卫星云图的多通道FCM分割算法

J4 ›› 2012, Vol. 34 ›› Issue (10): 83-87.

卫星云图的多通道FCM分割算法

王伟1，刘娟1，孟志斌1，郭钧天2

(1.武汉大学计算机学院，湖北武汉 430072;2.国网电力科学研究院武汉南瑞有限责任公司，湖北武汉 430074）

收稿日期:2012-04-25 修回日期:2012-07-10 出版日期:2012-10-25 发布日期:2012-10-25

Multichannel FCM Segmentation Algorithm of Satellite Cloud Image

WANG Wei1，LIU Juan1，MENG Zhibin1，GUO Juntian2

(1.School of Computer Science,Wuhan University,Wuhan 430072;2.Wuhan NARI Co.,Ltd.,State Grid Electric Power Research Institute,Wuhan 430074,China)

Received:2012-04-25 Revised:2012-07-10 Online:2012-10-25 Published:2012-10-25

摘要/Abstract

摘要：

卫星云图是对地球大气进行遥感测量的重要资料，云团的识别、跟踪及预测都需要对卫星云图进行图像分割和边缘提取。本文通过改进模糊C均值（FCM）算法对云图进行分割，改进后的算法显示出了效率高、分辨准确的特点。实验采用了2011年6月的RGB多通道卫星云图，通过对云图分层聚类，提取多通道聚类的相交区域等过程，实现了云团快速准确的分割。

关键词: 卫星云图, 多通道, FCM, 分割

Abstract:

The satellite cloud images are important materials in the remote sensing measurement of the earth’s atmosphere. Cloud identification, tracking and prediction need segmentation and edge extracted operator on satellite cloud images. In this paper, we improve the fuzzy Cmeans (FCM) algorithm for cloud image segmentation. The experimental result demonstrates that the improved algorithm features efficiency and accuracy. In the experiment, we employ the RGB multichannel satellite cloud images in June 2011, cluster the cloud image on the layering of image, and extract multichannel clustering intersection areas, etc. The result achieves the fast and accurate segmentation to satellite cloud images.

Key words: satellite cloud images;multichannel;FCM;segmentation

王伟1，刘娟1，孟志斌1，郭钧天2. 卫星云图的多通道FCM分割算法[J]. J4, 2012, 34(10): 83-87.

WANG Wei1，LIU Juan1，MENG Zhibin1，GUO Juntian2. Multichannel FCM Segmentation Algorithm of Satellite Cloud Image[J]. J4, 2012, 34(10): 83-87.

[1]	马冬梅, 黄欣悦, 李煜. 基于特征融合和注意力机制的图像语义分割[J]. 计算机工程与科学, 2023, 45(03): 495-503.
[2]	厍向阳, 马亦骏. 改进的遥感图像语义分割算法[J]. 计算机工程与科学, 2023, 45(03): 504-511.
[3]	李忠瑞, 崔宾阁, 杨光, 张昊卿. 基于深度学习的海岸线边缘检测网络模型[J]. 计算机工程与科学, 2022, 44(12): 2220-2229.
[4]	吴从中, 董浩, 方静. 基于注意力机制的自适应滤波遥感图像分割网络[J]. 计算机工程与科学, 2022, 44(11): 2010-2018.
[5]	蒋芸, 刘文欢, 梁菁. 联合注意力和Transformer的视网膜血管分割网络[J]. 计算机工程与科学, 2022, 44(11): 2037-2047.
[6]	吴亦奇, 韩放, 张德军, 何发智, 陈壹林. 基于特征通道和空间位置注意力的三维点云特征学习网络[J]. 计算机工程与科学, 2022, 44(07): 1239-1246.
[7]	仇静博, 燕雪峰, 汪俊, 郭延文, 魏明强, . 基于全卷积神经网络的单幅隧道图像裂纹提取算法[J]. 计算机工程与科学, 2022, 44(05): 845-854.
[8]	刘李漫, 谭龙雨, 彭源, 刘佳. 基于全融合网络的三维点云语义分割[J]. 计算机工程与科学, 2022, 44(05): 862-869.
[9]	刘榕, 伍欣, 敖斌, 文青, 李宽. 用于CD56图像分割的细胞标注精细化与自适应加权损失[J]. 计算机工程与科学, 2022, 44(05): 870-878.
[10]	马冬梅, 李鹏辉, 黄欣悦, 张倩, 杨鑫. 改进DeepLabV3+的高效语义分割[J]. 计算机工程与科学, 2022, 44(04): 737-745.
[11]	王杨, 郁振鑫, 卢嘉, . 融合视觉注意机制的图像显著性区域风格迁移方法[J]. 计算机工程与科学, 2022, 44(01): 118-123.
[12]	纪玲玉, 高永彬, 蔡清萍, 卫子然, 廖薇 . 基于改进卷积神经网络的腹部动脉血管分割[J]. 计算机工程与科学, 2021, 43(11): 1986-199.
[13]	徐世杰, 杜煜, 鹿鑫, 吴思凡. 基于ENet的轻量级语义分割算法研究[J]. 计算机工程与科学, 2021, 43(08): 1454-1460.
[14]	曾增峰, 环宇翔, 邹卓, 郑立荣. 多尺度深度监督的高度近视萎缩病变分割方法[J]. 计算机工程与科学, 2021, 43(07): 1264-1272.
[15]	蒋芸, 高静, 王发林. SAG-Net：用于联合视盘和视杯分割的新型跳过注意力指导网络[J]. 计算机工程与科学, 2021, 43(07): 1273-1282.