基于數(shù)學(xué)形態(tài)學(xué)的陣風(fēng)鋒識別算法

基于數(shù)學(xué)形態(tài)學(xué)的陣風(fēng)鋒識別算法

陣風(fēng)鋒的識別算法風(fēng)峰是指強對流系統(tǒng)的強對流，如強風(fēng)或電流，到達近地，通過接觸雷和風(fēng)暴前的溫暖環(huán)境，形成一個交界面，也稱為流量或流量邊緣。國內(nèi)外氣象學(xué)者們針對陣風(fēng)鋒的研究可歸納為兩個方面,一是形成機制和結(jié)構(gòu)特征及其作用等,二是自動識別算法。Benjamin(1968)指出陣風(fēng)鋒是由于雷暴出流冷濕氣團密度大而因重力作用下沉與暖氣團相遇而形成的本文結(jié)合已有的陣風(fēng)鋒識別方法并加以改進,基于陣風(fēng)鋒窄帶形態(tài)、速度輻合特征外,新考慮了陣風(fēng)鋒移動迅速特征,綜合“相鄰時次體掃強度變化”、“速度切變”和“速度梯度”等參量,利用數(shù)字圖像處理技術(shù)中的數(shù)學(xué)形態(tài)學(xué)識別陣風(fēng)鋒。該算法處理圖像數(shù)據(jù)速度快,能較好地得到陣風(fēng)鋒位置信息,為陣風(fēng)鋒伴隨的大風(fēng)預(yù)警提供參考依據(jù)。1形態(tài)學(xué)處理方法數(shù)學(xué)形態(tài)學(xué)是由一組形態(tài)學(xué)的代數(shù)運算子組成的,它的基本運算有4個:膨脹、腐蝕、開啟和閉合,它們在二值圖像和灰度圖像中各有特點?；谶@些基本運算還可推導(dǎo)和組合成各種數(shù)學(xué)形態(tài)學(xué)實用算法,用它們可以進行圖像形狀和結(jié)構(gòu)的分析及處理,包括圖像分割、特征抽取、邊緣檢測、圖像濾波、圖像增強和恢復(fù)等數(shù)學(xué)形態(tài)學(xué)方法利用一個稱作結(jié)構(gòu)元素的“探針”收集圖像的信息,當(dāng)探針在圖像中不斷移動時,便可考察圖像各個部分之間的相互關(guān)系,從而了解圖像的結(jié)構(gòu)特征。結(jié)構(gòu)元素的選取一般幾何上比原圖像簡單,且遠小于原圖像,根據(jù)形態(tài),一般分為十字形、圓形和菱形3種(圖1)。采用不同的結(jié)構(gòu)元素進行形態(tài)學(xué)運算有不同的效果膨脹是將目標(biāo)周圍的背景點合并到該物體的過程,對填補目標(biāo)中的空洞非常有用,如果兩個目標(biāo)之間距離比較近,則膨脹運算可以把這兩個目標(biāo)連通起來。腐蝕是消除目標(biāo)所有邊界點的一種過程,亦可以把小于結(jié)構(gòu)元素的目標(biāo)集合去除。如果兩個物體間有細小的連通,選擇合適的結(jié)構(gòu)單元通過腐蝕運算可以將兩個物體分開。細化是將復(fù)雜的圖像在保持整體圖像主干結(jié)構(gòu)不變的情況下將多像素點的區(qū)域逐步精簡為一個像素點,最終得到單像素點構(gòu)成的分支,即圖像的骨架。細化的目的是在提取圖像的骨架同時保持圖像的原有形狀和連通性本文采用的形態(tài)學(xué)處理流程為:膨脹、腐蝕和細化。圖2給出了一張原始圖像經(jīng)膨脹、腐蝕和細化后的效果圖。2風(fēng)險零型識別2.1陣風(fēng)鋒回波特征量場本文綜合考慮陣風(fēng)鋒的窄帶、快速移動和速度輻合特征,利用一個能綜合反映這些特征的參量,建立雷達觀測范圍內(nèi)的二維特征量場,用于陣風(fēng)鋒的圖像識別。用雷達相鄰時次體掃0.5°仰角反射率因子差值場來反映陣風(fēng)鋒的窄帶和快速移動特征。在一個6min的體掃周期內(nèi),降水回波的強度和位置變化較小,除了降水回波邊緣外,降水回波內(nèi)部的反射率因子差值都應(yīng)該在零值附近。而陣風(fēng)鋒表現(xiàn)為弱的窄帶回波,而且其回波強度比其周圍的要強,移動速度比較快,因而,在0.5°仰角反射率因子差值場中,當(dāng)前時次陣風(fēng)鋒所在處的反射率因子差值應(yīng)該是正值,且小于一定閾值(缺省值為30dB);而上一時次陣風(fēng)鋒所在處的反射率因子差值應(yīng)該是負值,且大于一定閾值(缺省值為-30dB)。為了減輕降水回波邊緣對陣風(fēng)鋒特征信息的干擾,在計算反射率因子差值場之前先對兩幅反射率因子圖進行膨脹處理,避免在差值場中留下較多的降水回波邊緣信息。圖3給出了2005年6月14日武漢雷達觀測的一個陣風(fēng)鋒個例的相鄰時次體掃0.5°仰角反射率因子及其差值場,位于圖3c中間部位的長弧線回波就是陣風(fēng)鋒所在位置,此外,圖中還有一些其他回波信息。利用速度輻合C和速度梯度G這2個參量來描述陣風(fēng)鋒的速度輻合特征,其計算公式如下:其中:i,j分別為當(dāng)前庫的方位和斜距序號,Δr為徑向速度的距離分辨率,r為斜距,V為徑向速度值,n=-3,-2,-1,0,1,2,3;m=3。C和G單位均為m·s在反射率因子差值場基礎(chǔ)上,再綜合考慮C和G場,得到一個二維特征量場,用于陣風(fēng)鋒的圖像識別。具體做法是:在反射率因子差值場中,針對位于2~15dB的回波點,檢查對應(yīng)的C和G值,如果C和G值均為有效值且小于設(shè)定閾值(缺省閾值分別為-1m·s2.2陣風(fēng)鋒的細化陣風(fēng)鋒骨架抽取過程包括對二維特征量場進行二值化、膨脹、腐蝕、填補空洞、細化和剪枝。首先對二維特征量場進行二值化,把有效值點設(shè)為1,其他設(shè)為0。然后選取5×5圓形結(jié)構(gòu)元素(圖1b)對二值化后的二維特征量場進行膨脹和腐蝕。細化處理是將原圖像中寬度大于1個像素的線條細化成只有一個像素寬,其目的是為了提取陣風(fēng)鋒骨架。細化的基本思想是層層剝離,即從線條邊緣開始一層一層向里剝離,直到線條只剩下一個像素點為止。細化算法應(yīng)滿足3個條件:①將條形區(qū)域變成一條薄線;②薄線應(yīng)位于原條形區(qū)域的中心;③薄線應(yīng)保持原圖像的拓撲特性。在細化結(jié)果中會產(chǎn)生毛刺和斷紋等缺陷,因此細化處理后還需要對骨架剪枝,以便得到一條沒有分支的曲線。對于一條有分支的曲線,其由3種點組成:端點、節(jié)點和它們之間的普通點,圖5給出了節(jié)點(中心點)的幾種常見分布方式。一個節(jié)點必有3個或4個可能的查找方向,對每個方向逐點尋找其到端點的距離,距離最短的即為分支,應(yīng)被剔除掉。最后的剪枝結(jié)果可能得到數(shù)條無分支的光滑曲線,選取較長的曲線,查找其兩端附近的短線,如果方向不超過30度,則將兩條線段連通成一根,最終去掉長度較短的曲線,剩余一條較長的曲線即為陣風(fēng)鋒。圖6給出利用武漢雷達2005年6月14日12:13觀測的基數(shù)據(jù)識別的陣風(fēng)鋒中間結(jié)果圖,其對應(yīng)的反射率因子場及其差值場見圖3。3反射率因子和陣風(fēng)鋒識別結(jié)果選取武漢雷達2005年6月14日和2002年8月24日觀測的2個陣風(fēng)鋒過程的共53個體掃數(shù)據(jù)對該算法進行了檢驗,結(jié)果表明該算法正確識別陣風(fēng)鋒39個,錯誤識別3個,漏識別11個。圖7給出了2005年6月14日12:07—13:14的反射率因子和相應(yīng)的陣風(fēng)鋒識別結(jié)果圖,圖8給出了2002年8月24日04:24—05:37的反射率因子和相應(yīng)的陣風(fēng)鋒識別結(jié)果圖,反射率因子圖中的箭頭所指是陣風(fēng)鋒窄帶回波。從這兩個陣風(fēng)鋒過程的識別結(jié)果可以看出,識別曲線與陣風(fēng)鋒窄帶回波的位置和走向較為一致,在多數(shù)時次,由于陣風(fēng)鋒兩端回波較弱的緣故識別出來的曲線長度較短,但仍能為陣風(fēng)鋒大風(fēng)預(yù)警提供參考依據(jù)。4識別算法檢驗本文基于陣風(fēng)鋒的反射率因子窄帶形態(tài)、速度輻合和快速移動特征,提出基于數(shù)字圖像處理技術(shù)中的數(shù)學(xué)形態(tài)學(xué)算法的陣風(fēng)鋒自動識別算法。利用武漢雷達觀測的2個陣風(fēng)鋒過程的共53個體掃數(shù)據(jù)進行該算法