Imran Sarwar Bajwa

Klasyfikacja obrazow typow chmur jednowarstwowych Imran Sarwar Bajwa

Przedstawiono automatyczny system klasyfikacji, który rozró?nia ró?ne typy jednowarstwowych chmur przy u?yciu analizy glównych komponentów (PCA) ze zwi?kszon? dokladno?ci? i zapewnia du?? szybko?c przetwarzania w porównaniu z innymi technikami. System jest najpierw szkolony na podstawie obrazów w chmurze. W fazie szkolenia system odczytuje glówne glówne cechy ró?nych obrazów chmur w celu utworzenia przestrzeni obrazu. Na etapie testowania nowy obraz chmury mo?na sklasyfikowac, porównuj?c go z okre?lon? przestrzeni? obrazu za pomoc? algorytmu PCA. Aplikacje prognozuj?ce pogod? wykorzystuj? ró?ne techniki rozpoznawania wzorców do analizy informacji o chmurach i innych parametrów meteorologicznych. Sieci neuronowe to cz?sto stosowana metodologia przetwarzania obrazu. Niektóre metodologie statystyczne, takie jak FDA, RBFNN i SVM, s? równie? wykorzystywane do analizy obrazu. Te metodologie wymagaj? wi?cej czasu na szkolenie i maj? ograniczon? dokladno?c wynosz?c? okolo 70%. Ten poziom dokladno?ci cz?sto pogarsza klasyfikacj? chmur, a tym samym dokladno?c prognoz deszczu i innych prognoz pogody jest ograniczona. Algorytm PCA zapewnia dokladniejsz? klasyfikacj? chmur, co daje lepsze i zwi?zle prognozowanie opadów.