科学技术与工程
科學技術與工程
과학기술여공정
SCIENCE TECHNOLOGY AND ENGINEERING
2015年
1期
74-77,95
,共5页
蒋立辉%于岚%庄子波%熊兴隆
蔣立輝%于嵐%莊子波%熊興隆
장립휘%우람%장자파%웅흥륭
低空风切变%激光雷达%纹理特征%模式识别
低空風切變%激光雷達%紋理特徵%模式識彆
저공풍절변%격광뢰체%문리특정%모식식별
low-level wind shear%LIDAR%texture feature%pattern recognition
为提高激光雷达探测不同类型低空风切变的识别率,提出一种结合旋转不变非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)和韦伯描述子(Weber local descriptor,WLD)的纹理特征融合方法.首先,计算基于对数极坐标变换的NSCT子代均值和方差作为旋转不变NSCT特征向量,描述风切变风场的整体频域结构.其次,提取风切变图像的WLD直方图特征,描述风切变风场局部空域结构.在此基础上,通过典型相关分析(canonical correlation analysis,CCA)融合两种特征.最后利用支持向量机作为分类器进行测试.实验结果表明,该算法对四种低空风切变的平均识别率达到97.62％,识别效果整体优于三种传统的单一特征.
為提高激光雷達探測不同類型低空風切變的識彆率,提齣一種結閤鏇轉不變非下採樣Contourlet變換(nonsubsampled contourlet transform,NSCT)和韋伯描述子(Weber local descriptor,WLD)的紋理特徵融閤方法.首先,計算基于對數極坐標變換的NSCT子代均值和方差作為鏇轉不變NSCT特徵嚮量,描述風切變風場的整體頻域結構.其次,提取風切變圖像的WLD直方圖特徵,描述風切變風場跼部空域結構.在此基礎上,通過典型相關分析(canonical correlation analysis,CCA)融閤兩種特徵.最後利用支持嚮量機作為分類器進行測試.實驗結果錶明,該算法對四種低空風切變的平均識彆率達到97.62％,識彆效果整體優于三種傳統的單一特徵.
위제고격광뢰체탐측불동류형저공풍절변적식별솔,제출일충결합선전불변비하채양Contourlet변환(nonsubsampled contourlet transform,NSCT)화위백묘술자(Weber local descriptor,WLD)적문리특정융합방법.수선,계산기우대수겁좌표변환적NSCT자대균치화방차작위선전불변NSCT특정향량,묘술풍절변풍장적정체빈역결구.기차,제취풍절변도상적WLD직방도특정,묘술풍절변풍장국부공역결구.재차기출상,통과전형상관분석(canonical correlation analysis,CCA)융합량충특정.최후이용지지향량궤작위분류기진행측시.실험결과표명,해산법대사충저공풍절변적평균식별솔체도97.62％,식별효과정체우우삼충전통적단일특정.
