项目名称: 复杂天空云状的特征描述及自动识别研究

项目编号: No.41205125

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 大气科学学科

项目作者: 刘磊

作者单位: 中国人民解放军理工大学

项目金额: 24万元

中文摘要: 云状是反映天气变化征兆的重要气象要素,主要依靠人工目测进行观测。随着云的地基观测仪器的不断发展,云状自动识别问题成为研究热点。由于云的复杂多变,一直以来难以找到合适的方法进行特征描述,目前国内外主要利用纹理特征进行单一天空条件下的云状分类。但实际天空常常是多种云状并存的复杂天空,在前期有关研究的基础上,我们尝试开展复杂天空云状识别研究。具体内容包括:(1)研究基于传统模式识别方法的云状识别技术。重点是解决复杂天空条件下有关云的形状、纹理、颜色、轮廓、范围、演变过程等特征描述问题,研究根据这些特征进行复杂天空下的云状识别的方法。(2)研究基于压缩感知的云状识别技术。重点是构造训练样本的超完备基并求解最稀疏的系数解,在此基础上研究利用稀疏矩阵系数实现对复杂天空下的云状识别。

中文关键词: 云状识别;结构特征;压缩感知;;

英文摘要: Cloud type which is one of the important indices for changes in the weather, is mainly observed by human being at present. With the development of ground-based cloud measurement technology, automatic cloud classification is becoming the research hotspot. Some studies focused on the cloud classification on simplex sky conditions, and it's found that clouds are so complicated and changeful that it is hard to find a nice way to extract the effective features. In fact, there is generally more than one type of cloud in the sky at the same time, and we define these as complex sky conditions. Based on the previous work and experiences, we try to do some research on cloud classification on complex sky conditions. Specifically includes:(1)Studies on the traditional pattern recognition methods of cloud classification technology. This content focuses on how to extract effective characteristic factors of cloud shapes, texture, color, contour, range, process of change and some other features on the complex sky conditions. In addition, we will study how to use these features to do cloud classification on complex sky conditions. (2)Studies on cloud classification based on compressed sensing theory. This content focuses on how to construct training samples as an over complete learned dictionary and solve the most sparse coeffic

英文关键词: cloud classification;structure feature;compressed sensing;;

成为VIP会员查看完整内容
0

相关内容

从视频到语言: 视频标题生成与描述研究综述
专知会员服务
19+阅读 · 2022年1月8日
面向任务型的对话系统研究进展
专知会员服务
57+阅读 · 2021年11月17日
细粒度图像分类的深度学习方法
专知会员服务
41+阅读 · 2021年10月18日
专知会员服务
65+阅读 · 2021年7月18日
专知会员服务
43+阅读 · 2021年4月13日
专知会员服务
69+阅读 · 2021年3月29日
 图像内容自动描述技术综述
专知会员服务
86+阅读 · 2019年11月17日
新书《面向机器学习和数据分析的特征工程》,419页pdf
专知会员服务
142+阅读 · 2019年10月10日
你用过最久的数码产品是什么?
ZEALER订阅号
0+阅读 · 2021年12月5日
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
卷积神经网络数学原理解析
算法与数学之美
19+阅读 · 2019年8月23日
【紫冬分享】移动机器人视觉里程计综述
中国科学院自动化研究所
11+阅读 · 2018年10月31日
手把手教你用Python实现自动特征工程
量子位
12+阅读 · 2018年9月3日
人脸检测与识别总结
计算机视觉战队
21+阅读 · 2017年11月29日
【直观详解】支持向量机SVM
机器学习研究会
18+阅读 · 2017年11月8日
特征工程的特征理解(一)
机器学习研究会
10+阅读 · 2017年10月23日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
32+阅读 · 2021年3月8日
A Comprehensive Survey on Transfer Learning
Arxiv
121+阅读 · 2019年11月7日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Arxiv
22+阅读 · 2018年8月30日
Arxiv
26+阅读 · 2018年8月19日
Arxiv
151+阅读 · 2017年8月1日
小贴士
相关VIP内容
从视频到语言: 视频标题生成与描述研究综述
专知会员服务
19+阅读 · 2022年1月8日
面向任务型的对话系统研究进展
专知会员服务
57+阅读 · 2021年11月17日
细粒度图像分类的深度学习方法
专知会员服务
41+阅读 · 2021年10月18日
专知会员服务
65+阅读 · 2021年7月18日
专知会员服务
43+阅读 · 2021年4月13日
专知会员服务
69+阅读 · 2021年3月29日
 图像内容自动描述技术综述
专知会员服务
86+阅读 · 2019年11月17日
新书《面向机器学习和数据分析的特征工程》,419页pdf
专知会员服务
142+阅读 · 2019年10月10日
相关资讯
你用过最久的数码产品是什么?
ZEALER订阅号
0+阅读 · 2021年12月5日
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
卷积神经网络数学原理解析
算法与数学之美
19+阅读 · 2019年8月23日
【紫冬分享】移动机器人视觉里程计综述
中国科学院自动化研究所
11+阅读 · 2018年10月31日
手把手教你用Python实现自动特征工程
量子位
12+阅读 · 2018年9月3日
人脸检测与识别总结
计算机视觉战队
21+阅读 · 2017年11月29日
【直观详解】支持向量机SVM
机器学习研究会
18+阅读 · 2017年11月8日
特征工程的特征理解(一)
机器学习研究会
10+阅读 · 2017年10月23日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
相关论文
Arxiv
32+阅读 · 2021年3月8日
A Comprehensive Survey on Transfer Learning
Arxiv
121+阅读 · 2019年11月7日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Arxiv
22+阅读 · 2018年8月30日
Arxiv
26+阅读 · 2018年8月19日
Arxiv
151+阅读 · 2017年8月1日
微信扫码咨询专知VIP会员