彭旭东，夏士明，孙吉明（.解放军理工大学气象海洋学院，南京，0；.空军航空大学航理系，长春，300）

提取天气类别动态特征的算法研究

彭旭东1，夏士明1，孙吉明2
（1.解放军理工大学气象海洋学院，南京，211101；2.空军航空大学航理系，长春，130022）

现有的用于天气类别识别的动态特征存在一定不足，本文进行了相应改进，提高了整体的识别率。现有的相关性特征提取依赖于人工选取天气现象明显的区域进行，基于本文的改进算法能实现天气现象的自动识别。

天气；动态特征；相关性特征

与静态天气（晴、阴、雾）相比，动态天气（雨、雪）的图像序列存在运动的颗粒（雨雪粒子）。目前仅从单帧图像进行动态天气识别的准确率偏低，难以满足实际需求。而视频包含场景随时间变化信息，因此可采用视频中的图像序列进行特征提取。

本文动态特征提取流程如下：首先，从视频中等间隔采样图像序列。然后对于图像序列提取相关性特征得到时间平均自相关特征。

1 相关性特征提取

图1 每个区域的相关性特征分布情况

2 提取结果

为了验证本文改进相关性特征的有效性，进行改进前后相关性特征分布对比，从晴、雾、阴、雨、雪这五类天气类别中选取少量视觉效果较好的样本。图2（a）为改进前的特征分布，图2（b）为改进后的特征分布，可以看出改进后的特征效果明显好于改进前的效果。

为了验证改进后的相关性特征是否对大量样本数据的分布有效，本文将五类天气的所有场景的样本都显示出来，如图3所示为对所有数据进行相关性特征提取的效果。……