基于模糊纹理光谱的全天空红外图像云分类

摘要

为了对全天空红外测云系统获得的红外图像进行云类自动识别,提出了基于模糊纹理光谱结合云物理属性的全天空云类识别方法.首先根据不同滤波窗口的模糊纹理光谱图像特征,确定了滤波窗口大小,然后通过分析不同天空类型下的FUTS谱(fuzzy uncertainty texture spectrum)以及同一种天空类型下的FUTS谱,考察了FUTS进行云类识别的适用性,最后利用最小距离分类法和云基本物理属性对全天空红外图像进行了分类测试.在200个测试样本中,层状云、积云、高积云、卷云和晴空的识别率分别为100%,100%,90%,100%,100%,平均识别率达到98%.基于模糊纹理光谱的云分类算法对单一云空具有很好的分类效果,可进一步应用于全天空红外图像的云分类识别.