致密度等6項形態特征參數，設計了一種基于BP神經網絡的雪花形狀分類方法。實驗表明本方法對于3種雪花形態的正確識別率達到了91.67%，驗證了利用BP神經網絡對于雪花形狀進行分類的可行性與較好的魯棒性。今后進一步的研究方向是繼續改進智能分類算法，解決存在雪花殘缺或者雪花圖像模糊干擾情況下的分類問題。