基于嵌入式隐马尔可夫模型与交叉熵的台风中心定位

摘要

台风是严重危害人类的天气之一,对台风中心准确定位具有重要意义.目前,台风中心自动定位仍处于探索阶段.台风中心定位方法之一是基于形状的定位方法.但由于台风运动过程复杂,形态多变,该方法难以适应各种情况.另一种方法是将台风等效为刚体分析其旋转性,从而确定中心.由于台风本身为非刚体,这种定位方法误差较大. 无论台风在运动过程中如何变化,台风中心的运动最弱,能量最小.基于这一普遍的特点,本文提出基于小波域的嵌入式隐马尔可夫模型和交叉熵相结合的方法进行台风中心定位.该过程分以下五个步骤: 1.对相邻序列图像作差分运算,提取云系的动态信息. 2.对差分图像进行小波变换,获得小波系数,作为后续过程的处理对象.相对于基于像素灰度的分析,基于小波域的分析减少了观察向量的维数. 3.分析单幅差分图像的空间相关性:使用采样窗口对单幅差分图像的小波域采样并将图像分割成若干个均匀分布的小块.对采样得到的小波系数进行嵌入式隐马尔可夫模型算法的训练和识别.按照空间相关性,采用嵌入式Viterbi算法、K均值算法对差分图像重新分割. 4.分析差分图像序列沿时间轴的时间相关性:利用交叉熵来分析差分图像序列的时间相关性,根据图像序列的时间相关性来跟踪各差分图像序列块.较以往的基于单幅图像定位,此过程利用了多幅图像,扩大了信息利用量,而且采用空间相关性与时间相关性相结合的分析方法,能够提高定位精度. 5.使用能量函数度量各序列块的运动能量,能量最小的块所对应的位置即为台风中心. 与以往的方法相比,本文可提高算法的通用性.

目录

文摘

英文文摘

独创性声明及学位论文版权使用授权书

第一章台风简介

1.1关于台风

1.1.1台风的形成条件

1.1.2台风与龙卷风的区别

1.1.3台风与飓风、热带风暴、热带气旋的区别

1.2台风的结构

1.3台风中心

1.4台风的生命过程

1.5台风预报

第二章台风分析方法概述

2.1卫星云图

2.2主成份分析

2.3聚类

2.3.1使用K均值聚类

2.3.2使用自组织映射聚类

2.4基于内容的台风图像数据库检索

2.4.1使用K近邻法的台风图像数据库检索

2.4.2使用动态椭圆的台风图像数据库检索

2.5使用不同模型分析台风序列云图

2.6本文的主要工作

第三章小波理论

3.1小波变换的概念

3.2小波变换的基本形式

3.3多分辨率分析

3.4尺度函数

3.5小波函数

3.6信号分解和重构的Mallat算法

3.7二维离散正交小波变换

3.8本文采用的小波变换

第四章隐马尔可夫模型概述

4.1马尔可夫模型和隐马尔可夫模型的概念

4.2隐马尔可夫模型的基本算法

4.2.1隐马尔可夫模型的三个假设

4.2.2前向-后向算法

4.2.3 Viterbi算法

4.2.4 Baum-Welch算法

4.3基于小波域的隐马尔可夫树模型

4.3.1模型框架

4.3.2小波系数的概率模型

4.3.3小波树的概率模型

4.4使用EM算法解决模型确定问题

4.5嵌入式隐马尔可夫模型

第五章在嵌入式隐马尔可夫模型下用交叉熵进行台风中心定位

5.1序列图像的预处理

5.2台风差分图像的观察向量

5.3台风差分图像的嵌入式隐马尔可夫模型训练与分割

5.4利用交叉熵对台风中心定位

5.4.1关于台风中心的分析

5.4.2使用交叉熵跟踪差分图像序列块

5.4.3使用运动能量函数确定台风中心

第六章总结与展望

6.1本文工作总结

6.2设想与展望

参考文献

发表论文和科研情况说明

致谢