基于BP神经网络的一种新的云特征提取分类方法

摘要

本文利用全天空红外测云系统得到的天顶图像进行了云类特征抽取和识别方法的讨论.首先采用自适应滤波框方法进行图像的去噪,而后利用高低帽变换和高通滤波进行图像细节的增强,在此基础上采用最佳阈值法进行云块主体的轮廓提取,进而抽取云块比例FRA、云块灰度均值ME、轮廓边缘清晰度DEF以及表达云块和云缝大小分布信息的CGL、GM、GML、CA等参数作为云图特征.最后,利用BP神经网络对典型的波状云、积状云和卷云三类云共277组数据进行了分类,总正确率为90.97%.