检索结果-南通市图书馆

融合双注意力机制与改进损失函数的台风中心定位研究

在线全文

学校读者我要写书评

暂无评论

融合双注意力机制与改进损失函数的台风中心定位研究

作者：沈绪坤上海海洋大学

学位级别：硕士

台风是一种覆盖范围广、破坏力强的天气系统,给陆地带来雨水的同时对人类的生命财产造成了巨大威胁。我国沿海地区几乎每年都会遭受台风侵扰,造成了人员伤亡和财产损失,及时做好台风路径检测并发布台风预警是预防台风灾害的重要手段。... 详细信息

台风是一种覆盖范围广、破坏力强的天气系统,给陆地带来雨水的同时对人类的生命财产造成了巨大威胁。我国沿海地区几乎每年都会遭受台风侵扰,造成了人员伤亡和财产损失,及时做好台风路径检测并发布台风预警是预防台风灾害的重要手段。准确地定位台风中心是台风路径检测的基础,对防台减灾有重要意义。台风中心定位的微小误差会对台风路径预报造成较大的偏离,因此有必要精准定位台风中心。早期基于无线电、高空观察以及雷达等观测手段因设备落后和主观性误差造成台风中心定位不准。气象卫星的出现给这项任务带来了极大的便捷,气象研究者开始利用气象卫星拍摄的红外卫星云图定位台风中心。早期基于红外卫星云图的台风中心定位方法一般可以归类为数学形态方法、模式匹配法和风场分析法,这些方法大多已经实现了半自动或者自动定位台风中心。但是这些传统方法在面对复杂的台风图像时难以保证较高的精度,且传统方法步骤多、计算量大,导致定位效率低。基于大数据驱动的人工智能深度学习方法可以通过学习的方式自动调整参数,也能基于不断更新的神经网络概念优化模型,具有灵活调整权重的优势。目前基于深度学习的台风中心定位模型提高了泛化性,但是在特征提取能力上还有改进空间。由于台风图像中存在干扰信息,且单独使用卷积神经网络提取台风的空间形态特征效率低,造成台风特征提取困难的问题。针对上述问题,本文利用深度学习结合注意力机制对台风中心定位开展了研究。在开展研究之前构建一套适应于深度学习的台风中心定位数据集,首先收集日本国立研究所收集的2015年至2022年8000多张台风卫星图像,利用墨卡托公式将卫星图像中台风中心经纬度坐标转换为平面坐标,完成数据标注。为了减少模型的计算量,使用双线性插值法将图像尺寸由512×512压缩至224×224。接着,本文搭建了一种基于坐标回归的台风中心定位神经网络模型(TY-LOCNet),主要的创新工作如下:(1)首先使用卷积网络和残差网络搭建骨干网络模型提取台风特征,其次引入通道注意力机制从台风特征中捕获通道级别的信息,提升模型对重要通道的关注度,然后将通道注意力结果输入到坐标注意力机制中全局标定台风位置信息,使模型能够在较大的区域关注到台风的形态结构;(2)利用跳跃连接的方式对骨干网络模型的中高层输出进行特征融合,缓解下采样过程中细粒度丢失的现象。(3)搭建了轻量化的台风中心定位网络,利用坐标回归的方式定位台风中心(4)均方误差损失函数未能融合计算坐标导致定位精度低,因此提出距离损失函数(DISTLoss),通过距离回归提高模型定位精度。为了验证模型TY-LOCNet的有效性对提出的模块进行了综合实验,包括对比实验和消融实验。为了验证融合的双注意力机制对本模型的台风图像特征提取能力有帮助,与其他注意力机制进行了对比实验,实验证明了融合的双注意力机制的定位精度优于其他注意力机制。将提出的距离损失函数与均方误差损失函数对比,结果表明距离损失函数在模型训练的过程中具有误差下降快,误差更小的优势。最后利用控制变量法对两种改进进行了消融实验,结果表明改进的方法显著提高了模型精度。为了验证本文模型对台风中心定位的有效性,将TY-LOCNet与其他基于深度学习方法和经典方法进行对比,实验结果表明,TY-LOCNet的平均位置误差(MLE)、平均绝对误差(MAE)和检测速度分别为7.3656像素,0.29°和17FPS,优于其他模型。台风中心定位模型TY-LOCNet可为台风预报提供实时性台风中心定位支持。

关键词：台风中心定位注意力机制神经网络距离损失函数

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时空数据的台风中心定位算法研究与应用

基于时空数据的台风中心定位算法研究与应用

作者：王贤浩华南理工大学

学位级别：硕士

作为一种极端的灾害性天气现象,台风每年都会对沿海地区造成巨大的经济损失和人员伤亡。台风中心的精确定位对于预测台风移动路径、发布台风预警、标定台风强降水云带、预测暴雨等极端天气等具有重要意义,可以有效减轻台风的危害。目前... 详细信息

作为一种极端的灾害性天气现象,台风每年都会对沿海地区造成巨大的经济损失和人员伤亡。台风中心的精确定位对于预测台风移动路径、发布台风预警、标定台风强降水云带、预测暴雨等极端天气等具有重要意义,可以有效减轻台风的危害。目前流行的台风中心定位算法虽然已经达到了较高的定位精度,但这些算法主要基于卫星云图进行研究,无法反映台风立体结构特征,导致已有算法对台风立体结构特征提取不足。此外,现有算法主要基于单帧图像进行定位,而台风系统具有强时间相关性,单帧图像无法反映台风系统时间维度上的特征,因此已有方法在台风眼模糊或台风眼消失等情况下定位精度较低。针对这些问题,本研究进行了以下工作:1.针对台风立体结构特征提取不足的问题,本研究提出了一种通道-坐标注意力机制(Channel and Coordinate Attention Module,CCA)。通过利用通道注意力机制对台风雷达三维图像立体结构的不同层进行层间权重分配,从而使得模型增强层间特征提取的能力。同时,利用坐标注意力机制对台风螺旋云带特征区域进行权重分配,从而进一步提高模型的定位准确度。基于YOLOv5(You Only Look Once)模型,本研究融入通道-坐标注意力机制,提出YOLOv5-CCA(YOLOv5-Channel and Coordinate Attention)模型。实验结果表明,YOLOv5-CCA模型相比于YOLOv5模型和传统方法,平均定位距离误差分别降低了7.01 km和11.07 km,提升了台风眼清晰情况下定位精度的同时,有效降低了台风眼模糊情况下的定位误差。2.针对台风时间维度信息提取不充分的问题,本研究提出了一种时间特征提取结构。该结构由多个Conv LSTM(Convolutional Long Short-Term Memory)单元组成,对多帧连续时次雷达图像进行时间特征提取,并将提取后的时间特征与当前时次图像拼接作为输入。在YOLOv5-CCA模型的基础上,本研究融合了时间特征提取结构,提出了STYOLOv5-CCA(Spatial-Temporal YOLOv5-Channel and Coordinate Attention)模型。实验结果表明,STYOLOv5-CCA模型相比YOLOv5模型和传统方法,平均定位距离误差分别降低了14.21 km和23.34 km。时间特征提取结构的引入,使得模型得以结合历史与当前图像特征对台风中心进行识别定位,不仅在台风眼清晰、模糊的情景下有着较高的定位精度,对台风眼完全消失的情景也有着较高的定位精度。3.本研究实现了台风中心定位系统,系统在部署前对多个历史台风进行了历史反算,并在部署后对2022年某省发生的台风进行了实时定位,统计结果表明系统定位精度较高,YOLOv5-CCA模型与STYOLOv5-CCA模型在应用场景中的平均距离误差分别为30.13 km与22.54 km,较好地提高了台风定位精度,解决了现有算法在台风眼模糊或台风眼消失情况下定位误差较大的问题,对现实场景中监控以及预报台风具有重要意义。

关键词：台风中心定位时空序列注意力机制目标检测

基于卫星微波散射计风场的台风中心定位方法比较研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

海洋预报 2020年第5期37卷 24-33页

作者：王晓霞刘建强张毅徐雅梦国家卫星海洋应用中心北京100081 南方海洋科学与工程广东省实验室(广州) 广东广州511458 中国矿业大学地球科学与测绘工程学院北京100083

基于HY-2A/B、Metop-A卫星微波散射计风场产品,开展了两种定位台风中心方法的比较研究。以2019年台风"娜基莉"为例,分析了在台风形成期与成熟期不同发展阶段的定位结果。结合台风风场涡旋特性与风速特征,考虑相对垂直涡度和水平散度两... 详细信息

基于HY-2A/B、Metop-A卫星微波散射计风场产品,开展了两种定位台风中心方法的比较研究。以2019年台风"娜基莉"为例,分析了在台风形成期与成熟期不同发展阶段的定位结果。结合台风风场涡旋特性与风速特征,考虑相对垂直涡度和水平散度两个影响因子,探究了高风速阈值涡度场定位法和高风速阈值复合场定位法的定位效果,并与中国气象局热带气旋资料中心的最佳路径数据集比较。结果表明:台风成熟期定位精度较形成期更优,高风速阈值复合场定位法精度更佳,平均偏差为0.1°~0.2°,均方根误差小于0.25°。

关键词：台风中心定位高风速阈值涡度场复合场

基于灰色预测和Chan-Vese模型的台风中心定位

在线全文

学校读者我要写书评

暂无评论

激光与红外 2012年第4期42卷 443-447页

作者：乔文峰李元祥许映龙胡琦上海交通大学航空航天学院上海200240 国家气象中心北京100081

台风是最严重的自然灾害之一,是一个具有巨大破坏力的天气系统。为了减少台风所带来的损失,实时精确地确定台风中心位置是一项十分重要的工作,这也为台风的跟踪与定强等分析提供了重要信息。对国内外台风中心定位现状进行了研究,基于红... 详细信息

台风是最严重的自然灾害之一,是一个具有巨大破坏力的天气系统。为了减少台风所带来的损失,实时精确地确定台风中心位置是一项十分重要的工作,这也为台风的跟踪与定强等分析提供了重要信息。对国内外台风中心定位现状进行了研究,基于红外序列图像,分别对有眼台风和无眼台风进行定位,提出了基于灰色预测和Chan-Vese模型的台风定位方案。灰色预测用于预测下一时刻台风的初始位置;通过Chan-Vese模型得到台风中心附近的眼墙,然后进行圆拟合即可得到台风中心。除此之外,一些模式识别和图像处理的方法在有眼台风定位中得到了较好的应用。利用气象卫星MTSAT红外1通道图像对2007年台风"圣帕"序列图像进行测试,并将结果分别与中央气象台及日本气象厅的最优路径进行对比,经、纬度误差在0.18°以内。

关键词：台风中心定位灰色模型 Chan-Vese模型模式识别

基于多尺度几何分析的卫星云图融合方法及对台风中心定位的影响

在线全文

学校读者我要写书评

暂无评论

基于多尺度几何分析的卫星云图融合方法及对台风中心定位的影响

作者：陈源浙江师范大学

学位级别：硕士

我国是西北太平洋沿岸受热带气旋影响最为严重的国家之一,东南沿海每年夏季遭受台风的袭击,造成的人员伤亡和经济损失极其严重。因此,我们有必要对台风等灾害性天气进行深入地了解,分析和监测其产生、发展与消亡的重要信息,做好预防工作... 详细信息

我国是西北太平洋沿岸受热带气旋影响最为严重的国家之一,东南沿海每年夏季遭受台风的袭击,造成的人员伤亡和经济损失极其严重。因此,我们有必要对台风等灾害性天气进行深入地了解,分析和监测其产生、发展与消亡的重要信息,做好预防工作,将损失降到最低。目前,卫星云图是监测台风最主要的手段,对气象卫星云图中的数据进行处理,其主要目标是提取信息、分析数据和预测发展规律。考虑到卫星云图在信息采集、传输和相关内容处理的过程中经常会被噪声干扰,如图像成像设备和环境因素等,使图像效果较差,所以卫星云图去噪对于后续基于卫星云图准确监测台风至关重要。此外,气象卫星云图上不同通道的图像都由不同的扫描辐射计获得,含有特征各异的云图信息。如果融合不同通道中的云图特征到一幅图像,就能对各个通道中的信息充分利甩,更好地提取台风云图的特征,为监测和研究台风提供更有利的依据。本文主要围绕多尺度几何分析中Tetrolet变换和Shearlet变换在卫星云图去噪和图像融合中的应用研究展开,并在此基础上探讨其对台风中心定位精度的影响,具体包括以下三个方面的研究工作：（1）提出一种有效的基于Tetrolet变换和偏微分方程（PDE）相结合的卫星云图去噪方法。本文去噪方法是基于Tetrolet变换域,结合PDE和广义交叉验证（GCV）方法,使云图的去噪效果更优。Tetrolet变换是一种自适应的多尺度几何分析工具,具有良好的稀疏逼近性能,能有效地保持云图中重要的边缘细节信息。在本文算法中,引入GCV理论解决在不知噪声方差的情况下确定Tetrolet变换域的去噪最优阈值,利用PDE去噪模型平滑Tetrolet变换产生的方块效应,并保留了较好的图像局部特征。同时,所提出的图像去噪方法的去噪结果与其他5种基于多尺度技术的图像去噪方法进行了对比分析,通过多个实例说明本文方法的去噪结果的峰值信噪比（PSNR）值较优,图像视觉效果好,细节突出,有利于后续卫星云图融合。（2）提出一种有效的基于Tetrolet变换的多通道卫星云图融合方法。首先对待融合的多通道卫星云图分别进行图像直方图均衡化处理,以增强其全局对比度。然后对预处理后的待融合的卫星云图分别进行Tetrolet变换得到低频系数、高频系数及其相对应的拼板覆盖值,再对低频系数和高频系数分别按照一定的融合规则融合。其中,低频部分利用拉普拉斯金字塔进行再次分解,对其顶层取均值,其他层取灰度绝对值大的部分后重构;高频部分取每个图像拼板中高频系数标准差较大的部分,拼板覆盖值也取高频系数相对应的值。最后通过Tetrolet逆变换得到最终的融合图像。所提出的图像融合方法与拉普拉斯金字塔图像融合方法、经典离散正交小波图像融合方法、Contourlet图像融合方法、Curvelet图像融合方法、NSCT图像融合方法和Shearlet图像融合方法这6种方法的融合结果进行分析,并对融合图像进行了主客观评价,在此基础上利用融合云图对有眼和无眼台风进行中心定位并计算定位误差,以检验融合图像对台风中心定位精度的影响。实验结果表明所提出的云图融合方法能够很好地实现多通道卫星云图融合,能够提高台风中心定位精度,综合性能优于同类基于多尺度技术的融合方法。（3）提出一种基于Shearlet变换的多通道卫星云图融合方法。该算法将Shearlet变换较强的尺度性、方向性、边缘表示能力引入到卫星云图融合中。对Shearlet域低频部分,利用拉普拉斯金字塔进行再次分解,对其顶层取均值,其他层取灰度绝对值大的部分后重构;对Shearlet域高频部分,提出结合信息熵、平均梯度和标准差三个评价参数的图像融合规则,并对融合后的高频子图设计非线性算子增强处理,增强图像细节的对比度。该图像融合方法与其他5种基于多尺度技术的图像融合结果进行对比分析,并构造一种新的针对卫星云图融合图像的综合评价指标对融合图像进行了主客观评价。为了验证所提出的融合方法的有效性,利用融合云图对有眼和无眼台风进行中心定位误差分析。实验结果表明所提出的算法的融合云图的综合性能最优,台风中心定位精度高。

关键词：台风中心定位多通道卫星云图图像去噪图像融合 Tetrolet变换 Shearlet变换

基于嵌入式隐马尔可夫模型与交叉熵的台风中心定位

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于嵌入式隐马尔可夫模型与交叉熵的台风中心定位

作者：王丽军天津大学

学位级别：硕士

台风是严重危害人类的天气之一,对台风中心准确定位具有重要意义。目前,台风中心自动定位仍处于探索阶段。台风中心定位方法之一是基于形状的定位方法。但由于台风运动过程复杂,形态多变,该方法难以适应各种情况。另一种方法是将台风等... 详细信息

台风是严重危害人类的天气之一,对台风中心准确定位具有重要意义。目前,台风中心自动定位仍处于探索阶段。台风中心定位方法之一是基于形状的定位方法。但由于台风运动过程复杂,形态多变,该方法难以适应各种情况。另一种方法是将台风等效为刚体分析其旋转性,从而确定中心。由于台风本身为非刚体,这种定位方法误差较大。无论台风在运动过程中如何变化,台风中心的运动最弱,能量最小。基于这一普遍的特点,本文提出基于小波域的嵌入式隐马尔可夫模型和交叉熵相结合的方法进行台风中心定位。该过程分以下五个步骤: 1.对相邻序列图像作差分运算,提取云系的动态信息。 2.对差分图像进行小波变换,获得小波系数,作为后续过程的处理对象。相对于基于像素灰度的分析,基于小波域的分析减少了观察向量的维数。 3.分析单幅差分图像的空间相关性:使用采样窗口对单幅差分图像的小波域采样并将图像分割成若干个均匀分布的小块。对采样得到的小波系数进行嵌入式隐马尔可夫模型算法的训练和识别。按照空间相关性,采用嵌入式Viterbi算法、K均值算法对差分图像重新分割。 4.分析差分图像序列沿时间轴的时间相关性:利用交叉熵来分析差分图像序列的时间相关性,根据图像序列的时间相关性来跟踪各差分图像序列块。较以往的基于单幅图像定位,此过程利用了多幅图像,扩大了信息利用量,而且采用空间相关性与时间相关性相结合的分析方法,能够提高定位精度。 5.使用能量函数度量各序列块的运动能量,能量最小的块所对应的位置即为台风中心。与以往的方法相比,本文可提高算法的通用性。

关键词：小波变换嵌入式隐马尔可夫模型交叉熵能量函数台风中心定位

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

利用云导风矢量的台风中心自动定位

气象学报 2003年第5期61卷 636-640页

作者：刘正光喻远飞吴冰刘还珠天津大学电气与自动化工程学院天津300072 国家气象中心北京100081

文中提出了一种利用云导风矢量图进行台风中心自动定位的方法。云导风矢量通过对具有一定时间间隔的两幅相关卫星云图进行模板匹配而得出。模板匹配就是根据已知模式的图像在一幅陌生图像中寻找对应于该模式的子图像的过程。根据气象知... 详细信息

文中提出了一种利用云导风矢量图进行台风中心自动定位的方法。云导风矢量通过对具有一定时间间隔的两幅相关卫星云图进行模板匹配而得出。模板匹配就是根据已知模式的图像在一幅陌生图像中寻找对应于该模式的子图像的过程。根据气象知识 ,台风云系运动的特点是中心平移量大而自旋很弱 ,且台风中心与台风云系整体的移动方向一致 ,因此求出云导风矢量图中与台风整体移动矢量大小和方向一致的矢量集合的最密集区。

关键词：云导风模板匹配数学形态学台风中心定位

基于气象卫星云图的云类识别及台风分割和中心定位研究

在线全文

学校读者我要写书评

暂无评论

基于气象卫星云图的云类识别及台风分割和中心定位研究

作者：余建波武汉理工大学

学位级别：硕士

自20世纪60年代发展起来的气象卫星遥感是气象探测技术的重大突破。它所提供的气象卫星云图资料在时间和空间上的连续性是以往任何探测手段所不能比拟的。气象卫星云图在天气预报的制作和大气环境的监测中,更是发挥了极其重要的作用。但... 详细信息

自20世纪60年代发展起来的气象卫星遥感是气象探测技术的重大突破。它所提供的气象卫星云图资料在时间和空间上的连续性是以往任何探测手段所不能比拟的。气象卫星云图在天气预报的制作和大气环境的监测中,更是发挥了极其重要的作用。但是,目前传统的人工目视判读仍是气象卫星云图分析的主要方式之一。这既包含一定程度的主观因素,又不利于卫星云图的丰富信息的充分提取和最大利用,同时也有碍于天气预报制作的科学化、自动化与定量化的发展趋势。因此,气象卫星云图中的气象信息(如云的分类识别及台风的分割和定位)的自动提取和定量判别及其计算机实现是当今世界气象卫星云图信息处理的主流。我国在2004年10月升空的FY-2C气象卫星(中国第一颗业务型静止轨道气象卫星)从观测中国大陆、海区的最佳的静止卫星轨道(东经105°赤道上空)发回的云图提供了大范围、全天候的云的生消聚散的信息。因此,利用国产的FY-2C气象卫星云图进行云的分类识别及台风的分割和定位的探索一直是人们近年来关注的热点。本文在介绍FY-2C气象卫星的基本情况及其云图的图像处理流程,探讨利用气象卫星云图进行云类识别、台风分割和台风中心定位的原理及其常用方法的基础上,利用MATLAB.0软件,以FY-2C气象卫星兰勃托原始投影云图作为样本,主要进行了如下三个方面的研究: (1)综合采用多谱阈值法、数学形态学法、纹理分析等方法,结合多个通道的FY-2C气象卫星兰勃托投影云图的特点,进行了积雨云的自动识别仿真实验,取得了满意的结果。 (2)综合采用阈值法,数学形态学法和数理统计等方法,结合台风主体云系具有灰度值较高、面积较大、活动范围有限和像素集中的特点,进行了台风云系的自动分割仿真实验,获得了满意的效果。 (3)综合采用多谱法、数学形态学法、纹理分析等方法,结合有眼台风云系的眼区具有灰度值相对较低、类圆性较强、纹理特征独特的特点,进行了有眼台风云系的中心自动定位的仿真实验,取得了良好的效果。

关键词： FY-2C气象卫星卫星云图云类识别台风分割台风中心定位

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于遥感数据的台风识别与中心定位方法研究

基于遥感数据的台风识别与中心定位方法研究

作者：蒋众名哈尔滨工业大学

学位级别：硕士

随着经济全球化的发展,必然加剧了我国的城市化的发展,因此我国城镇人口密度迅速的增加。然而这就导致了一旦发生如台风、暴雨等重大的自然灾害,就会对我国公民的生命安全造成更加巨大的损失并且同时带来的是社会巨大的财富损失。再加... 详细信息

随着经济全球化的发展,必然加剧了我国的城市化的发展,因此我国城镇人口密度迅速的增加。然而这就导致了一旦发生如台风、暴雨等重大的自然灾害,就会对我国公民的生命安全造成更加巨大的损失并且同时带来的是社会巨大的财富损失。再加之以现在的生态环境恶化,人类对自然灾害的承受能力越来越差。因此,准确的预报自然灾害成了现在刻不容缓的一个重大课题。其中对于台风的预报来说一直是气象预报领域的重点,由于台风是一种灾害性极强的天气系统,而需要预报台风就必须获取台风的中心位置,因此台风中心定位的研究对于台风预报就十分关键。现如今监测台风主要依赖于卫星遥感数据,然而目前世界上对台风中心自动定位还处于一个探索和研究的阶段,特别是对无眼台风的自动定位还没有一套成熟的定位体系,对于不同的台风形态需要用不同的方法去进行定位,定位过程复杂且结果上也不尽人意。本文为解决这些缺点,提出了利用深度学习网络代替传统方法进行识别和中心定位的方法,并开展实验研究。本文针对传统方法对台风云系识别率不足的问题,提出了利用深度学习的方法代替传统方法对台风云系进行识别。对台风以及FY-2气象卫星数据的特点进行深入调研,分析了传统台风云系识别的方法,设计了利用Faster R-CNN深度学习模型识别台风云系的总体算法框架,包括数据预处理、模型的修改与参数的选择和测试与结果分析。根据总体算法框架,开展了利用深度学习网络对台风云系进行识别的实验,在台风云系的识别率上都取得了满意的成果,验证了方案的可行性。本文针对传统方法定位台风中心复杂并且对部分台风无法定位的问题,提出了一种基于历史路径的深度学习定位法。对台风中心定位方法进行深入的调研,分析了传统的台风中心定位方法并对有眼台风中心的定位进行模拟实验,将气象卫星数据转化并生成实验所需的数据集,应用建立好的数据集展开台风中心的定位工作,设计了一种新的台风中心定位的方案,根据方案利用历史路径结合Ins Faster R-CNN网络并对网络模型进行了修改,对台风中心定位进行了仿真实验,实验结果在各形态的台风中心定位上都获得了令人满意的结果,最终验证了总体方案的可行性。

关键词：台风 faster r-cnn 台风识别台风中心定位