全文总字数：3078字

1. 研究目的与意义及国内外研究现状

云是地球大气层中动力过程和热力过程的外在表征，对地球的能量平衡，气候和天气有巨大的影响。不同云类型具有不同的云辐射效应，这是云辐射影响的重要指标。通过短波冷却和长波变暖效应，云层覆盖全球面积的60％，并因此发挥作用，调节地球的辐射。云的各类性质反应了大自然界水循环情况以及天气转变的过程，对气候模式和天气预判有着十分重要的影响。高度准确的自动化云分类方法，是识别危险天气的重要过程，可以大大改善天气预报和降雨估算系统的准确性。云的分析和它们的特征研究对许多应用很重要，包括气候建模，天气预报，太阳能生产，卫星通信等。获取云的准确信息，对于飞行保障、防灾减害、全球气候研究以及经济发展等诸多领域都有着非常重要的意义。目前，对云图的研究识别大多数是通过卫星和地基云图这两种样本来展开分析的。现阶段，以卫星云图为数据基础，国内外不少学者在云图的自动识别领域做出了不小的贡献。卫星观测可以获得大范围的云信息却常忽略小块状云，但是不能精准地反映局部范围内的天气变化和形式。地基观测可以更直观地提供云块的局部信息，具有观测易操作，应用性更强的特点。然而现阶段地基云的观测识别，还没有脱离气象人员的人工观测模式，由于云的复杂性，传统的分类方法仍然依靠一些专家的经验。 此外，任务不可靠，耗时，并且在某种程度上取决于操作员的经验，观测结果往往缺乏一些客观性和准确性。专家对云类别的手动分类是昂贵且不频繁的; 因此，有必要提出自动和有效的云分类方法。 因此，迫切需要一种自动，准确的循环分类方法，建立云状分类识别方案成了必然趋势，随着数字图像处理技术和模式识别理论的发展，使这一方案成为可能。

国内外研究现状

早期，云的分类研究，主要是提取光谱特征进行识别研究。随着气象卫星技术和计算机图像处理技术的发展，卫星云观测的识别分类取得了很好的成果。Dalila Arab提出了基于MSG-SEVIRI的图像分类技术，利用小波域中的共现矩阵提取纹理特征集，采用模糊c均值聚类方法进行分类，准确率为97.53%。由于地基云形状的复杂，可见地基云图无法获取高度信息，因此识别更加困难。但国内外研究人员对地基云的分类识别做出了不懈的努力和探索，不断提高云图分类的准确率。M.Singth等人采用自相关、共生矩阵、能量等方法提取纹理特征来进行云图的分类识别。Soumyabrata等人，将纹理信息和颜色结合起来，提出了一种改进的基于文本分类方法，并证明了其有效性。陆晓峰等人采用神经网络分类器对云图进行自动分类识别，识别率达到91.67%。谢永华提出了多尺度分析地基云的自动分类识别算法，增强了地基云图局部特征描述能力，提高了地基云图分类识别的准确度。罗启祥等人提出了基于流形和纹理特征的一种五类云分类方法，与现有方法相比，识别率有了一定的提高。Soumyabrata Dev等人提出了一种基于纹理的修改分类方法，该方法集成了颜色和纹理信息，以改善分类结果。将所有类别的图像的过滤器响应并将它们聚合在一起，在连接滤波器响应上使用k均值聚类，生成不同的k均值聚类中心，结合滤波器响应和RGB颜色信息以形成复合特征向量。张峰等人提出了一种称为CloudNet的卷积神经网络模型，基于纹理，结构和形状，使用CNN对10种典型的云类型和凝结进行分类，能够准确的将地面气象云进行分类。其中Ci、Cs、Cc、Ac、As、Cu、Cb、Ns、Sc、St、Ct的识别率分别达到了89%、86%、89%、89%、86%、89%、88%、89%、83%、87%、90%。

2. 研究的基本内容

本文基于地基云图像灰度共生矩阵与灰度差分矩阵体现的纹理特征两个方面，对不同种类地基云图像提取特征参数，从而获得不同种类云图的特征。基于这些纹理特征参数，采用bp神经网络和svm分类器实现地基云图的分类。

本文的主要工作内容概括如下：

（1）在深入研究图像数字处理的基础上，首先为了提高云图质量，突出地基云图有效纹理特征，对地基云图进行灰度归一化、直方图均衡化、图像去噪等一系列图像预处理工作。

3. 实施方案、进度安排及预期效果

实施方案：

（1）选好课题，对其可行性、实现性等进行分析。

4. 参考文献

[1]中国气象局.中国云图[m].北京：气象出版.2004.

[2]陈晓颖. 典型地基云图云状的识别方法研究[d].东南大学博士学位论文，2015.