專利名稱：基于形態(tài)學(xué)和邏輯運算的多普勒雷達(dá)圖像逆風(fēng)區(qū)檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬圖像分析和識別領(lǐng)域，具體涉及多普勒雷達(dá)圖像預(yù)處理、分析及目標(biāo)檢測的方法。
背景技術(shù)：
逆風(fēng)區(qū)是一種強對流性天氣產(chǎn)生的天氣現(xiàn)象在多普勒雷達(dá)徑向速度圖像上的反映，是強降水、冰雹等災(zāi)害性天氣區(qū)域的特有流場特征，具有發(fā)生時間和地點隨機性大、生消周期短暫、危害嚴(yán)重等特點。所以，如果當(dāng)多普勒氣象雷達(dá)徑向速度圖像上出現(xiàn)逆風(fēng)區(qū)時，應(yīng)能快速準(zhǔn)確的判斷和識別，才能達(dá)到對強對流區(qū)域的早期預(yù)警，對國防民生具有十分重要的意義。目前，國外采用圖像分析和識別的方法在逆風(fēng)區(qū)快速自動預(yù)警方面進行了很多的研究工作，并且已經(jīng)開展了實際應(yīng)用，例如氣象監(jiān)測預(yù)報軟件PUP，但是該軟件是根據(jù)美國的天氣特征編寫的，在我國應(yīng)用時識別的準(zhǔn)確率較低，漏報和錯報率較高。近幾年，在國內(nèi)也有研究者開始關(guān)注這方面的工作，其中以天津大學(xué)王萍教授的科研組最具代表性。例如胡大海[1]采用了邊界追蹤和連通域處理等圖像分析和識別方法檢測逆風(fēng)區(qū)；錢鑫洪[2]采用統(tǒng)計正、負(fù)速度區(qū)域輪廓外包點方法判斷逆風(fēng)區(qū)。但是，上述研究仍存在識別率不聞，漏報和錯報率聞等問題。
因此，提出更加有效的逆風(fēng)區(qū)檢測新方法，為自動檢測逆風(fēng)區(qū)這一災(zāi)害性氣象天氣提供基礎(chǔ)技術(shù)支持是十分必要的和迫切的。[I]胡大海.基于多普勒雷達(dá)徑向速度圖的風(fēng)暴信息提取，天津大學(xué)碩士論文，2010.5
[2]錢鑫洪.中小尺度氣旋場及逆風(fēng)區(qū)識別算法研究，天津大學(xué)碩士論文，2011.12。

發(fā)明內(nèi)容
本發(fā)明的目的在于在多普勒雷達(dá)徑向速度圖像上迅速且準(zhǔn)確的找到逆風(fēng)區(qū)的位置。為此，本發(fā)明為自動分析和檢測多普勒雷達(dá)徑向速度圖像上的逆風(fēng)區(qū)區(qū)域提供了一種基于形態(tài)學(xué)和邏輯運算組合操作的多普勒雷達(dá)圖像逆風(fēng)區(qū)檢測方法。本發(fā)明在對多普勒雷達(dá)徑向速度圖像實現(xiàn)去噪及二值化等預(yù)處理步驟基礎(chǔ)上，采用形態(tài)學(xué)和邏輯運算進行特殊的組合操作方法，準(zhǔn)確地判斷雷達(dá)圖像上逆風(fēng)區(qū)區(qū)域的位置，然后依據(jù)尺度大小進行逆風(fēng)區(qū)突出顯示，實現(xiàn)了逆風(fēng)區(qū)快速準(zhǔn)確的檢測。本發(fā)明提供的方法具有算法簡單、速度快、準(zhǔn)確率高、易于軟硬件實現(xiàn)的特點。本發(fā)明的基于形態(tài)學(xué)和邏輯運算組合操作的多普勒雷達(dá)圖像逆風(fēng)區(qū)檢測方法可以很方便的應(yīng)用到個人計算機或者移植到嵌入式系統(tǒng)中，為強對流天氣現(xiàn)象預(yù)測提供了更多更豐富的信息支持。本發(fā)明所提供的基于形態(tài)學(xué)和邏輯運算的多普勒雷達(dá)圖像逆風(fēng)區(qū)檢測方法，包括步驟(a)獲取待分析圖像步驟，具體包括
(al)從一幅雷達(dá)仰角在O. 5至19. 5范圍內(nèi)的多普勒雷達(dá)徑向速度圖像的文字信息中，讀取該圖像獲取時多普勒雷達(dá)仰角值，記為Θ ;讀取多普勒雷達(dá)分辨率，記為r;
(a2)計算所述的多普勒雷達(dá)徑向速度圖像的寬度(單位像素)和高度(單位像素)，從讀入的多普勒雷達(dá)徑向速度圖像的左上角第一個像素開始，向右向下裁剪圖像，將讀入的多普勒雷達(dá)徑向速度圖像裁剪成兩個部分一是只包含多普勒速度區(qū)域的圖像部分；一是多普勒雷達(dá)徑向速度圖像顏色表和文字信息部分；
(a3)選用結(jié)構(gòu)元素，對只包含多普勒速度區(qū)域的圖像進行“開運算”形態(tài)學(xué)濾波，濾除圖像上的噪聲，將去噪后的圖像作為待分析圖像。(b)待分析圖像二值化步驟，具體包括
(bl)根據(jù)所述的多普勒雷達(dá)徑向速度圖像的顏色表，讀取正速度顏色索引范圍，記為[pl，p2];讀取負(fù)速度顏色索引范圍，記為[nl，n2];其中，pi為正速度顏色索引下限，p2為正速度顏色索引上限，nl為負(fù)速度顏色索引下限，n2為負(fù)速度顏色索引上限；
(b2)采用雙閾值法，對待分析圖像區(qū)域進行二值化運算即由pi作為閾值下限，p2作為閾值上限，將待分析圖像中閾值范圍內(nèi)的像素賦值為1，閾值范圍外的像素值賦值為O,得到一幅正向風(fēng)場區(qū)域二值圖像；由nl作為閾值下限，n2作為閾值上限，將待分析圖像中閾值范圍內(nèi)的像素賦值為1，閾值范·圍外的像素值賦值為0，得到一幅負(fù)向風(fēng)場區(qū)域二值圖像。(c)逆風(fēng)區(qū)檢測步驟，具體包括
(Cl)采用形態(tài)學(xué)孔洞填充方法，分別對(b2)中得到的正向風(fēng)場區(qū)域二值圖像和負(fù)向風(fēng)場區(qū)域二值圖像進行鄰域孔洞填充，得到填充后的正向風(fēng)場區(qū)域二值圖像和填充后的負(fù)向風(fēng)場區(qū)域二值圖像；
(c2)將(Cl)中填充后的正向風(fēng)場區(qū)域二值圖像和(b2)中負(fù)向風(fēng)場區(qū)域二值圖像進行邏輯“與”運算，得到一幅二值圖像，即為以負(fù)速度為中心的逆風(fēng)區(qū)圖像，記為Il ；
(c3)將(Cl)中填充后的負(fù)向風(fēng)場區(qū)域二值圖像和(b2)中正向風(fēng)場區(qū)域二值圖像進行邏輯“與”運算，得到一幅二值圖像，即為以正速度為中心的逆風(fēng)區(qū)圖像，記為12 ；
(c4)將(c2)步驟得到的圖像Il和(c3)步驟得到的圖像12進行邏輯“或”運算，得到待分析圖像的逆風(fēng)區(qū)區(qū)域初步檢測結(jié)果二值圖像。(d)逆風(fēng)區(qū)突出顯示步驟，具體包括
(dl)計算(c4)所述待分析圖像的逆風(fēng)區(qū)區(qū)域初步檢測結(jié)果二值圖像中像素值為I的各連通區(qū)域面積；
(d2)根據(jù)氣象觀測需要確定以天氣尺度為單位的逆風(fēng)區(qū)面積，將(dl)所述面積值與(al)所述仰角下多普勒雷達(dá)圖像分辨率r相乘，得到以像素為單位的逆風(fēng)區(qū)觀測面積尺度閾值；
(d3)在(c4)所述待分析圖像的逆風(fēng)區(qū)區(qū)域初步檢測結(jié)果二值圖像中，將大于或等于(dl)所述逆風(fēng)區(qū)面積尺度閾值的區(qū)域賦值為I ;將小于(dl)所述逆風(fēng)區(qū)面積尺度閾值的區(qū)域賦值為0，得到重新賦值的逆風(fēng)區(qū)區(qū)域檢測結(jié)果二值圖像；
(d4)將(al)所述待分析圖像各像素值沖蝕后與(d3)中重新賦值的逆風(fēng)區(qū)區(qū)域檢測結(jié)果二值圖像相加合成，得到突出顯示逆風(fēng)區(qū)區(qū)域的多普勒雷達(dá)徑向速度圖像。


圖I為本發(fā)明的多普勒雷達(dá)圖像逆風(fēng)區(qū)檢測方法步驟框圖。圖2為本發(fā)明提供的形態(tài)學(xué)和邏輯運算組合操作步驟流程圖。圖3為本發(fā)明具體實施例過程流程圖。圖4為本發(fā)明實施例的一幅多普勒雷達(dá)原始圖像。圖4-1原始彩色圖像。圖4-2為圖4-1的灰度化顯示。圖5為本發(fā)明方法在圖4所示圖像上的實施結(jié)果圖像。圖5-1實施結(jié)果彩色圖像。圖5-2為圖5-1的灰度化顯示。
具體實施例方式現(xiàn)對本發(fā)明的基于形態(tài)學(xué)和邏輯運算組合操作的多普勒雷達(dá)圖像逆風(fēng)區(qū)檢測方法具體實現(xiàn)予以詳細(xì)描述。圖2為本發(fā)明所提供的形態(tài)學(xué)和邏輯運算組合操作步驟的流程圖，參照圖2。本發(fā)明為自動分析和檢測逆風(fēng)區(qū)提供了一種基于形態(tài)學(xué)和邏輯運算組合操作的多普勒氣象雷達(dá)圖像逆風(fēng)區(qū)檢測方法。在獲取待分析圖像步驟和待分析圖像二值化步驟之后，進行形態(tài)學(xué)和邏輯運算組合操作步驟，其步驟具體流程描述如下
(1)采用形態(tài)學(xué)孔洞填充方法，分別對待分析圖像二值化步驟中得到的正向風(fēng)場區(qū)域二值圖像和負(fù)向風(fēng)場區(qū)域二值圖像進行8鄰域孔洞填充，得到填充后的正向風(fēng)場區(qū)域二值圖像和填充后的負(fù)向風(fēng)場區(qū)域二值圖像；
(2)將填充后的正向風(fēng)場區(qū)域二值圖像和圖像二值化步驟中負(fù)向風(fēng)場區(qū)域二值圖像進行邏輯“與”運算，得到一幅二值圖像，記作以負(fù)速度為中心的逆風(fēng)區(qū)圖像Il ;將填充后的負(fù)向風(fēng)場區(qū)域二值圖像和圖像二值化步驟中中正向風(fēng)場區(qū)域二值圖像進行邏輯“與”運算，得到一幅二值圖像，記作以正速度為中心的逆風(fēng)區(qū)圖像12 ；
(3)將圖像Il和圖像12進行邏輯“或”運算，得到待分析圖像的逆風(fēng)區(qū)區(qū)域檢測結(jié)果二值圖像；
(4)計算待分析圖像的逆風(fēng)區(qū)區(qū)域檢測結(jié)果二值圖像中像素值為I的各連通區(qū)域面
積；
(5)設(shè)置逆風(fēng)區(qū)尺度參數(shù)，即根據(jù)氣象觀測需要確定以天氣尺度為單位的逆風(fēng)區(qū)面積，將該面積值與仰角e下多普勒雷達(dá)圖像的分辨率r相乘，得到以像素為單位的需要觀測的逆風(fēng)區(qū)面積尺度閾值；
(6)在待分析圖像的逆風(fēng)區(qū)區(qū)域檢測結(jié)果二值圖像中，比較各連通區(qū)域面積與逆風(fēng)區(qū)面積尺度閾值的大??；“大于或等于”，則將連通域內(nèi)所有像素賦值為I 小于”，則將連通域內(nèi)所有像素賦值為0，得到重新賦值的逆風(fēng)區(qū)區(qū)域檢測結(jié)果二值圖像。(7)將步驟(6)重新賦值的圖像與沖蝕后的待分析圖像相加合成，得到突出顯示逆風(fēng)區(qū)區(qū)域位置和面積尺度的檢測結(jié)果圖像。(8)選擇是否重新設(shè)置逆風(fēng)區(qū)尺度參數(shù)?！笆恰保瑒t轉(zhuǎn)向步驟(5)，“否”，則保存當(dāng)前結(jié)果圖像；
(9)結(jié)束。圖3為本發(fā)明的具體實施例過程流程圖，參照圖3。采用本發(fā)明提供的基于形態(tài)學(xué)和邏輯運算組合操作的多普勒雷達(dá)圖像逆風(fēng)區(qū)檢測方法，具體實施例過程步驟如下
步驟I :讀入一幅多普勒雷達(dá)徑向速度圖像，采用圖像裁剪、形態(tài)學(xué)濾波方法除去圖像噪聲，得到只包含多普勒速度區(qū)域的圖像作為待分析圖像的步驟。具體步驟為
(al)讀入一幅多普勒雷達(dá)徑向速度圖像，從圖像的文字信息中讀取雷達(dá)仰角值為0.5， 記作4 =0. 5，讀取雷達(dá)分辨率為I. OOkm,記為r=l. OOkm ;計算讀入的僅包含多普勒雷達(dá)徑向速度區(qū)域的圖像寬度為512像素，高度為512像素，從該多普勒雷達(dá)徑向速度圖像的左上角第一個像素開始，向右向下截取512個像素，將讀入的多普勒雷達(dá)徑向速度圖像裁剪成兩個部分一是只包含多普勒速度區(qū)域的圖像部分；一是多普勒雷達(dá)徑向速度圖像顏色表和文字信息部分；將只包含多普勒速度區(qū)域的圖像作為后續(xù)的待分析圖像，圖像大小為512 512 像素；
(a2)選用尺度為3個像素的正方形結(jié)構(gòu)元素，對整幅待分析圖像進行“開運算”形態(tài)學(xué)濾波，濾除待分析圖像上的噪聲，排除一些雜波、細(xì)小雜點和極坐標(biāo)軸線。步驟2 :采用雙閾值方法，對待分析圖像進行兩次二值化運算，得到一幅正向風(fēng)場區(qū)域二值圖像和一幅負(fù)向風(fēng)場區(qū)域二值圖像。具體步驟為
(bl)根據(jù)所述讀入的多普勒雷達(dá)徑向速度圖像的顏色板，讀取負(fù)速度場對應(yīng)的索引范圍是[1，6]，正速度場對應(yīng)的索引范圍是[9，14]，零速度場對應(yīng)的索引范圍是[7，8]，無效速度場對應(yīng)的索引值為15，黑色區(qū)域?qū)?yīng)索引為O ;因此，正速度顏色索引范圍，記為[9，14];讀取負(fù)速度顏色索引范圍，記為[1，6];其中，9為正速度顏色索引下限，14為正速度顏色索引上限，I為負(fù)速度顏色索引下限，6為負(fù)速度顏色索引上限。(b2)采用雙閾值法，對待分析圖像區(qū)域進行二值化運算即由9作為閾值下限，14作為閾值上限，將待分析圖像中閾值范圍內(nèi)的像素賦值為1，閾值范圍外的像素值賦值為0，得到一幅正向風(fēng)場區(qū)域二值圖像；由I作為閾值下限，6作為閾值上限，將待分析圖像中閾值范圍內(nèi)的像素賦值為1，閾值范圍外的像素值賦值為0，得到一幅負(fù)向風(fēng)場區(qū)域二值圖像。步驟3 :對正向風(fēng)場區(qū)域二值圖像和負(fù)向風(fēng)場區(qū)域二值圖像進行二值形態(tài)學(xué)運算和邏輯運算的組合操作，分析檢測待分析圖像中逆風(fēng)區(qū)區(qū)域，得到逆風(fēng)區(qū)初步檢測結(jié)果二值圖像。具體步驟為
(Cl)采用形態(tài)學(xué)孔洞填充方法，分別對(b2)中得到的正向風(fēng)場區(qū)域二值圖像和負(fù)向風(fēng)場區(qū)域二值圖像進行8鄰域孔洞填充，得到填充后的正向風(fēng)場區(qū)域二值圖像和填充后的負(fù)向風(fēng)場區(qū)域二值圖像；
(c2)將(Cl)中填充后的正向風(fēng)場區(qū)域二值圖像和(b2)中負(fù)向風(fēng)場區(qū)域二值圖像進行邏輯“與”運算，得到一幅二值圖像，記作以負(fù)速度為中心的逆風(fēng)區(qū)圖像Il ；
(c3)將(Cl)中填充后的負(fù)向風(fēng)場區(qū)域二值圖像和(b2)中正向風(fēng)場區(qū)域二值圖像進行邏輯“與”運算，得到一幅二值圖像，記作以正速度為中心的逆風(fēng)區(qū)圖像12 ；
(c4)將(c2)步驟得到的圖像Il和(c3)步驟得到的圖像12進行邏輯“或”運算，得到逆風(fēng)區(qū)區(qū)域初步檢測結(jié)果二值圖像。步驟4:在逆風(fēng)區(qū)區(qū)域初步檢測結(jié)果二值圖像中，突出顯示大于某一以像素為單位的逆風(fēng)區(qū)面積尺度閾值的逆風(fēng)區(qū)區(qū)域，并與沖蝕后的待分析圖像相加合成，得到突出顯示逆風(fēng)區(qū)區(qū)域的多普勒雷達(dá)徑向速度圖像。具體步驟為
(dl)計算(c4)所述待分析圖像的逆風(fēng)區(qū)區(qū)域初步檢測結(jié)果二值圖像中像素值為I的各連通區(qū)域面積；
(d2)根據(jù)氣象觀測需要確定以天氣尺度為單位的逆風(fēng)區(qū)面積，本例設(shè)置為50 (單位公里/km)，將該面積值與(al)所述仰角為O. 5度下多普勒雷達(dá)圖像的分辨率I. OOkm相乘，得到以像素為單位的需要觀測的逆風(fēng)區(qū)面積尺度閾值為50 (單位像素)； (d3)在(c4)所述待分析圖像的逆風(fēng)區(qū)區(qū)域初步檢測結(jié)果二值圖像中，將連通域面積大于或等于50個像素的區(qū)域賦值為I ;將連通域面積小于50個像素的區(qū)域賦值為0，得到重新賦值的逆風(fēng)區(qū)區(qū)域檢測結(jié)果二值圖像；
(d4)將(d3)中重新賦值的逆風(fēng)區(qū)區(qū)域檢測結(jié)果二值圖像與(al)所述待分析圖像各像素值沖蝕為原來的四分之一后相加合成，得到突出顯示逆風(fēng)區(qū)區(qū)域的多普勒雷達(dá)徑向速度圖像。本發(fā)明方法綜合采用了數(shù)學(xué)形態(tài)學(xué)和邏輯運算的特殊組合操作方法，能夠快速且較準(zhǔn)確的檢測多普勒雷達(dá)圖像上的逆風(fēng)區(qū)區(qū)域，具有算法簡單、速度快、準(zhǔn)確率高、易于軟硬件實現(xiàn)等特點?？梢院芊奖愕膽?yīng)用到個人計算機或者移植到嵌入式系統(tǒng)中，為實現(xiàn)多普勒雷達(dá)圖像逆風(fēng)區(qū)迅速且準(zhǔn)確地自動檢測提供了基礎(chǔ)技術(shù)支持。圖4-1為本發(fā)明的多普勒氣象雷達(dá)圖像的原始彩色圖像，實施時直接使用多普勒雷達(dá)原始彩色圖像進行處理和分析。圖4-2為圖4-1的灰度化顯示。圖5-1為本發(fā)明方法在圖4-1所示圖像上的實施結(jié)果，檢測到的逆風(fēng)區(qū)區(qū)域用白色關(guān)出顯不。圖5-2為實施結(jié)果的灰度化顯示。
具體應(yīng)用實例如下
數(shù)據(jù)構(gòu)成2005-2011年，湖南地區(qū)，長沙雷達(dá)站多普勒雷達(dá)圖像47幅(含逆風(fēng)區(qū)圖像45幅，無逆風(fēng)區(qū)圖像2幅)，圖像分辨率均為I. 00km，雷達(dá)仰角Θ包括有O. 5、I. 5,2. 4,6. O。處理平臺采用本發(fā)明提供的方法，在個人計算機上使用MATLAB計算機程序設(shè)計語言設(shè)計開發(fā)的應(yīng)用軟件。作用2005-2011年，湖南地區(qū)，長沙雷達(dá)站多普勒雷達(dá)圖像47幅(含逆風(fēng)區(qū)圖像45幅，無逆風(fēng)區(qū)圖像2幅)，實現(xiàn)了逆風(fēng)區(qū)快速準(zhǔn)確的檢測，生成逆風(fēng)區(qū)檢測結(jié)果圖像。效果圖4-1為本例中一幅多普勒雷達(dá)原始彩色圖像，雷達(dá)仰角值為O. 5，雷達(dá)分辨率為I. OOkm ;圖4-2為多普勒雷達(dá)原始圖像的灰度化顯示；圖5-1為利用本發(fā)明方法對圖4-1的多普勒雷達(dá)原始彩色圖像逆風(fēng)區(qū)檢測的結(jié)果圖像，圖5-2為結(jié)果圖像的灰度化顯示。本實施例中檢測出的符合設(shè)置尺度要求的逆風(fēng)區(qū)區(qū)域在結(jié)果圖像中用白色突出顯示。
采用本發(fā)明提供的方法，對47幅長沙雷達(dá)站多普勒雷達(dá)圖像進行逆風(fēng)區(qū)檢測，逆風(fēng)區(qū)檢測結(jié)果正確率達(dá)到了 89%，方法的漏檢率為4. 2%，錯誤率為6. 3%。本發(fā)明提供的方法對多普勒雷達(dá)圖像逆風(fēng)區(qū)自動檢測具有較高的可靠性，較低的漏檢率和誤檢率，對實現(xiàn)多普勒雷達(dá)圖像逆風(fēng)區(qū)自動檢測具有重要意義和實用價值。
最后說明上面的描述是用于實現(xiàn)本發(fā)明及其實施例，本發(fā)明的范圍不應(yīng)該由該描述 來限定。本領(lǐng)域的技術(shù)人員應(yīng)該理解，在不脫離本發(fā)明范圍的任何的修改或局部替換，均屬本發(fā)明要求權(quán)利限定的范圍。
權(quán)利要求
1.基于形態(tài)學(xué)和邏輯運算的多普勒雷達(dá)圖像逆風(fēng)區(qū)檢測方法，其特征是，包括步驟 (a)獲取待分析圖像步驟采用圖像裁剪方法，將一幅多普勒雷達(dá)徑向速度圖像中的顏色表和文字信息去除，得到只包含多普勒速度區(qū)域的圖像；采用形態(tài)學(xué)濾波方法，對只包含多普勒速度區(qū)域的圖像中的噪聲去除，得到的圖像作為待分析圖像； (b)待分析圖像二值化步驟采用雙閾值方法，對待分析圖像進行兩次二值化運算，得到一幅正向風(fēng)場區(qū)域二值圖像和一幅負(fù)向風(fēng)場區(qū)域二值圖像； (C)逆風(fēng)區(qū)檢測步驟采用對正向風(fēng)場區(qū)域二值圖像和負(fù)向風(fēng)場區(qū)域二值圖像進行形態(tài)學(xué)和邏輯運算組合操作的方法，得到逆風(fēng)區(qū)區(qū)域初步檢測結(jié)果二值圖像； (d)逆風(fēng)區(qū)突出顯示步驟計算逆風(fēng)區(qū)區(qū)域初步檢測結(jié)果二值圖像中各連通域面積，設(shè)定一個逆風(fēng)區(qū)觀測面積尺度閾值，采用將逆風(fēng)區(qū)區(qū)域初步檢測結(jié)果二值圖像中各連通域面積與逆風(fēng)區(qū)觀測面積尺度閾值比較的方法，得到滿足觀測需要的逆風(fēng)區(qū)區(qū)域初步檢測結(jié)果二值圖像；對步驟(a)所述的待分析圖像采用顏色沖蝕的方法，得到顏色沖蝕后的待分析圖像；將滿足觀測需要的逆風(fēng)區(qū)區(qū)域初步檢測結(jié)果二值圖像與顏色沖蝕后的待分析圖像合成，得到突出顯示逆風(fēng)區(qū)區(qū)域的多普勒雷達(dá)徑向速度圖像。
2.如權(quán)利要求I所述的基于形態(tài)學(xué)和邏輯運算的多普勒雷達(dá)圖像逆風(fēng)區(qū)檢測方法，其特征在于，所述的(a)獲取待分析圖像步驟，包括 (al)從一幅雷達(dá)仰角在O. 5至19. 5范圍內(nèi)的多普勒雷達(dá)徑向速度圖像的文字信息中，讀取該圖像獲取時多普勒雷達(dá)仰角值，記為& ;讀取多普勒雷達(dá)分辨率，記為r; (a2)計算所述的多普勒雷達(dá)徑向速度圖像的寬度(單位像素)和高度(單位像素)，從讀入的多普勒雷達(dá)徑向速度圖像的左上角第一個像素開始，向右向下裁剪圖像，將讀入的多普勒雷達(dá)徑向速度圖像裁剪成兩個部分一是只包含多普勒速度區(qū)域的圖像部分；一是多普勒雷達(dá)徑向速度圖像顏色表和文字信息部分； (a3)選用結(jié)構(gòu)元素，對只包含多普勒速度區(qū)域的圖像進行“開運算”形態(tài)學(xué)濾波，濾除圖像上的噪聲，將去噪后的圖像作為待分析圖像。
3.如權(quán)利要求I所述的基于形態(tài)學(xué)和邏輯運算的多普勒雷達(dá)圖像逆風(fēng)區(qū)檢測方法，其特征在于，所述的(b)待分析圖像二值化步驟，包括 (bl)根據(jù)所述的多普勒雷達(dá)徑向速度圖像的顏色表，讀取正速度顏色索引范圍，記為[pl，p2];讀取負(fù)速度顏色索引范圍，記為[nl，n2];其中，pi為正速度顏色索引下限，p2為正速度顏色索引上限，nl為負(fù)速度顏色索引下限，n2為負(fù)速度顏色索引上限； (b2)采用雙閾值法，對待分析圖像區(qū)域進行二值化運算即由pi作為閾值下限，p2作為閾值上限，將待分析圖像中閾值范圍內(nèi)的像素賦值為1，閾值范圍外的像素值賦值為O,得到一幅正向風(fēng)場區(qū)域二值圖像；由Hl作為閾值下限，n2作為閾值上限，將待分析圖像中閾值范圍內(nèi)的像素賦值為1，閾值范圍外的像素值賦值為O，得到一幅負(fù)向風(fēng)場區(qū)域二值圖像。
4.如權(quán)利要求I所述的基于形態(tài)學(xué)和邏輯運算的多普勒雷達(dá)圖像逆風(fēng)區(qū)檢測方法，其特征在于，所述的(c)逆風(fēng)區(qū)檢測步驟，包括 (Cl)采用形態(tài)學(xué)孔洞填充方法，分別對(b2)中得到的正向風(fēng)場區(qū)域二值圖像和負(fù)向風(fēng)場區(qū)域二值圖像進行鄰域孔洞填充，得到填充后的正向風(fēng)場區(qū)域二值圖像和填充后的負(fù)向風(fēng)場區(qū)域二值圖像； (c2)將(Cl)中填充后的正向風(fēng)場區(qū)域二值圖像和(b2)中負(fù)向風(fēng)場區(qū)域二值圖像進行邏輯“與”運算，得到一幅二值圖像，即為以負(fù)速度為中心的逆風(fēng)區(qū)圖像，記為Il ； (c3)將(Cl)中填充后的負(fù)向風(fēng)場區(qū)域二值圖像和(b2)中正向風(fēng)場區(qū)域二值圖像進行邏輯“與”運算，得到一幅二值圖像，即為以正速度為中心的逆風(fēng)區(qū)圖像，記為12 ； (c4)將(c2)步驟得到的圖像Il和(c3)步驟得到的圖像12進行邏輯“或”運算，得到待分析圖像的逆風(fēng)區(qū)區(qū)域初步檢測結(jié)果二值圖像。
5.如權(quán)利要求I所述的基于形態(tài)學(xué)和邏輯運算的多普勒雷達(dá)圖像逆風(fēng)區(qū)檢測方法，其特征在于，所述的(d)逆風(fēng)區(qū)突出標(biāo)注顯示步驟，包括 (dl)計算(c4)所述待分析圖像的逆風(fēng)區(qū)區(qū)域初步檢測結(jié)果二值圖像中像素值為I的各連通區(qū)域面積； (d2)根據(jù)氣象觀測需要確定以天氣尺度為單位的逆風(fēng)區(qū)面積，將(dl)所述面積值與(al)所述仰角下多普勒雷達(dá)圖像分辨率r相乘，得到以像素為單位的逆風(fēng)區(qū)觀測面積尺度閾值； (d3)在(c4)所述待分析圖像的逆風(fēng)區(qū)區(qū)域初步檢測結(jié)果二值圖像中，將大于或等于(dl)所述逆風(fēng)區(qū)面積尺度閾值的區(qū)域賦值為I ;將小于(dl)所述逆風(fēng)區(qū)面積尺度閾值的區(qū)域賦值為O，得到重新賦值的逆風(fēng)區(qū)區(qū)域檢測結(jié)果二值圖像； (d4)將(al)所述待分析圖像各像素值沖蝕后與(d3)中重新賦值的逆風(fēng)區(qū)區(qū)域檢測結(jié)果二值圖像相加合成，得到突出顯示逆風(fēng)區(qū)區(qū)域的多普勒雷達(dá)徑向速度圖像。
全文摘要
本發(fā)明屬圖像分析和識別領(lǐng)域，具體涉及基于形態(tài)學(xué)和邏輯運算的多普勒雷達(dá)圖像逆風(fēng)區(qū)檢測方法，該方法包括對一幅多普勒雷達(dá)徑向速度圖像預(yù)處理的步驟，采用形態(tài)學(xué)和邏輯學(xué)運算的組合操作方法檢測雷達(dá)圖像中逆風(fēng)區(qū)區(qū)域的步驟，以及逆風(fēng)區(qū)尺度篩選并突出顯示的步驟。本發(fā)明提供的方法，能夠快速準(zhǔn)確的檢測并突出顯示多普勒雷達(dá)圖像中的逆風(fēng)區(qū)區(qū)域，具有方法簡單、速度快、準(zhǔn)確率高、易于軟硬件實現(xiàn)的特點。本方法可以很方便的應(yīng)用到個人計算機或者移植到嵌入式系統(tǒng)中，為實現(xiàn)多普勒雷達(dá)圖像逆風(fēng)區(qū)迅速且準(zhǔn)確地自動檢測提供了基礎(chǔ)技術(shù)支持。
文檔編號G06T7/00GK102945360SQ20121035107
公開日2013年2月27日 申請日期2012年9月20日 優(yōu)先權(quán)日2012年9月20日
發(fā)明者趙麗玲, 吳毅, 劉青山, 尹忠海 申請人:南京信息工程大學(xué)