多普勒气象雷达图像逆风区的检测与识别

摘要

逆风区是一种强对流性天气中产生的天气现象在多普勒雷达速度图上的反映，是强烈降水区域的特有流场特征，该区域往往对应着强风，强降水，冰雹等灾害性天气。实现对逆风区的自动识别功能，可以预警强对流区域，对国防，民生都有着十分重要的意义。
　　 本文根据多普勒气象雷达采集速度数据生成的回波图像，依据逆风区图形较大，且不规则，以及速度值与周围区域差值过大的固有特点，创新性的运用了滤镜、图像增强、改进型序贯算法、双向序列比对等方法识别出了逆风区。
　　 首先，运用模糊滤镜将原始图像的噪声点以及有可能干扰识别的微小区域滤除，并将图像转为灰度图像。其次运用高帽低帽图像增强的方法将图像进行增强，以突出各个区域。利用canny算子进行边缘提取，并对提取好边缘的图像进行封闭运算，再提取各个封闭区域的边缘，以利于进行边缘比对。再次用改进型序贯算法对寻找好的区域边缘进行分类。最后利用双向序列比对算法并结合特定阈值，对逆风区区域进行判别。实验证明，本方法可有效识别逆风区。

目录

文摘

英文文摘

第一章 绪论

1.1 逆风区的形成

1.2 逆风区的危害

1.3 逆风区的特点

1.4 国内外研究现状

1.5 本文工作与结构

第二章 多普勒雷达数据预处理与预研究

2.1 多普勒雷达原理

2.2 多普勒雷达数据预处理

2.3 基本反射率图绘制

2.4 组合反射率图绘制

2.5 本章小结

第三章 逆风区回波区域识别实验框架

3.1 逆风区的图像特征

3.2 逆风区的识别实验流程

3.3 本章小结

第四章 气象多普勒雷达图像预处理

4.1 表面模糊图像

4.1.1 滤镜概念简介

4.1.2 滤镜处理

4.2 灰度变换

4.3 图像增强

4.4 气象多普勒雷达图像预处理实验

4.5 本章小结

第五章 图像边缘提取

5.1 图像边缘提取

5.1.1 边缘提取Canny算子方法

5.1.2 Canny算子较其它算子的优势

5.2 图像封闭

5.3 闭合图像轮廓提取

5.4 图像边缘提取实验

5.5 本章小结

第六章 图像分组与识别

6.1 图像分组

6.1.1 膨胀归0算法

6.1.2 序贯算法

6.1.3 改进型序贯算法

6.2 分组区域中心选取

6.3 双向序列比对

6.3.1 双向序列比对算法介绍

6.3.2 双向序列比对的优势

6.4 图像分组与逆风区识别算法验证与分析

6.4.1 图像分组算法验证与分析

6.4.2 逆风区识别算法验证与分析

6.5 本章小结

第七章 多普勒雷达图像逆风区的检测与识别实验

7.1 多普勒雷达逆风区检测流程

7.2 气象多普勒雷达图像预处理实验

7.3 图像边缘提取实验

7.4 图像分组与识别阶段

总结与展望

致谢

参考文献