基于KNN的地基可见光云图分类方法

被引：18

作者：

朱彪 ^{[1
,2
]}

杨俊 ^{[2
]}

吕伟涛 ^{[2
]}

陈丽英 ^{[3
]}

马颖 ^{[2
]}

姚雯 ^{[2
]}

张义军 ^{[2
]}

机构：

[1] 成都信息工程学院

[2] 中国气象科学研究院

[3] 海南省气象服务中心

来源：

应用气象学报 | 2012年 / 23卷 / 06期

关键词：

纹理特征; 颜色特征; 形状特征; KNN; 云图分类;

D O I：

暂无

中图分类号：

TP391.41 []; P409 [电子计算机在大气科学上的应用];

学科分类号：

080203 ;

摘要：

云图的自动分类是实现地基云自动化观测的技术保障。该文探讨了一种先将云图分为积状云、层状云和卷云3大类的分类方案,通过对3大云类和晴空这4种天空类型的纹理特征、颜色特征和形状特征进行分析,选取了21个特征参量,并采用K最近邻分类器(K-Nearest Neighbor,KNN),在不同的K取值情况下对这几类天空类型进行了分类识别。结果表明:新的分类方案是可行的,且当纹理特征、颜色特征和形状特征结合使用时获取了比单独利用纹理特征、颜色特征和形状特征以及它们两两组合时更好的识别效果。当K=7且使用21个特征参量时,KNN算法对积状云、层状云、卷云和晴空的识别最好,识别正确率分别为91.1%,74.4%,70.0%和100.0%,平均正确率为83.9%。

引用

页码：721 / 728

页数：8

共 15 条

[1] 基于局部阈值插值的地基云自动检测方法 [J].