多光谱卫星云图的高维特征聚类与降水天气判别

摘要：

基于静止气象卫星(GMS-5)多光谱云图的天气采样数据,分别对各样本数据在红外、水汽及可见光通道的灰度、梯度和纹理高维特征空间的投影点进行聚类分析,以确定诸天气样本在特征空间中的类属区域,进而用其对云图进行天气区的判别分类.针对传统聚类方法存在的缺点,本文采用了模糊C均值聚类(FCM)、遗传算法(GA)和模糊减法聚类(FSC)相互交叉、优势互补的思想,既克服了GA/FCM算法局部/全局寻优的不足,又可客观确定出聚类中心数目.对高维特征空间中的重叠和交叉部分的样本点类属,通过计算其与空间中各聚类中心点的欧氏距离来予以甄别,最后得到高维特征空间中各天气的类属域,实况云图中诸像素点通过计算和判断其灰度-梯度特征量在高维空间中的投影点落区位置,即可确定其天气类属,进而实现对天气区的自动分类.试验结果表明,该方法具有良好的分类效果,判别结果与天气实况基本一致.

关键词：卫星云图、天气判别、遗传算法、模糊C均值聚类、减法聚类

所属期刊栏目：10

分类号：P407;TP751.1(一般理论与方法)

资助基金：国家卫星项目参作气字2002第35号;中国科学院资助项目40375019

在线出版日期：2006-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：184-190