石峰 宋曉毅 安陽(yáng)工學(xué)院

引言：針對(duì)氣象學(xué)科基礎(chǔ)研究中的雪花形狀分類問(wèn)題，文章提出一種基于BP神經(jīng)網(wǎng)絡(luò)的雪花形狀分類方法。首先對(duì)雪花圖像進(jìn)行圖像預(yù)處理并提取雪花的輪廓特性；在此基礎(chǔ)上利用雪花輪廓得到雪花的縱橫軸比、矩形度、周長(zhǎng)凹凸比、面積凹凸比、形狀參數(shù)以及致密度6種形狀特征參數(shù)，采取BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)分類器。實(shí)驗(yàn)表明，該分類器識(shí)別率可以達(dá)到91.67%，能夠?yàn)楹罄m(xù)研究雪花物理結(jié)構(gòu)與人工干預(yù)降雪之間的關(guān)系提供可靠數(shù)據(jù)支撐。

1 圖像預(yù)處理

首先對(duì)圖像進(jìn)行二值化處理，在13種基于直方圖的圖像全局二值化算法中，本文應(yīng)用最大類間方差法（Otsu）進(jìn)行圖像二值化處理，獲得最優(yōu)的圖像分割閾值。并對(duì)分割后的圖像形態(tài)學(xué)操作，完成邊緣檢測(cè)和提取輪廓線。

2 形狀特征參數(shù)提取

雪花圖像包含了豐富的特征信息，比如形狀特征和紋理特征，根據(jù)形狀分類的相關(guān)理論，本文利用雪花的輪廓、凸包和最小包圍盒得到形狀描述，利用這些形狀描述計(jì)算出縱橫軸比、矩形度、周長(zhǎng)凹凸比、面積凹凸比、形狀參數(shù)和致密度6種相對(duì)形態(tài)參數(shù)。

2.1 雪花輪廓提取

本文先提取雪花的外部輪廓，通過(guò)采用輪廓跟蹤法對(duì)雪花圖像進(jìn)行輪廓提取，具體算法步驟為：（1）對(duì)圖像預(yù)處理后的雪花二值化圖像采用自頂向下、從左到右的順序進(jìn)行掃描，得到第一個(gè)像素點(diǎn)為1的點(diǎn)，此時(shí)將其作為起始點(diǎn)，進(jìn)行步驟2。（2）得到起始點(diǎn)后，按照逆時(shí)針?lè)较驅(qū)ふ耶?dāng)前像素點(diǎn)周圍8個(gè)方向上的領(lǐng)域點(diǎn)，如果發(fā)現(xiàn)像素值為1的點(diǎn)且領(lǐng)域上包含0像素點(diǎn)，若此像素點(diǎn)先前沒(méi)有被掃描過(guò)，將這個(gè)像素點(diǎn)作為當(dāng)前點(diǎn)，記錄下相應(yīng)的鏈碼值。（3）重復(fù)步驟2，直到回到起始點(diǎn)。（4）根據(jù)步驟2和3所記錄的鏈碼值，得到雪花的形狀輪廓。輪廓圖如圖1（a）所示。

2.2 求取雪花凸包

本文采取Graham掃描法求取最小凸包，凸包是指在雪花圖像中，找出某些點(diǎn)作一個(gè)多邊形，使這個(gè)多邊形能把所有點(diǎn)都包括在內(nèi)，這個(gè)凸多邊形稱之為凸包。如圖1（b）、（c）所示，（b）圖為對(duì)原始凸包圖像進(jìn)行膨脹算法后的圖像，（c）圖為對(duì)膨脹圖像進(jìn)行相應(yīng)程度侵蝕算法后的圖像。

2.3 求取最小包圍盒

最小包圍盒是指包含某個(gè)區(qū)域內(nèi)所有像素點(diǎn)的一個(gè)最小矩形，如圖1（d）所示。算法過(guò)程描述如下：（1）使用一條平行線對(duì)凸包兩邊的頂點(diǎn)進(jìn)行檢測(cè)，發(fā)現(xiàn)有一條凸包頂點(diǎn)之間的連線與這條平行線重合，記下這兩條平行線的位置，然后作兩條垂直于這條平行線的線段，從這個(gè)方向的兩側(cè)凸包頂點(diǎn)開(kāi)始尋找。最后4條線段可以形成一個(gè)矩形，并且計(jì)算該矩形的面積。（2）重復(fù)上面的過(guò)程，直到遍歷完所有的雪花凸包頂點(diǎn)，面積最小的矩形就是最小包圍盒。

2.4 形狀特征參數(shù)提取

（1）縱橫軸比（AxisRatio）：雪花圖像最小包圍盒的寬度與長(zhǎng)度的比值。（2）矩形度（Rectangularity）：雪花面積與最小包圍盒面積的比值。（3）面積凹凸比（ConvexityArea）：雪花面積與雪花凸包面積的比值。（4）周長(zhǎng)凹凸比（ConvexityPerimeter）：雪花周長(zhǎng)與凸包周長(zhǎng)的比值。（5）形狀參數(shù)（Formparameter）：是由雪花的面積與周長(zhǎng)之間的計(jì)算出來(lái)的值，反映了雪花面積的緊密性。（6）致密度（Density）：用來(lái)描述圖像邊界復(fù)雜程度的指標(biāo)，反映了圖像趨于圓的程度。

3.BP神經(jīng)網(wǎng)絡(luò)分類器

BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，主要特點(diǎn)是輸入信號(hào)前向傳遞，誤差反向傳播，如果輸出層無(wú)法得到期望輸出，就會(huì)轉(zhuǎn)向反向傳播，根據(jù)預(yù)測(cè)誤差調(diào)整網(wǎng)絡(luò)權(quán)值和閾值，即可使預(yù)測(cè)輸出向期望輸出不斷逼近。本文采用的BP神經(jīng)網(wǎng)絡(luò)為3層，激活函數(shù)為sigmod函數(shù)。（1）確定網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)。本文采用六項(xiàng)形狀特征作為輸入層節(jié)點(diǎn)數(shù)，即m=6，輸出層節(jié)點(diǎn)數(shù)對(duì)應(yīng)雪花形

其中a取0～10的常數(shù)，l確定了大概范圍，通過(guò)使用試湊法確定出最佳的節(jié)點(diǎn)數(shù)l，本文l取10。（2）網(wǎng)絡(luò)初始化。在初始化階段，給予權(quán)重系數(shù)Wij一個(gè)隨機(jī)數(shù)（-1.0～1.0），學(xué)習(xí)速率為0.01，目標(biāo)誤差0.001。（3）訓(xùn)練算法選擇。本文采用梯度修正法和反向錯(cuò)誤傳播算法。對(duì)雪花庫(kù)雪花選取3種類型：六角盤狀、六枝星狀和星形樹(shù)枝狀的雪花圖像500張進(jìn)行處理，3種類型中各隨機(jī)選取100個(gè)作為訓(xùn)練樣本，剩下200個(gè)作為分類測(cè)試樣本，識(shí)別率達(dá)到91.67%。

圖1 （a）雪花形狀輪廓圖；（b）雪花形狀凸包圖（膨脹后）；

（c）雪花形狀凸包圖（侵蝕后）；（d）最小包圍盒圖

結(jié)語(yǔ)：花形狀分類在氣象領(lǐng)域的基礎(chǔ)研究工作中發(fā)揮著重要作用，本文利用數(shù)字圖像處理技術(shù)對(duì)雪花圖像提取了縱橫軸比、矩形度、面積凹凸比、周長(zhǎng)凹凸比、形狀參數(shù)以及致密度等6項(xiàng)形態(tài)特征參數(shù)，設(shè)計(jì)了一種基于BP神經(jīng)網(wǎng)絡(luò)的雪花形狀分類方法。實(shí)驗(yàn)表明本方法對(duì)于3種雪花形態(tài)的正確識(shí)別率達(dá)到了91.67%，驗(yàn)證了利用BP神經(jīng)網(wǎng)絡(luò)對(duì)于雪花形狀進(jìn)行分類的可行性與較好的魯棒性。今后進(jìn)一步的研究方向是繼續(xù)改進(jìn)智能分類算法，解決存在雪花殘缺或者雪花圖像模糊干擾情況下的分類問(wèn)題。