导读:本文包含了可见光云图论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:云图,可见光,特征,纹理,颜色,气象局,云量。
可见光云图论文文献综述
叶志敏,张鑫,张征宇,胡昊[1]（2018）在《利用可见光云图资料监测黄东海海雾的个例分析》一文中研究指出海雾对海上航行、飞行、海上作业以及海上军事行动均有很大影响。平流冷却海雾是暖湿空气移到较冷的海面时,因下部冷却而形成的雾。中国不同海域雾的程度和出现季节差异较大。4-6月,黄东海区域海雾多发,舟山到长江口以及黄海中南部为相对多雾中心,年雾日可达60-70天,近海海雾的这种分布和变化情况,与我国近海海流的分布和变化以及冷暖空气活动有着密切的关系。2018年4月18日至20日,黄海中南部、东海北部海区连续叁天出现平流海雾,部分海区能见度仅几十米。此次海雾范围广、持续时间长,严重影响我海上军事监视侦察任务。气象卫星资料可以对海雾进行连续地监测,极大地弥补了海上观测资料的不足。春季由于海雾的温度与海面水温基本相当,因此在天空无云时,红外云图上均呈黑色或暗灰色,在红外云图上就无法辨别雾(层云);在可见光云图上,由于雾顶较平,反照率较大,因而色调较白。在同一区域的可见光云图上有白色或灰白亮区,而红外云图上无亮区时,则此亮区即为海雾。在可见光云图上雾(层云)的色调从灰色至白色,这决定于雾(层云)的厚度和稠密程度以及太阳高度角,雾越厚、越浓,色调越白。雾(层云)的顶部纹理比较光滑、均匀,边界非常清晰。本文基于FY-2G气象卫星,尤其是可见光云图资料,对这次平流雾过程的特征进行了分析。红外云图上,整个黄海及东海北部海区均为晴空少云区,图像色调为浅灰色,海陆边界明显,顶部为均匀幕状,无法从海水中区分较薄的低云或雾,也无法确定雾区的范围和边界。18-20日的可见光云图上,在山东南部、苏浙沿海以及济州岛以西海域,均能监测到海雾:海雾色调为灰色至白色,近海的雾成片状,分布在海陆交界处,远海的雾区呈孤立块状,边缘清晰,通常分布在水温梯度较大的黄海暖流与黄海冷水交界处的冷水一侧。通过逐时可见光云图的对比,可以发现海雾演变的一些特征:(1)4月18日至20日,沿海地区和近海的雾生成于海陆交界处,是海上暖湿气流平流至冷的陆地而生成的,范围、强度整个白天变化不明显。(2)远海区域出现的雾区,其色调、移动、生消方式都存在差异。首先是生成后的色调不同,有的呈浅白色,如18日东海北部F处和20日山东半岛南部H处,有的为深灰色,如19日济州岛以西G处雾区,这种色调的差异反映了雾的厚度和稠密程度不同,雾越厚、越浓,色调越白。其次是移动和生消方式的不同,18日的雾区没有明显移动,在原地消散。19日的雾区逐渐向北偏西方向移动,移动过程中形状有明显变化。20日雾区范围逐渐缩小,雾区东边缘从海上向陆地撤退,下午雾区趋于消失。本文还对这次黄东海持续出现的海雾过程成因进行了分析。结果表明,产生本次大雾的天气形势属于入海变性冷高压西部型,这种有利且稳定的天气形势是海雾维持与发展必不可少的条件。另外,合适的海气温差,稳定的大气层结,以及春季黄海暖流位置变化,为平流海雾的生成、维持提供了有利条件。利用气象卫星云图,尤其是可见光云图资料,可及时监测、跟踪海雾的生消变化。在海上军事活动的气象保障过程中,对易于出现海雾的天气形势和流场要仔细分析,及时掌握沿海岛屿的航危报,监测沿海站有关湿度参数的演变,加强气象卫星云图,尤其是可见光云图资料的运用,及时预报、监测、跟踪海雾的生消变化。(本文来源于《第35届中国气象学会年会 S21 卫星气象与生态遥感》期刊2018-10-24）
陈青青,李彪,汤志亚,杨玲,王耀萱[2]（2017）在《地基可见光全天空云图云量图像处理识别方法》一文中研究指出为增强地基可见光全天空云图中云与天空的特征和区别,提高云检测率,基于图像复原和图像增强技术提出一种改善云图质量的方法。该方法采用暗通道去雾算法进行图像复原;采用亮度直方图均衡增强图像纹理细节;综合两种方法,先图像复原,再图像增强。按低能见度薄云、低能见度厚云、高能见度薄云、高能见度厚云4种情况分别进行讨论,结果表明:除高能见度薄云采用单一的图像复原使云检测效果降低外,图像复原和图像增强都能使云检测和云量识别准确率提高;综合二者,云检测和云量识别准确率进一步提高;该方法对薄云和低能见度云图的改善最为显着。(本文来源于《气象科技》期刊2017年06期）
李林,刘青山,夏旻[3]（2015）在《基于极限学习机的地基可见光云图的云分类》一文中研究指出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。(本文来源于《大气科学学报》期刊2015年05期）
航讯[4]（2015）在《风云二号G星传首张可见光云图》一文中研究指出中国气象局国家卫星气象中心近日成功获取风云二号G星第一张可见光云图,图像清晰、层次丰富、纹理清楚。该卫星2014年12月31日9点02分在西昌卫星发射中心发射,2015年1月6日7点40分成功定点于东经99.5°赤道上空的地球同步轨道,并被正式命名为风云二号G星,星载载荷扫描辐射计及空间环境监视器正式开机。与之前的F星相比,风云二号G星进一步抑制了图像中存在的杂散光,在图像质量上有了显着提高。据悉,在轨测试结束后,风云二号G星将由东经99.5°漂移到东经105°,作为主业务(本文来源于《太空探索》期刊2015年03期）
朱彪,杨俊,吕伟涛,陈丽英,马颖[5]（2012）在《基于KNN的地基可见光云图分类方法》一文中研究指出云图的自动分类是实现地基云自动化观测的技术保障。该文探讨了一种先将云图分为积状云、层状云和卷云3大类的分类方案,通过对3大云类和晴空这4种天空类型的纹理特征、颜色特征和形状特征进行分析,选取了21个特征参量,并采用K最近邻分类器(K-Nearest Neighbor,KNN),在不同的K取值情况下对这几类天空类型进行了分类识别。结果表明:新的分类方案是可行的,且当纹理特征、颜色特征和形状特征结合使用时获取了比单独利用纹理特征、颜色特征和形状特征以及它们两两组合时更好的识别效果。当K=7且使用21个特征参量时,KNN算法对积状云、层状云、卷云和晴空的识别最好,识别正确率分别为91.1%,74.4%,70.0%和100.0%,平均正确率为83.9%。(本文来源于《应用气象学报》期刊2012年06期）
朱彪[6]（2012）在《基于KNN的地基可见光云图分类方法研究》一文中研究指出云是气象研究中的重要因子，它是影响地球能量和水汽平衡的重要因素之一。云图的自动分类是实现地基云自动化观测中亟待解决的一个难点。在当前的云观测项目中，云状的观测仍然以目测为主，目测归类以《中国云图》云分类为基准。在器测云分类时，若以目测归类的标准来归类，在云类识别时造成的误判相当严重。利用器测对地基云进行分类始终没有一个客观的标准，现有的云状识别方面的研究都只是在方法上进行了一些初步的探讨。本文根据云的形成物理机制和形态，对云进行了一个粗分类，提出了两种器测云分类方案，一种是将云分为积状云、层状云和卷云叁大类；另一种是将云分为积状云、层状云和波状云叁大类。晴空作为一种天空状况，在上述两种分类方案中单独作为一类。对云图进行分类识别的首要步骤是提取云图特征。文中详细介绍了数字云图纹理、颜色和形状特征提取的相关算法：通过灰度共生矩阵法和Tamura纹理来表征云图纹理信息；通过颜色矩来表征云图的颜色信息；通过形状无关矩来表征云图形状信息。在提取了云图的特征之后是采用分类器进行分类识别，文中介绍了当前云状识别研究中几种常用的分类器，通过比较，本研究选用KNN(K-Nearest-Neighbor,KNN)分类器进行分类识别，该算法是成熟、简单的机器学习算法之一，在解决复杂问题时K近邻分类器具有运算模型简单且计算复杂度低等优点。通过对第一种云分类方案(积状云、层状云、卷云和晴空)和第二种云分类方案(积状云、波状云、层状云和晴空)4种天空类型的纹理、颜色和形状特征进行分析，采用K最近邻分类器在不同的K取值情况下选用不同的特征量组合对这几类天空类型进行了分类识别，文中共选取了8个不同的K值。文中特征量组合共包括七种组合（单独使用纹理特征、颜色特征和形状特征的分类识别，纹理特征、颜色特征和形状特征两两组合的分类识别，纹理、颜色和形状特征叁者结合的分类识别），对两种云分类方案识别的结果有如下结论：(1)当纹理特征、颜色特征和形状特征结合使用时获取了比单独利用纹理特征、颜色特征和形状特征以及它们两两组合时更好的识别效果。(2)当KNN分类器中K值为7且使用21个特征参量时有最好的识别结果，其中对积状云、层状云、卷云和晴空的识别正确率分别为91.1%、74.4%、70.0%和100.0%，平均正确率为83.9%，对积状云、波状云、层状云和晴空的识别正确率分别为86.7%、70.0%、72.2%和100.0%，平均正确率为82.2%。比较两种云分类方案的识别结果之后，对第一种云分类方案(平均识别正确率为83.9%)进行了特征量组合优化，第一种云分类方案中共选用了21个特征量，但是由于一些特征量是冗余的，特征量组合优化的目的便是减少这些冗余特征量对于识别结果的影响。优化之后的识别正确率得到了提高，当K为7时，对积状云、层状云、卷云和晴空的识别率分别为90.0%、80.0%、72.2%、100.0%，平均识别正确率为85.6%。通过对特征量组合的优化，减少了冗余的特征分量，提高了识别速度。(本文来源于《成都信息工程学院》期刊2012-05-31）
江帆[7]（2011）在《介绍利用图像处理软件增强可见光云图反差的技术》一文中研究指出针对可见光云图存在的亮度问题,利用图像处理软件对其进行加工处理,增强其亮度,达到反差效果明显的作用。(本文来源于《气象研究与应用》期刊2011年S2期）
朱青[8]（2010）在《卫星红外云图与可见光云图融合方法研究》一文中研究指出风暴等强对流灾害天气严重威胁着人民的生命财产安全,时常给人民财产造成严重损失,因此对强对流天气的监测及预警系统的研究开发,是当前学术界研究的热点。气象卫星具有大范围空间监测的特点,而且其提供的气象云图数据在空间和时间上具有连续性。本文从原始气象卫星云图数据入手,对气象卫星采集到的可见光与红外数据进行融合,提高了数据的准确性和精确性,为后边强对流云团的监测和预警奠定了良好的基础。在大气强对流活动中,气象卫星采集到的红外数据与可见光数据是对风暴等强对流天气监测和预警的主要数据,在应用中,我们主要利用红外数据的亮温差值监测强对流云团。但是,在现有的气象卫星技术中,气象卫星采集到的红外云图的分辨率低,而采集到的可见光云图的分辨率高,本文利用小波变换和多分辨率分析将有用的可见光云图信息融合到红外云图中,以此在视觉效果上来提高红外云图的分辨率。本文主要讨论了卫星可见光与红外云图的形成原理、特点和区别,为后边的图像融合奠定基础。此外,本文还着重研究了可见光与红外云图融合的适用范围,由于气象卫星可见光通道传感器存在只能在白天工作的局限性,生成的可见光云图就存在斜射问题。通过对一系列可见光与红外云图的对比,得到了在夏季京津地区可见光数据的有效时间区间。本文首先将单小波变换技术引入气象卫星云图融合研究之中,通过分别对可见光与红外云图进行小波分解,得到它们的低频分量和高频分量。为在融合图像中保留基本的红外信息,融合图像的低频部分全部采用红外的低频,而融合图像的高频部分是利用局部方差法对红外与可见光的高频分量进行选择得到的,最后经过小波逆变换重构成分辨率更高的图像。单小波方法的缺点是随着小波变换分解层数的增加,融合图像重构后损失的信息会增加,甚至可能产生失真现象,在此基础上,对单小波变换方法进行改进,我们使用了多小波变换技术对可见光与红外云图进行融合。本文借鉴了单小波对图像的分解和重构,将多小波变换技术应用到气象卫星云图融合中,使融合图像获得更好的准确率。由于多小波的多维数据流特点,需要对可见光与红外云图做预滤波处理,于是本文对几种预滤波方法进行了试验,为多小波变换融合图像做好了前期准备。最后,对图像融合质量的评价方法进行了较深入的研究,引入了一系列对融合图像进行定性和定量评价的准则和方法,对插值拟合法、基于红外信息的单小波法和多小波法得到的融合图像进行了主观和客观评价,并比较了这叁种融合方法的性能优缺点,获得了一些重要的参数,为后边的强对流天气的预警追踪奠定了基础。(本文来源于《中国海洋大学》期刊2010-05-27）
林琳胡亚[9]（2008）在《胡锦涛温家宝作出重要批示》一文中研究指出本报讯记者林琳胡亚报道5月30日，中共中央总书记胡锦涛、国务院总理温家宝在中国气象局呈送的风云叁号A气象卫星成功发射及第一张云图接收情况汇报上作出重要批示。胡锦涛总书记批示，要依靠先进科学技术手段，提高气象预报预测能力，搞好各项气(本文来源于《中国气象报》期刊2008-06-03）
裴晓芳,王振会,张红[10]（2007）在《可见光云图日食阴影订正方法的改进和应用》一文中研究指出日食发生时,卫星可见光云图上受其影响区域会出现明显的阴影,使该区域的信息无法得到分析和利用。提出并应用改进的几何模型法对可见光云图日食阴影做订正处理,并计算出指定区域处理前、后的灰度共生矩阵;然后抽取云图纹理特征量对订正效果做进一步分析比较,结果表明,改进后的几何模型法基本消除了日食对云图的影响。(本文来源于《中国图象图形学报》期刊2007年09期）
可见光云图论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为增强地基可见光全天空云图中云与天空的特征和区别,提高云检测率,基于图像复原和图像增强技术提出一种改善云图质量的方法。该方法采用暗通道去雾算法进行图像复原;采用亮度直方图均衡增强图像纹理细节;综合两种方法,先图像复原,再图像增强。按低能见度薄云、低能见度厚云、高能见度薄云、高能见度厚云4种情况分别进行讨论,结果表明:除高能见度薄云采用单一的图像复原使云检测效果降低外,图像复原和图像增强都能使云检测和云量识别准确率提高;综合二者,云检测和云量识别准确率进一步提高;该方法对薄云和低能见度云图的改善最为显着。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
可见光云图论文参考文献
[1].叶志敏,张鑫,张征宇,胡昊.利用可见光云图资料监测黄东海海雾的个例分析[C].第35届中国气象学会年会S21卫星气象与生态遥感.2018
[2].陈青青,李彪,汤志亚,杨玲,王耀萱.地基可见光全天空云图云量图像处理识别方法[J].气象科技.2017
[3].李林,刘青山,夏旻.基于极限学习机的地基可见光云图的云分类[J].大气科学学报.2015
[4].航讯.风云二号G星传首张可见光云图[J].太空探索.2015
[5].朱彪,杨俊,吕伟涛,陈丽英,马颖.基于KNN的地基可见光云图分类方法[J].应用气象学报.2012
[6].朱彪.基于KNN的地基可见光云图分类方法研究[D].成都信息工程学院.2012
[7].江帆.介绍利用图像处理软件增强可见光云图反差的技术[J].气象研究与应用.2011
[8].朱青.卫星红外云图与可见光云图融合方法研究[D].中国海洋大学.2010
[9].林琳胡亚.胡锦涛温家宝作出重要批示[N].中国气象报.2008
[10].裴晓芳,王振会,张红.可见光云图日食阴影订正方法的改进和应用[J].中国图象图形学报.2007
论文知识图
