本书根据经济发展对气象服务提出的要求，从卫星云图的本质特性出发，运用现代信息技术与大气科学交叉互补的研究思路，将稀疏表示思想引入卫星云图处理，并针对卫星云图的模糊性，采用不确定性理论及机器学习法，开展了卫星云图降噪、多通道云图融合、卫星云图超分辨率、云类识别、云图检索等方面的研究，以期提高气象业务服务水平，并拓展稀疏表示理论及模糊支持向量机的实际应用价值。
更多科学出版社服务，请扫码获取。
目录
第1章绪论1
1.1引言1
1.2卫星云图处理的研究现状2
1.3静止气象卫星及其卫星云图5
1.3.1静止气象卫星5
1.3.2卫星云图相关知识6
1.4卫星云图处理的理论准备：稀疏表示及模糊支持向量机理论8
1.4.1稀疏表示理论8
1.4.2支持向量机相关理论14
1.5本章小结24
参考文献25
第2章卫星云图预处理28
2.1基于稀疏表示的卫星云图降噪算法28
2.1.1卫星云图稀疏降噪模型29
2.1.2适用于云图降噪的过完备字典D的构造30
2.1.3算法步骤31
2.1.4实验结果与分析32
2.2联合块匹配与稀疏表示的卫星云图修复33
2.2.1基于块匹配的图像修复35
2.2.2云图稀疏修复模型的建立37
2.2.3算法步骤39
2.2.4实验结果及讨论39
2.3抗混叠轮廓波域采用压缩感知的云图融合方法43
2.3.1AFCT的构造44
2.3.2压缩感知(CS)理论46
2.3.3结合AFCT及CS的气象云图融合实现47
2.3.4实验结果及分析49
2.4基于过完备字典稀疏表示的云图超分辨率52
2.4.1算法基本原理53
2.4.2过完备字典对的联合训练53
2.4.3基于稀疏表示的云图超分辨率实现55
2.4.4实验结果与分析56
2.5本章小结58
参考文献59
第3章卫星云图压缩感知62
3.1引言62
3.2适合云图稀疏表示的Tetrolet变换63
3.3云图的时空相关性及压缩感知66
3.3.1云图的时空相关性66
3.3.2基于时空相关性的云图压缩感知67
3.4实验结果与分析69
3.5本章小结73
参考文献73
第4章利用密度聚类支持向量机的卫星云图云检测75
4.1引言75
4.2资料分析及特征提取76
4.2.1资料分析76
4.2.2特征提取77
4.3密度聚类支持向量机77
4.3.1DBSCAN算法78
4.3.2样本集的纯度78
4.3.3样本集的充足度79
4.4实验结果与分析80
4.5本章小结81
参考文献82
第5章适用于卫星云图云类识别的稀疏分类器构造83
5.1当前云分类研究现状83
5.2过完备字典稀疏表示的卫星云图云分类方法86
5.2.1卫星云图云分类体系86
5.2.2适合卫星云图特征表达的过完备字典87
5.2.3字典特征的提取89
5.2.4基于重构残差的稀疏分类器90
5.2.5采用子空间投影的稀疏分类器91
5.3实验结果与分析93
5.3.1CCSIODSRF分类器的准确率94
5.3.2多种分类器的对比95
5.4本章小结97
参考文献97
第6章采用多模糊支持向量机决策融合的积雨云检测99
6.1积雨云检测的研究现状99
6.2积雨云及其特征提取100
6.3决策融合103
6.3.1模糊支持向量机(FSVM)及其输出模糊概率的拟合103
6.3.2加权系数决策融合104
6.4实验及结果分析105
6.5本章小结108
参考文献108
第7章面向卫星云图云类识别的自适应模糊支持向量机110
7.1引言110
7.2基于支持向量机的卫星云图云类识别研究现状110
7.3卫星云图云分类体系及特征提取111
7.4自适应模糊支持向量机112
7.4.1自适应模糊隶属度函数的设计114
7.4.2确定自适应参数114
7.5云分类算法流程117
7.6实验结果及分析118
7.7本章小结121
参考文献122
第8章基于稀疏表示的卫星云图检索123
8.1适应于云图检索的特征提取及云图检索评价准则123
8.1.1云图灰度特征提取124
8.1.2基于均匀局部二元模式的云图纹理特征提取125
8.1.3云图形状特征提取129
8.1.4云图检索性能评价准则134
8.2基于稀疏表示的云图检索的实现135
8.2.1采用字典学习的云图特征优化135
8.2.2基于稀疏分类的云图检索算法137
8.3实验结果与分析139
8.4本章小结143
参考文献144
索引145
书单推荐
