基于极限学习机的地基可见光云图的云分类

摘要：

大气系统中云的辐射特性以及分布情况决定了天气预报的准确性和气候监测的有效性.云的检测与识别对大气探测和大气遥感至关重要.本研究旨在通过提取可见光云图的纹理特征、颜色特征和sift特征自动训练分类器,实现对卷云、积云、层云和晴空的分类识别.本研究采用极限学习机(extreme learning machine)对样本进行学习,并在不同条件下进行云分类识别.实验结果表明:当纹理特征、颜色特征和sift特征融合在一起时,获得了比单独使用纹理特征、颜色特征和sift特征以及它们两两组合时更好的识别效果,识别正确率分别为87.67％、90.75％、74.50％和93.63％,平均正确率达到86.64％.在相同实验条件下,本文采用的方法比人工神经网络(artificial neural network)、K近邻(k-nearest neighbor)和支持向量机(support vector machine)好.

关键词：云分类、纹理特征、颜色特征、sift特征、极限学习机

所属期刊栏目：38

分类号：P468(气候学)

资助基金：国家自然科学基金资助项目61105115,61272223

在线出版日期：2015-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：678-685