气象传真图符号的识别分析研究 气象工程专业.docx

《气象传真图符号的识别分析研究 气象工程专业.docx》由会员分享，可在线阅读，更多相关《气象传真图符号的识别分析研究 气象工程专业.docx（51页珍藏版）》请在课桌文档上搜索。

1、1引言1.1 课题的研究背景气象传真图，也称作传真天气图，是一种采用气象传真机传输的天气图。它绘制出了某一区域中某一时刻的各种气象观测情况，可以较为直观地反映该区域的天气情况，是我国进行天气预报和分析的主要手段之一。目前，气象传真图的应用已不仅仅限于陆上天气预报，它也常常被用于高空飞行领域，军事作战领域以及海上航行领域。天气图可以有效帮助海上人员实时监测航线上的天气情况，对设计船舶航线，有效作业及保证人员生命财产安全有着重要意义，但由于地理条件的限制，海上信息传输主要依靠无线传真广播等技术，因此，气象传真图在海洋航行方面的应用尤为重要。近年来，气象传真图得到了迅速发展，其监测范围越来越大，几乎

2、可以涵盖世界上所有海洋地区。不同国家发送的气象传真图各不相同，为了方便协调管理，世界气象组织根据各国设立的气象广播电台，将全球除了南极洲以外的区域划分为了6个传真区域，同时规定各国需在航船上安装气象传真接收机，以保证及时接受气象信息，确保航行安全。目前，应用于航海的气象传真图普遍分为以下三类：（1）传真天气图。包括地面分析图、地面预报图、热带气旋警报图、高空分析图和高空预报图等；（2）传真海况图。包括波浪分析图、波浪预报图、表层海流图、表层海流预报图、表层海温图、表层海温预报图、海冰状况图和海冰预报图等；（3）传真卫星云图。包括可见光云图、红外云图和卫星云图云层分析图等。这些传真图涵盖了从地面

3、预报到云图分析的方方面面。但是由于气象传真图的使用一定程度上需要依靠海上人员的经验判断，因此对于处理综合分析等方面的能力，传统气象传真图受限很大。同时，部分传统气象传真图依然使用无线电设备收集信息并采用热敏打印方式输出，在这种情况下，如果在信息传输过程中出现强噪声影响，可能会对信息的识别产生巨大危害，且不利于长时间保存图片，这些问题促进了数字图像处理技术和气象传真图相结合。151随着当代信息技术的飞速发展，气象传真图代替传统天气图已是必然趋势向，然而目前气象传真图的自动识别和实时分析技术并不成熟，许多气象图的识别仍然依靠航海人员的经验判断，因此亟待加快气象传真图的数字化和自动化进程。1.2 国

4、内外的研究状况气象传真图的处理基于图像矢量化的研究，而图像矢量化的研究是从20世纪70年代数字图像处理技术逐渐广泛应用开始，到20世纪90年代，图像矢量化技术逐渐成熟，开始广为应用于社会各个领域，其中也包含了适用于气象传真图的处理技术。近年来，研究气象传真图的技术随着计算机技术及现代科技的更新换代而飞速发展，气象传真图处理的软件也迅速涌现。国外由于技术起步较早，技术发展相对国内而言较为迅速，日本的ToSGRAPH、挪威Rasterex公司的RxAutolmagePro2000和德国Sofele公司的VRaSterPro等都是可以处理气象传真图的商业化软件。尽管国内技术起步较晚，技术发展略微缓慢

5、，但近年来对气象传真图相关技术的研究成果也层出不穷。在气象图矢量化方面，黄承波在气象传真图的矢量化方法研究及设计实现“）一文中提出了采用逐点跟踪和逐点筛选进行特征点提取，并利用折线进行曲线拟合的等压线矢量化方法；江衍熠等人在基于SNAK模型对气象传真图矢量化的研究一文中提出了先将传真图分层，再采用具有主动寻找轮廓线的Snake模型进行跟踪的矢量化方法。在气象图预处理方面，柴宝仁在中值滤波在气象传真图中降噪的分析Si一文中论述了自适应中值滤波算法的应用；刘超等在航海气象传真图的降噪处理口刃一文中提供了一种基于偏微分方程建立PDE降噪模型的去噪方式。如何提取气象图的关键信息也是处理气象传真图非常重

6、要的一个问题，刘繁明等人在气象传真图图题的识别“4】一文中采用了提取字符特征量并使用模板匹配算法识别字符以自动识别气象传真图的种类的方法；张华等人在气象传真图中警戒线的提取方法研究I一文中先使用了霍夫圆检测的方法分离警戒线，随后以形态学的膨胀及骨架提取操作作为基础来获取警戒线的轮廓，并使用跟踪滤波的方法完成对警戒线轮廓的优化。国内对气象传真图的处理技术尚处于发展阶段，仍有许多问题亟待解决，例如：自动化程度低，在图像处理时人为干涉过多；软件普适性差，往往只适用于特定情况下的图像处理；处理速度稍慢，抗噪性能不强等问题。1.3 气象传真图的解读图11亚洲高空天气分析图气象传真图一般分为天气分析图A(

7、Analysis)和天气预报图F(Forecast)两类，如图1.1是日本东京传真一台发布的亚洲高空天气分析图，笔者将结合此图说明气象传真图的主要内容，英文缩写和常用符号的含义。1.3.1 图题如图1.1中所示，图中左上角和右下角的长方形框图即为气象传真图的图题，其中第一行的AU(Upper-airanalysis)是图的种类代号，表示高空分析图；AS(Asia)是图的地区代号，表示亚洲区域；其后的数字一般表示等压面高度或预报时效，此图题中的50表示等压面高度，意为500hPa;JMH为传真广播台的呼号，表示东京一台；第二行表示传真图的观测时间为2018年4月26日12时00分；第三行是传真图

8、的英文全称。1.3.2气压系统在气象传真图上绘有海岸线和经祎度网格线，通常用黑实线绘制等压线，而在等间隔相邻等压线中还存在一些用于分析的辅助等压线，一般用虚线绘制。1.3.3英文缩写H(High)和L(Low)一般用来标注某一段区域的高压和低压中心，其下方的阿拉伯数字表示为中心强度的气压值；C(Cloud)通常用来标注云状，常见表示形式有Ch、CM和Cl,分别意为高云量，中云量和低云量。W在不同传真图中有着不同的含义，在天气分析图中W(Weather)表示过去天气，而在天气预报图中W(Warning)表示一般警报，此外还有GW(GaIeWarning),SW(StormWarning),TW(

9、TyphoonWarning),WO(OtherWarning)分别表示大风警报，风暴警报，台风警报和其他警报。1.3.4常用符号(1)总云量符号如表Ll所示，表中符号为传真图中表示总云量的符号。表1.1总云量符号符号含义符号含义0无云9总云量为6级总云量Wl级9总云量在7-8级之间G总云量在2-3级之间总云量在91(T级之间总云量为4级总云量为10级0总云量为5级不明(2)风力符号如表1.2所示，表中符号为传真图中表示风力大小的符号。我国沿用符号与国际制符号略有不同，但与包含日本在内的部分亚洲国家一致。表1.2风力符号国际形式符号含义国际形式符号含义中国习用形式符号含义O。区域风力为区域风力

10、为1区域风力为Okn63-67knlms区域风力为Qt喘区域风力为1I区域风力为l-2kn68-72kn2ms7区域风力为区域风力为区域风力为3-7kn73-77kn3-4ms区域风力为8-12kn2”则区域风力为78-82knTn区域风力为5-6msc711区域风力为13-17kn区域风力为83-87kn7H区域风力为7-8msN区域风力为14-22kn9加V区域风力为88-92knol11区域风力为9-10ms区域风力为23-27kn区域风力为93-97kn区域风力为ll-12ms区域风力为28-32kn21!区域风力为98-102kn114IIn区域风力为I3-I4msq,J、区域风力为

11、33-37kn区域风力为IO3-lO6knJ1111区域风力为15-16ms区域风力为34-42kn区域风力为I7-I8msQi*h区域风力为43-47kn-M区域风力为19-20mscl区域风力为48-52knIl-Tl区域风力为21-22ms1E区域风力为53-57kn区域风力为23-24msoN区域风力为58-62kn区域风力为25-26ms（3）气压类符号如表1.3所示，表中符号为传真图中表示气压趋向的符号。符号含义符号含义个气压升后微降、气压升后微降r气压升后平V气压降后平J气压微降后升气压微升后降（4）箭头类符号在部分气象传真图中存在一些如图1.2中所示的箭头符号，其表示在该处地区

12、高低气压系统的移动和发展情况，箭头符号表示该区域中的高气压系统以30kmh的速度向东北方向移动。图1.2包含箭头符号的局部气象传真图1.4本文的主要内容和章节安排本文主要研究如何识别气象传真图中的特殊符号，笔者通过阅读研究国内外相关文献，在了解气象传真图相关背景的基础上，搭建有关气象传真图符号的模板库，并利用模板匹配算法对符号识别进行研究。根据课题内容，将全文分为三章，具体安排如下：第一章首先介绍本文进行研究的课题背景，叙述了气象传真图目前的应用趋势以及重要性，介绍了传真图的相关内容及部分符号，提出了课题需要研究的主要内容以及章节安排。第二章主要说明气象传真图中符号的识别过程及方法。首先通过高

13、斯滤波进行去噪并通过大律法进行图像二值化的处理，完成图像的预处理工作，之后使用连通域标记的方法进行符号检测，并根据搭建的模板库识别符号。第三章主要介绍了实验结果并进行了误差分析。通过遍历传真图图集完成识别算法与搭建模板库的准确度的验证，并对其中产生的误差进行分析。2气象传真图中符号的识别过程2.1 气象传真图的去噪由于检测环境的影响，传输环境的干扰以及接收设备的好坏程度无法确定，气象传真图常常会受到噪声的污染。这些噪声会导致图像中的重要信息无法清晰读取和识别，因此必须对得到的图像进行去噪处理。1 .1.1滤波去噪的方法目前对图像进行去噪的方法有很多，由于本篇文章需要处理的图片中的符号有许多较为

14、相像，故去噪后的图像需要保证良好的特征点以及边缘的特性。并且由于在之后的符号检测中采用的连通域标记法也可以在一定程度上滤除背景中的黑色噪点，据此，笔者选用了高斯滤波对图像进行平滑处理。2 .1.2滤波去噪的原理高斯滤波是一种线性平滑滤波法，一般采用离散化窗口滑窗卷积的方法来实现，由于图像是二维的，因此高斯滤波中的权重分配往往采用二维高斯函数。它在针对图像中某一像素点及其邻域进行平均时，会根据像素点位置的不同赋予其不同的权值，邻域中的像素点在经过加权平均后会赋予其中心位置的像素点一个新的值，具体处理方法如下：计算邻域中像素点灰度值时，首先将选定的中心像素点作为二维高斯函数的原点，其邻域中的点根据

15、其位置对应分布在二维高斯函数曲线上，并分配权重即可得到权重矩阵。如图2.1,以3*3的卷积核为例，中心点坐标为原点（0,0）,其邻域中各点按照对应坐标分布在二维高斯函数曲线，计算即可得到权重矩阵。之后，用每个像素点的权重值以及灰度值相乘，并将这些值相加，平均后即为中心像素点经过高斯滤波后新的灰度值。用模板遍历整张图片,对图像上所有像素点重复上述过程，即可得到高斯滤波后的图像。(-19-1)(0,-1)(1,-1)(-1,0)(0,0)(1,0)(-1,1)(0,1)(1,1)图2.13*3卷积核22气象传真图的二值化气象传真图在经过数字化处理后一般是多级的灰度图像。对需要进行的检测和识别等操作

16、而言，灰度图像无法满足其要求，由于二值图像的图像灰度值只有黑（O）和白（255）两个状态，故需要将已有的灰度图像经过二值化处理得到相应的二值图像。转化后的图像不仅大量减少了需要进行的图像数据量计算，而且也极大程度上简化了后续的操作难度。2.2.1二值化的方法二值化在图像处理中具有极其重要的作用，实现二值化的方法也有很多。由于气象传真图在滤波后受到的噪音干扰较小，且图像内像素的灰度值分布比较集中，故笔者选择了使用大津法（OTSU）以求得对传真图进行二值化处理的阈值。大津法，又称作最大类间方差法。按照大律法求得的阈值对图像进行二值化分割处理之后，图像中目标和背景的类间方差值达到最大。它以图像中像素

17、的灰度特性为依据，将图像分成目标和背景两部分。由于方差可以衡量灰度分布的均匀性，所以若计算得到目标和背景之间的类间方差越大，则说明构成一幅完整图像的两部分差别越大。如果一部分目标被错误认为是背景或者一部分背景被错误认为是目标都会导致其类间方差减少。因此,使类间方差最大的二值分割意味着错分概率最小。大津法计算简单，运算速度快，一般不会受到图像亮度和对比度的影响，适用于绝大多数需要求图像全局阈值的场合。2.2.2二值化的原理及实现大津法计算阈值的具体过程如下：设图像中的像素总数为N,灰度范围0,LJ,像素E的灰度值为i,贝心出现的概率为niPiF（2.1）假设存在阈值T,则可以将图像中全部像素分为

18、两类，一类为灰度值大于T的C”另一类为灰度值小于T的C2。像素被分为Ci,C2的概率分别为P和P2,因此就有：T-IP=Pii=0P2=1-P(2-3)Ci和C2的均值mi和m2分别为：T-ImI=iPizP(2-4)i=01.-Im2=iPizP2(2-5)i=设整体图像的灰度均值为mo,则有m0=pl*m1+p2*n2(2-6)根据方差的计算公式，可得类间方差的表达式为：2=p1*(wl-w0)2+p2*(w2-w0)2(2-7)将式(2-6)代入式(27),可得2=pl*p2*(11i-/W2)2(2-8)令T遍历灰度值区间O,L/,以1为步长逐次递增取值，当取得使/最大的值时结束运算,

19、此时T的值即为所求二值化的阈值。求得二值化的阈值后，将其带入二值化运算算法之中。设F(i,j)为灰度图像，G(i,j)为处理后的二值化图像，则图像二值化可由式(2-9)表示：11(i(2-9)5/，(0,F(z)T二值化处理后的图像如图2.2所示:值化结果图2.2二值化后的图像2.3气象传真图连通域的检测2.3.1图像连通域原理图像是由像素作为最小单位构成的，每个像素的周围有8个紧邻它的邻接像素。一般邻接关系分为两种：4邻接和8邻接。4邻接一共分为上下左右四个点，如图2.3所示；8邻接不仅包含4邻接的4个点，也包括了位于对角线位置的点，如图2.4所示。图2. 3 4邻接示意图在图像中如果像素点

20、A与B邻接，则称A与B连通，而图像连通域是指图像中具有相同像素值并且位置相邻的前景像素点组成的图像区域。同一图像，如果考虑不同的连通方式,则划分出来的连通域也会有所不同。2.3.2图像连通域检测常用方法连通域检测即相当于连通域区域标记。连通域区域标记有很多种算法，有的算法只需一次遍历图像即可完成标记，而有的算法则需要多次遍历图像进行运算。一般常用的检测算法有区域生长法、基于行程的标记算法和基于轮廓的标记算法等。区域生长法：区域生长法需要先扫描全图，扫描顺序按照从左到右,从上到下的顺序进行。对于需要分析的目标对象，在扫描中如果遇到一个没有被标记的像素点，则会赋予其一个尚未使用过的标号，随后检测该

21、像素点的邻域，如果在其邻域中发现存在没有被标记的像素点，则会赋予这个新发现的像素点同样的标号，并且再次检测这个新的像素点的邻域，找到其他未标记的像素点后赋予其同样的标号，不断重复上述过程，直到有相同标号的所有像素点的邻域内找不到没有标记过的像素点。此算法对于各类连通域都有较好的识别能力，且受限制较小。但是由于算法需要不断检测每个像素点的邻域，导致运算量很大，运算时间较长。 基于行程的标记算法：基于行程的标记算法是目前matlab中连通区域标记函数bwlabel使用的算法。它可以采用4连通标记或者8连通标记，首先扫描全图，记录每一行(或列)中连续的团并标记等价对，随后通过标记的等价对再次重新标记

22、原来的图像。相比于区域生长法的标记算法，其运算时间大大提升，适合用于快速检测的场合。,6 基于轮廓的标记算法:基于轮廓的标记算法是目前开源库CvBlob中使用的标记算法,它首先也需要扫描全图，通过定位不同连通域的内外轮廓来标记图像，其核心是轮廓的搜索算法。它相比与基于行程的标记算法而言效率较低，但在连通域总数目在100之内时，二者速度几乎相同。的2.3.3本章使用的图像连通域检测方法由于气象传真图模板较多，为了减少运算时间，提升运算速度，故笔者采用了基于行程的标记算法，算法原理如下：a.遍历全图，逐行扫描图像，顺序为从左至右，从上至下。每一行中连续不间断的白色像素组成的序列记作一个团(run)

23、,同时记录该团的起点位置，终点位置和它所在行的序号。b.对于除了在第一行之中的其余行内的所有团，如果它与上一行之中的所有团都没有连通区域，则赋予其一个新的标号；如果它与上一行之中的某一个团有连通区域，则将该团的标号赋予它；如果它与上一行之中的超过一个团都有连通区域，则将上一行与之有连通区域的团的最小标号赋予它，并且将这些团的标记写入等价对，将它们标记为一类。c.标记等价对结束后，需要将等价对转换为等价序列。从1开始，同一等价序列会赋予一个新的标号。d.遍历开始团的标记，查找等价序列，赋予它们新的标号。e.在标记图图像中填入每个团的标号，结束。笔者将结合图2.5说明该算法，如图2.5,对于这个4

24、行的图像，有3行都含有白色像素组成的团。图2.5例图扫描第一行，可以得到两个团，分别记录它们的起始点和终点为2,6和10,13,同时分别给它们赋予标记1和2。扫描第二行，同样可以得到两个团，并记录为6,7和9,10。但从图中可以看到，它们与上一行的团均有连通，故将其分别用已有的标号标记为1和2。扫描第三行，依旧可以得到两个团记录为2,4和7,8。记录为2,4的团与上一行任何一个团都没有连通，故赋予它一个新的标号3,而记录为7,8的团与上一行的两个团都有重叠，所以将其上两个团中较小标号1赋予它，同时将1和2存入等价对。将整幅图像如上述过程遍历直到结束，可以得到许多团的起始位置，终止位置和它们所在

25、行的序号，以及一个有许多等价对的列表。接下来需要将等价对转换为等价列表，并再次遍历全图的等价列表同时赋予它们新的标号。最后，将新的标号填入标记图图像，即可完成图像连通域的检测。2.4气象传真图的模板匹配2.4.1模板匹配原理模板匹配是一种用给定目标图像T在原图像S中寻找相同或类似目标并进行定位的技术。其原理即是通过运算一些相似度准则来衡量目标图像与原图像中部分图像块之间的相似度，在相似度高于一定阈值时判定该区域与给定目标图像一致。2.4.2模板匹配常用方法相关法：通过计算模板图像和待匹配子图的相关系数来确定是否匹配。计算得到的相关系数越接近于1,说明匹配度越高，如果相关系数等于0,则说明完全不

26、相关，此种方法计算量大，越算时间长，但匹配精度较高。误差法：通过计算模板图像和待匹配子图的误差来确定是否匹配。计算得到的误差越小，则匹配度越高。一般为了提高运算速度，往往会取一个误差阈值，当误差小于阈值时便停止计算该点的误差，转而进行下一点的计算。使用误差法来匹配模板，当模板很大时，匹配速度会比较慢，模板越小，匹配速度越快。二次匹配误差算法：二次匹配误差算法中的匹配要进行两次运算。第一次匹配运算是粗略匹配，它只去模板图像的隔行隔列数据在待处理图上进行隔行隔列的扫描匹配。即取模板数据的四分之一，在原图的四分之一范围内匹配。第二次匹配是精确即配，在第一次匹配的基础上取误差最小的点，在其邻域内进行搜

27、索匹配，得到最后的匹配结果。此匹配算法大幅减少了需要计算的数据量，匹配速度显著提高。2.4.3本章使用的模板匹配方法：为尽可能保证模板识别精度，笔者选择了基于空间相关性的图像模板匹配法。具体原理如下：在空间滤波中，相关意为滤波器窗口逐次移过图像并计算每一个像素位置的灰度乘积和的过程。而基于空间相关性的图像模板匹配与滤波过程类似，设模板图像为T(m,n),待处理图像为F(x,y),模板叠放在待处理图上平移，覆盖待处理图的那块区域称作子图，设ij为子图左下角在待处理图F上的坐标，搜索范围是：lWiWx-n,iWjWy-m。F与T的相关表示为：MNcO,J)=fi(加，)-T(小，2(2-10)m=

28、lW=I计算相关度C(x,y)即为在待处理图像上逐像素地移动模板图像T(m,n)的原点像素，在每一次的移动过程中根据式(2-10)计算每一个像素的相关性，但只计算相关度C(x,y)有时会产生误差，故对式(2J0)的表达式进行归一化后如式(2-11)所示：之之初，)叮(?，)SlQRg)=下+K(2-U)1Z，叫Z7(m，必2Vn=!nlYw=lW=I当模板和子图一致时，相关系数R(i,j)=l,在待处理图F中完成全部搜索后，取图中R为最大值的位置的子图即为匹配目标。2.5符号识别设计过程2.5.1模板库的搭建在图1.1中可以观察得出，气象传真图中的特殊符号大小相近，但同一类符号在传真图中与海岸

29、线，经纬线和等值线交叉重叠后比较相似，因此需要丰富模板库的模板数量以保证识别准确率。笔者首先选取一部分传真图作为模板图像的来源，对之进行裁剪后得到模板图像。计算其中每一个模板的聚团灰度值，进而可以得到进行图像连通域检测需要用到的去除大对象和小对象的阈值。获得阈值后对阈值进行调整，并用连通域检测的方法处理剩下作为模板基础的传真图，手工裁剪检测出来的符号图像作为新的模板，裁剪完毕后重新计算模板库中每一个模板的聚团灰度值，得到新的连通域上下界阈值，为下一步符号连通域的检测做准备。如图2.7为笔者建立的符号模板库，其中，风力符号模板库一共204个模板；风力符号模板库二共390个模板；风力符号模板库三共

30、471个模板；风力符号模板库四共1137个模板；风力符号模板库五共30个模板；风力符号模板库六共675个模板；风力符号模板库七共80个模板；风力符号模板库八共152个模板；风力符号模板库九共16个模板；气压符号模板库共274个模板。RsRbi BlH ISSl(a)风力符号模板库一图2.7符号模板库2.5.2符号连通域的检测根据模板库中计算得到每一类模板聚团灰度的最大值与最小值，以此确定连通域检测的上下限阈值。利用连通域和阈值去掉待处理图像中连通域和过大或者过小的部分，随后检测剩余图像的连通域，记录连通域的总数，检测出的连通域以矩形的形状予以保存。因为以矩形保存的连通域中可能会含有其余小对象，

31、所以需要再次进行连通域和的计算，滤除掉小对象，只保留该连通域中聚团灰度值最大的对象。如图2.8所示，为图1.1的符号连通域检测结果图。筛选出的连通域图2.8符号连通域检测结果2.5.3符号模板匹配读入模板库，由于模板匹配的方法对图像旋转变换不具有适应性，因此读入的每一个模板都要进行旋转操作，笔者选择将模板每旋转10保存一次，如图2.9所示，单模板旋转后在气象传真图上进行匹配，可使模板库对传真图的适应性有所提升，但由于风力符号之间的相似度较高，因此仍需要大量模板来提高匹配准确度。2.9单模板旋转后匹配结果读入模板后，检测每个模板的最大连通域对象，之后用其逐个识别保存的图像连通域。由于已经确定了待

32、识别的连通域的长宽，因此首先可以筛掉模板长宽与连通域长宽差别较大的模板，再用剩下的模板对之进行匹配检测。每一个经过匹配的模板都会计算得到一个相关系数，遍历模板之后保存与连通域对应相关系数最大的模板，准备进行下一步匹配度阈值的调试。为了保证准确率，笔者经过调试后将多符号模板匹配的阈值设置为0.87,单符号模板匹配的阈值设置为0.94,匹配度低于这一阈值的模板不予处理，高于这一阈值的模板会被保留,同时会在图中画出对应匹配区域，如图2.10所示。图2.10符号识别结果2.5.4识别精度验证对于已经识别完成的图片，还需要进行识别精度的验证。因为图中符号众多且不易辨认对错，故笔者将每一个识别出的符号与之

33、对应的模板放大，如图2.11所示，之后对之进行逐一判断，最终计算得到识别精度=正确识别符号数/总识别符号数。图2.11判断符号与模板一致性2. 6本章小结本章主要说明气象传真图中符号的识别过程及方法。首先根据气象传真图的特点进行了图像滤波以及二值化处理，为之后的符号检测以及模板识别做好了预先准备。之后介绍了整体程序运用的连通域检测和模板匹配的方法，并说明了相关原理，最后介绍了整体程序的设计方法。3实验结果及误差分析3.1实验结果笔者根据气象传真图的符号分类搭建了多符号模板库和单符号模板库，前者验证在同一张传真图上多种符号模板识别的精度，后者验证模板库对4000张图集的适应性。3.1.1多符号模

34、板库结果验证多符号模板库部分识别结果如图3.1所示，其中红色方框中的符号为正确识别，蓝色方框中的区域为错误识别：原始图像符号识别结果(a)图片一识别结果原始图像符号识别结果(C)图片三识别结果原始图像NINDRRROWBSOhPeIFXAS784JMH3112ZJHN2019原始图像符号识别结果图片五识别结果原始图像符号识别结果(f)图片六识别结果符号识别结果(g)图片七识别结果原始图像符号识别结果(h)图片八识别结果图3.1多符号模板库部分识别结果3. 1.2单符号模板库结果验证(1)以风力符号模板库四作为单符号的识别验证结果如图3.2(a)-所示，其中红色方框中的符号为正确识别，蓝色方框中

35、的区域为错误识别：符号识别结果图片九识别结果!880?,2880AUAS50 JMH 212OOZ APR 2018 MMC2 TDr(Cl-AUAS70 JMH 0412OOZ OEC 20】8 *1GMT(K) TDT(C) eC)AUAS70 JMH 01200Z DEC 2018 *Gfr(I EF而-叩 mEm(x C)AUAS50 JMH 2612OOZ RPR 2018 ttM. rer符号识别结果(b)图片十识别结果符号识别结果(d)图片十二识别结果符号识别结果图片十三识别结果OdOOOOZc11400瞰W符号识别结果(f)图片十四识别结果12l11c31JAN2019(20B

36、JT31JAN2019).50OhpU.Tep(C).HcimIGLUtPatimlIfoIeOr*1oicmIOntrr(MKJ)lChitM符号识别结果(g)图片十五识别结果OouTC13FEB2019(08BJT13EB2019),hPa,T(p(C)Jkight(ctagjm)NfttioMlIfotooroloeicalContor(NMC),ChhAnalycr:LiJtZQkmi符号识别结果(h)图片十六识别结果OOuTC(HFEB2019(08BJT01FEB2019).925hTcap(C).Hcigh(dap)50E60aE70EtEQOtE100*E110vC120*13

37、CEIWEIWTE8OEWE1(XE11E12(ENnQiemlIfolcorologicalCen(C),Height(iagp)50eeo70weixeno12OEi3oeIwEsoMtimlM*torlexicaICmHmt(NMC).da符号识别结果(j)图片十八识别结果图3.2风力符号模板库四符号识别结果(2)以风力符号模板库六作为单符号的识别验证结果如图3.3(a)所示，其中红色方框中的符号为正确识别，蓝色方框中的区域为错误识别：符号识别结果(a)图片十九识别结果符号识别结果图片二十一识别结果原始图像符号识别结果(d)图片二十二识别结果121IC13FEB2019(20BJl13H

38、-B2019),2OThPa,T三p(C),Height(fagp)Natiarai!IIKcOrOlogiaICMnor(NIlC),QihCtwweiI Zhongti f(M MandtH,1208-ChtyraiZbongshaIOyE 110W符号识别结果(e)图片二十三识别结果oE110Etiml Moleoroloical Ontrr(MK)tChiim符号识别结果(f)图片二十四识别结果12Irrc06fjEB2019(20BJT06EEB2019),lhPa,Teep(C),Height(dagpa)NatioalMeteorologicalCenter(NMC)tChina

39、符号识别结果(g)图片二十五识别结果OOUTC07EEB2019(08BJTo7H-B2019)r100hPa,Ttwp(C)JIeiRtH(dapa)NationalMeteorologicalCenter(NMC),Chirm符号识别结果(h)图片二十六识别结果图3.3风力符号模板库六符号识别结果3. 2识别精度验证笔者将已建立的多符号模板库遍历图题或地理位置一致的图集，并对已建立的单符号模板库遍历4023张图集，得到识别精度如表3.1所示。表3.1识别精度模板库类型识别精度多符号模板库96.21%单符号模板库风力符号模板库四97.53%风力符号模板库六9731%3. 3本章小结本章主要说

40、明了识别方法的实验结果及识别误差产生的原因，通过遍历传真图图集完成识别算法与搭建模板库的准确度的验证，说明了本文中的符号识别方法及建立的模板库对传真图的适应性较好，并且分析了模板匹配产生误差的原因。目前气象传真图不仅在航海航行中广为应用，而且在地面天气预报中的作用也日益增大,对气象传真图中的信息进行自动化处理已逐渐成为近年研究领域的重点之一。本文研究了如何识别气象传真图的特殊符号，主要完成了以下工作：（1）通过高斯滤波在可以比较完整保留图像特征信息的情况下对气象传真图进行初步去噪，并采用大律法处理去噪后的传真图,得到阈值后进行二值化处理；（2）根据传真图符号特点进行分类，分别建立模板库；（3）

41、采用连通域标记算法对传真图进行符号检测，以减少模板匹配的计算量；（4）采用模板匹配的方法识别已检测出的符号，分类测试设计的程序及自建模板库对传真图的适应性。从实验结果来看，本文中研究的方法可以较为准确的识别气象传真图中的符号，但是由于气象传真图中符号众多，笔者因为时间关系只对其中部分符号建立模板库并遍历图集进行测试，以后可以进一步丰富气象传真图模板库的图集。大学生活转瞬即逝，回望走过的岁月，我的心中倍感充实。在这四年的学习生活中，我得到了许多老师，同学和朋友的帮助以及关怀。在即将完成学位论文的时刻，我要向所有帮助，支持和鼓励我的人表示诚挚的谢意。首先，我要感谢我的指导老师潘海朗老师对我的教导，自论文的选题，构思，撰稿到最终的定稿都离不开潘老师的耐心指导；其次，感谢大学期间所有教过我的老师们，正是因为有老师们的悉心教导，我才能掌握扎实的专业技能，养成良好的学习习惯；再次，感谢我的家人在大学期间对我的关爱与包容，也要感谢所有陪伴我的同学与朋友，在他们的热心帮助下，我解决了许多学习与生活上的问题，我能顺利完成学业离不开他们每一个人。最后，还要感谢我的母校南京理工大学，母校给予我一个宽阔的学习平台，在这里，我不仅学习了各种知识，也在浓厚的学术氛围中不断提升自己，为了更好的未来而不断奋勇争先。