买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种云团分类及云演化趋势预测方法，包括：引入MHI，获取并更新运动历史图像，识别云图视频中的云层；使用云层特征点改进的MHI，实现不同云图的分类；将云图灰度化，然后引入灰度共存矩阵和逆差矩评价分类结果是否准确，如准确，则利用逆差矩计算得到的值对云团进行分类；如不准确，则更新局部增强的运动历史图像，重复上述过程。在获取云团分类结果的基础上，构建MotionGRU单元并嵌入现有GRU预测模型的层间，同时在层与层之间加入MotionHighway进行连接，得到增强GRU模型；利用增强GRU模型对云演化趋势进行预测。本发明实现了云团的准确识别及分类，提高了云演化趋势预测的精度。

主权项：1.一种云团分类方法，其特征在于，包括：1引入运动历史图像理论MHI，获取并更新运动历史图像，识别云图视频中的云层；2使用云层特征点改进的MHI，实现不同云图的分类，分类结果包括晴空、局部有云和全部为云；3将云图灰度化，然后引入灰度共存矩阵和逆差矩评价步骤2中云图局部有云和全部为云的分类结果是否准确，如准确，则利用逆差矩计算得到的值对云团进行分类；如不准确，执行步骤4；4更新局部增强的运动历史图像，重复步骤2至3；步骤1包括：MHI通过帧间差分法得到t时刻与t-1时刻图像帧位置x,y处的二值差分图，即运动历史图像Dx,y,t： 其中，Ax,y,t为二值差分距离，表达公式为Ax,y,t＝|Bx,y,t-Bx,y,t±Δ|，Bx,y,t是图像序列t时刻、坐标为x,y像素位置的强度值，Δ表示时间变化量；ξ为阈值，表示二值差分图生成时对场景变化的敏感程度；MHI更新运动历史图像Dx,y,t： 其中，x,y为像素点坐标，t为时间，在地基云图的视频数据中表示视频的帧数；持续时间τ表示运动的时间范围；Hτx,y,t-1表示在t-1时刻的运动的时间范围；δ是衰减参数；通过不同时刻t的像素点坐标x,y，实现对云图视频中云层的识别；步骤2包括：通过帧减法获得更新后的运动历史图像Dx,y,t，感知掩码Mx,y,t由检测到云层特征时生成，表达式如下： 其中，L是一组云层坐标；W表示围绕云层坐标的像素坐标；α为权重；dML,P为曼哈顿距离；云层坐标具有最高的权重，而其周围像素的权重较低，同时它们与相应云层坐标的距离成正比；通过计算云层坐标的权重值以及云层周围像素的权重值，对不同云图进行分类；步骤3包括：灰度共存矩阵公式为：gi,j＝#{fx1,z1＝i,fx2,z2＝j|x1,x2,x2,z2∈M×N}4其中，g为灰度共存矩阵，i,j为坐标索引；f为图像；x1,z1、x2,z2、x1,x2、x2,z2表示图像坐标点；M×N表示图像范围；逆差矩公式为： 其中，IDM为逆差矩；步骤4包括：获取增强差分图像Ex,y,t，表达公式如下：Ex,y,t＝Mx,y,t·Dx,y,t6对增强的差分图像进行二值化，更新运动历史图像Dx,y,t： 更新运动历史图像MHIx,y,t，得到新的运动历史图像：

全文数据：

权利要求：

百度查询： 淮阴工学院 一种云团分类及云演化趋势预测方法