基于運動估計與補償的雷達拼圖預測分析*

秦運龍 張冰松 楊代才 王迎迎

（湖北省氣象信息與技術保障中心 武漢 430074）

1 引言

隨著復雜強對流氣象天氣的增多，雷達拼圖對于強天氣預警預報尤為重要，其及時性和完整性需求也越來越高。在業務傳輸中，由于設備、系統和網絡等原因可能導致雷達拼圖漏缺或延遲。如何及時較好地補缺雷達拼圖，并提前預測預判雷達拼圖的演變在短時強對流預報中具有較強的需求。本文根據雷達拼圖特點，提出了一種基于運動估計和運動補償的方法預測雷達拼圖［1～2］，保障雷達拼圖時序上的完整性，并可提前預判短時間內雷達拼圖演變情況。

2 運動估計

每種雷達拼圖產品都是連續動態變化的，每6min 一張圖，因此連續雷達拼圖的紋理在短時間內是不會發生較大變化，通過紋理特征可以進行運動估計判斷雷達圖變化與走向。

設雷達拼圖實況在時序上的拼圖為I，時序拼圖序列集為{Ij，j∈(1，2，3…)} ，其中Ij表示第 j 張雷達拼圖。將每張拼圖劃分為多個8*8 像素的宏塊，宏塊序列集表示為 {MBj(m，n)，j∈(1，2，3…)，m，n∈(1，2，3…)}其中MBj(m，n)表示Ij拼圖的第m 行第n 列個宏塊。宏塊作為拼圖變化的最小運動單元，每個宏塊前后移動的橫向與縱向位移對應一個運動矢量［3］，宏塊MBj(m，n)的運動矢量記為MVj(m，n)。

2.1 紋理特征提取

圖像的紋理特征是圖像的低頻信息，表征了圖像的具體的內容，通過對每個宏塊進行二維離散余弦變換（Discrete Cosine Transform，DCT）可獲得宏塊的二維頻譜信息［4～5］，從而可取的低頻的紋理信息數據。設宏塊MBj(m，n)對應的8*8 空間像素值為f(x，y)，則其頻譜變化為

式中，M=8，N=8，

F(u，v) 為宏塊對應8*8 大小的二維頻譜信息。通過提取F(u，v)的低頻紋理信息來壓縮數據量獲得宏塊特征。其中F(0，0)為直流信息，表征圖像的主要紋理信息，其余為交流信息，且頻率越低，紋理信息越豐富。二維頻譜數組中越靠近左上角頻率越低，信息量越大，其信息權重也越高，通過設置W1，W2，W3，三個不同權重系數提取壓縮后頻譜。

通過計算頻譜值平方和得到宏塊的特征值T，其中W1＞＞W2＞＞W3。即有宏塊MBj(m，n)對應特征 值 為Tj(m，n) ，Tj(m，n) 反應了整個宏塊MBj(m，n)的紋理特征。由于每張拼圖由多個宏塊組成，則計算第j 張拼圖Ij得到宏塊集MBj特征值集Tj，同理可得到時序拼圖序列集為I對應宏塊集MB特征值集T［6］。

2.2 運動矢量計算

天氣雷達拼圖反應的是大氣云層及水汽含量等特征變化情況，是一個緩慢連續，有一定繼承性的過程，不會出現較大的跳變運動，因此相鄰近雷達拼圖間宏塊移動距離有限。可根據預測的時間序列跨度大小，選擇適當的宏塊特征值匹配搜索范圍，降低計算量，減少其它區域特征值引起的誤判匹配［7～9］。

圖1 運動估計

如圖1，計算從Ij到Ij-1雷達拼圖的運動矢量集Tj，從而預測Ij+1各宏塊對應的位移。設圖像Ij有 M 行 N 列個宏塊，搜索范圍為 L，以 L=5 為例，即Ij某宏塊MBj(m，n)在Ij-1中對應宏塊MBj-1(m，n)搜索半徑為5 個宏塊距離進行特征值匹配，最接近的作為相似度最高的宏塊，即計算其中l∈(-5，-4，-3，…，3，4，5) 。則Ij-1與Ij相似宏塊為MBj-1(m-m1，n-n1) ，MBj(m，n) ，其中 (m1，n1) 為相似宏塊的橫向和縱向位移，即為運動矢量MVj(m，n)，MVj(m，n)作為MBj(m，n)）預測下一張雷達圖Ij+1對應相似宏塊MBj+1(m+m1，n+n1) 的運動矢量。計算所有Ij宏塊運動矢量得到運動矢量集MVj。同理從MBj-2(m-m2，n-n2)到MBj(m，n)宏塊的位移(m2，n2)即為MBj(m，n)預測未來第二張雷達圖對應相似宏塊MBj+2(m+m2，n+n2)的運動矢量，依次類推，即可獲得宏塊的運動變化矢量集［10～11］。隨著預測雷達拼圖的時間跨度增大可適當增大宏塊特征值匹配搜索范圍L的值。

3 運動補償

雷達拼圖在連續緩慢移動過程中回波強度也在發生一定的變化，運動補償則反映了雷達拼圖前后回波強度變化情況，因此在預測雷達拼圖時，不能簡單地將原圖宏塊的像素值復制到預測圖像相應匹配宏塊位置，而應該加上一定的運動補償信息［12～13］。

在獲得運動矢量的基礎上，可以很迅速地找到匹配宏塊對應關系，例如Ij與Ij-1的宏塊對應關系MBj-1(m-m1，n-n1)對應MBj(m，n)。則該宏塊的運動殘差cj(m，n)=MBj(m，n)-MBj-1(m-m1，n-n1)。Ij預測第Ij+1時的運動補償值rcj取前兩個殘差值平均值

4 圖像預測

設圖像Ij有 M 行 N 列個宏塊，則Ij-1與Ij相似宏塊MBj-1(m-m1，n-n1)、MBj(m，n)，其中 (m1，n1)為相似宏塊的橫向和縱向位移。則其預測的下一張圖對應相似宏塊為MBj+1(m+m1，n+n1)，通過宏塊MBj(m，n)像素值和對應運動補償值rc（jm，n）得到預測的相似宏塊的像素值［14～15］為MBj+1(m+m1，n+n1)=MBj(m，n)+rcj(m，n)。計算所有相似宏塊像素值得到第j+1張拼圖的預測拼圖Ij+1。

5 實驗結果與分析

本文采用長江流域雷達拼圖組合反射率產品作為實驗數據集，圖片大小為768×1024 像素，圖片每 6min 生成一個，通過調試，取 W1=20，W2=6，W3=2，L=5。在實際預測實驗過程中，考慮到圖片邊界靜止不變，且宏塊搜索時需進行邊界處理，將圖片周邊8 個宏塊均不做預測，被預測雷達拼圖像素值初始化為用于作為預測參考的雷達拼圖像素值，在預測計算過程中通過宏塊匹配和補償更新被預測雷達拼圖像素值，其預測結果如圖2，其中第一行為實況，第二行為預測結果。

圖2 雷達拼圖預測結果

通過計算預測拼圖和原實況拼圖灰度值相似度，判斷預測拼圖的質量，拼圖相似度以相關系數表征，計算相關系數r的值。

多次預測得相關系數r 平均值變化情況如圖3所示。實驗證明拼圖相關系數大于0.9時其內容與實況產品基本一致，可以滿足預報需求，但在色度上仍有一定偏差。相關系數低于0.9 時，預測誤差逐步擴大，不宜提供作預報服務。

圖3 預測結果與實況相關系數變化曲線

6 結語

本文提供一種基于運動估計與補償的雷達拼圖預測分析方法，該方法利用雷達拼圖在紋理變化上連續性的特點，能夠較好補缺和提前預測雷達拼圖，實驗證明，該方法針對短時間范圍內的雷達拼圖預測結果與實況數據吻合度較高，但在色度上還存在一定的偏差，但針對時間跨度略大的預測，其偏差較大，還需進一步研究。