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

陣風(fēng)鋒的識(shí)別算法風(fēng)峰是指強(qiáng)對(duì)流系統(tǒng)的強(qiáng)對(duì)流，如強(qiáng)風(fēng)或電流，到達(dá)近地，通過(guò)接觸雷和風(fēng)暴前的溫暖環(huán)境，形成一個(gè)交界面，也稱為流量或流量邊緣。國(guó)內(nèi)外氣象學(xué)者們針對(duì)陣風(fēng)鋒的研究可歸納為兩個(gè)方面,一是形成機(jī)制和結(jié)構(gòu)特征及其作用等,二是自動(dòng)識(shí)別算法。Benjamin(1968)指出陣風(fēng)鋒是由于雷暴出流冷濕氣團(tuán)密度大而因重力作用下沉與暖氣團(tuán)相遇而形成的本文結(jié)合已有的陣風(fēng)鋒識(shí)別方法并加以改進(jìn),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(dòng)迅速特征,綜合“相鄰時(shí)次體掃強(qiáng)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(shí)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(yùn)算子組成的,它的基本運(yùn)算有4個(gè):膨脹、腐蝕、開(kāi)啟和閉合,它們?cè)诙祱D像和灰度圖像中各有特點(diǎn)。基于這些基本運(yùn)算還可推導(dǎo)和組合成各種數(shù)學(xué)形態(tài)學(xué)實(shí)用算法,用它們可以進(jìn)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(cè)、圖像濾波、圖像增強(qiáng)和恢復(fù)等數(shù)學(xué)形態(tài)學(xué)方法利用一個(gè)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(dòng)時(shí),便可考察圖像各個(gè)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(jiǎn)單,且遠(yuǎn)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(jìn)行形態(tài)學(xué)運(yùn)算有不同的效果膨脹是將目標(biāo)周圍的背景點(diǎn)合并到該物體的過(guò)程,對(duì)填補(bǔ)目標(biāo)中的空洞非常有用,如果兩個(gè)目標(biāo)之間距離比較近,則膨脹運(yùn)算可以把這兩個(gè)目標(biāo)連通起來(lái)。腐蝕是消除目標(biāo)所有邊界點(diǎn)的一種過(guò)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(gè)物體間有細(xì)小的連通,選擇合適的結(jié)構(gòu)單元通過(guò)腐蝕運(yùn)算可以將兩個(gè)物體分開(kāi)。細(xì)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(diǎn)的區(qū)域逐步精簡(jiǎn)為一個(gè)像素點(diǎn),最終得到單像素點(diǎn)構(gòu)成的分支,即圖像的骨架。細(xì)化的目的是在提取圖像的骨架同時(shí)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(xì)化。圖2給出了一張?jiān)紙D像經(jīng)膨脹、腐蝕和細(xì)化后的效果圖。2風(fēng)險(xiǎn)零型識(shí)別2.1陣風(fēng)鋒回波特征量場(chǎng)本文綜合考慮陣風(fēng)鋒的窄帶、快速移動(dòng)和速度輻合特征,利用一個(gè)能綜合反映這些特征的參量,建立雷達(dá)觀測(cè)范圍內(nèi)的二維特征量場(chǎng),用于陣風(fēng)鋒的圖像識(shí)別。用雷達(dá)相鄰時(shí)次體掃0.5°仰角反射率因子差值場(chǎng)來(lái)反映陣風(fēng)鋒的窄帶和快速移動(dòng)特征。在一個(gè)6min的體掃周期內(nèi),降水回波的強(qiáng)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(qiáng)度比其周圍的要強(qiáng),移動(dòng)速度比較快,因而,在0.5°仰角反射率因子差值場(chǎng)中,當(dāng)前時(shí)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(shí)次陣風(fēng)鋒所在處的反射率因子差值應(yīng)該是負(fù)值,且大于一定閾值(缺省值為-30dB)。為了減輕降水回波邊緣對(duì)陣風(fēng)鋒特征信息的干擾,在計(jì)算反射率因子差值場(chǎng)之前先對(duì)兩幅反射率因子圖進(jìn)行膨脹處理,避免在差值場(chǎng)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(dá)觀測(cè)的一個(gè)陣風(fēng)鋒個(gè)例的相鄰時(shí)次體掃0.5°仰角反射率因子及其差值場(chǎng),位于圖3c中間部位的長(zhǎng)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(gè)參量來(lái)描述陣風(fēng)鋒的速度輻合特征,其計(jì)算公式如下:其中:i,j分別為當(dāng)前庫(kù)的方位和斜距序號(hào),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(chǎng)基礎(chǔ)上,再綜合考慮C和G場(chǎng),得到一個(gè)二維特征量場(chǎng),用于陣風(fēng)鋒的圖像識(shí)別。具體做法是:在反射率因子差值場(chǎng)中,針對(duì)位于2~15dB的回波點(diǎn),檢查對(duì)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(xì)化陣風(fēng)鋒骨架抽取過(guò)程包括對(duì)二維特征量場(chǎng)進(jìn)行二值化、膨脹、腐蝕、填補(bǔ)空洞、細(xì)化和剪枝。首先對(duì)二維特征量場(chǎng)進(jìn)行二值化,把有效值點(diǎn)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(duì)二值化后的二維特征量場(chǎng)進(jìn)行膨脹和腐蝕。細(xì)化處理是將原圖像中寬度大于1個(gè)像素的線條細(xì)化成只有一個(gè)像素寬,其目的是為了提取陣風(fēng)鋒骨架。細(xì)化的基本思想是層層剝離,即從線條邊緣開(kāi)始一層一層向里剝離,直到線條只剩下一個(gè)像素點(diǎn)為止。細(xì)化算法應(yīng)滿足3個(gè)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?fù)涮匦浴Ｔ诩?xì)化結(jié)果中會(huì)產(chǎn)生毛刺和斷紋等缺陷,因此細(xì)化處理后還需要對(duì)骨架剪枝,以便得到一條沒(méi)有分支的曲線。對(duì)于一條有分支的曲線,其由3種點(diǎn)組成:端點(diǎn)、節(jié)點(diǎn)和它們之間的普通點(diǎn),圖5給出了節(jié)點(diǎn)(中心點(diǎn))的幾種常見(jiàn)分布方式。一個(gè)節(jié)點(diǎn)必有3個(gè)或4個(gè)可能的查找方向,對(duì)每個(gè)方向逐點(diǎn)尋找其到端點(diǎn)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(wú)分支的光滑曲線,選取較長(zhǎng)的曲線,查找其兩端附近的短線,如果方向不超過(guò)30度,則將兩條線段連通成一根,最終去掉長(zhǎng)度較短的曲線,剩余一條較長(zhǎng)的曲線即為陣風(fēng)鋒。圖6給出利用武漢雷達(dá)2005年6月14日12:13觀測(cè)的基數(shù)據(jù)識(shí)別的陣風(fēng)鋒中間結(jié)果圖,其對(duì)應(yīng)的反射率因子場(chǎng)及其差值場(chǎng)見(jiàn)圖3。3反射率因子和陣風(fēng)鋒識(shí)別結(jié)果選取武漢雷達(dá)2005年6月14日和2002年8月24日觀測(cè)的2個(gè)陣風(fēng)鋒過(guò)程的共53個(gè)體掃數(shù)據(jù)對(duì)該算法進(jìn)行了檢驗(yàn),結(jié)果表明該算法正確識(shí)別陣風(fēng)鋒39個(gè),錯(cuò)誤識(shí)別3個(gè),漏識(shí)別11個(gè)。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(shí)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(shí)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(gè)陣風(fēng)鋒過(guò)程的識(shí)別結(jié)果可以看出,識(shí)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(shí)次,由于陣風(fēng)鋒兩端回波較弱的緣故識(shí)別出來(lái)的曲線長(zhǎng)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(shí)別算法檢驗(yàn)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(dòng)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(dòng)識(shí)別算法。利用武漢雷達(dá)觀測(cè)的2個(gè)陣風(fēng)鋒過(guò)程的共53個(gè)體掃數(shù)據(jù)進(jìn)行該算法