杨秋良，王 钰，杨杏丽，李济洪

(1.山西大学数学科学学院,山西 太原 030006； 2.山西大学现代教育技术学院,山西 太原 030006)

0 引 言

云对天气与气候变化有着非常重要的指示作用，准确获取云的信息对社会、经济、军事等各方面都有很大的意义。当前，对云的观测主要有卫星云观测和地基云观测2种方式。其中，地基云图观测由于它在局部云观测中的及时性和准确性而备受关注。特别地，地基云图观测中的一个重要参数是云状(云类)，云状的正确识别在理解数值天气预报、分析气候条件及大气环流模式中都起着十分关键的作用[1-3]。

实际上，地基云图是一类特殊的自然纹理图像，地基云图云状识别就是机器学习中的图像分类。针对地基云状识别地基可见光云图的特殊自然纹理特性，已有文献提出了多种纹理特征提取方法来对地基云图云状识别进行研究，例如旋转不变的纹理特征、Gabor小波变换、灰度共生矩阵等。然而，这些方法有的仅对图像的绝对纹理位置信息进行了编码，有的仅拥有旋转不变的特性[4]。为此，文献[5]提出了具有旋转不变性和直方图均衡化不变性的局部二值模式(Local Binary Pattern, LBP)描述子，由于该方法的简单有效，使其得到了广泛的扩展和应用，尤其是在地基云图的研究中。比如，文献[6]把LBP方法应用到人脸识别的任务中，提出了更加稳健的局部三值LTP(Local Ternary Pattern)描述子；文献[7]指出传统的LBP方法只使用了符号向量信息，忽略了绝对值和中心像素本身的信息，为此提出了一种融合这3种信息的完整LBP方法，即CLBP(Completed Local Binary Pattern)方法；……