Klasyfikacja obrazów typów chmur jednowarstwowych

Przedstawiono automatyczny system klasyfikacji, który rozró-nia ró-ne typy jednowarstwowych chmur przy u-yciu analizy g-ównych komponentów (PCA) ze zwi-kszon- dok-adno-ci- i zapewnia du-- szybko-- przetwarzania w porównaniu z innymi technikami. System jest najpierw szkolony na podstawie obrazów w chmurze. W fazie szkolenia system odczytuje g-ówne g-ówne cechy ró-nych obrazów chmur w celu utworzenia przestrzeni obrazu. Na etapie testowania nowy obraz chmury mo-na sklasyfikowä, 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- dok-adno-- wynosz-c- oko-o 70%. Ten poziom dok-adno-ci cz-sto pogarsza klasyfikacj- chmur, a tym samym dok-adno-- prognoz deszczu i innych prognoz pogody jest ograniczona. Algorytm PCA zapewnia dok-adniejsz- klasyfikacj- chmur, co daje lepsze i zwi-z-e prognozowanie opadów.

Soy profesor asistente de informática en la Universidad Islamia de Bahawalpur, Pakistán. Estoy haciendo mi doctorado en Ciencias de la Computación de la Universidad de Birmingham, Reino Unido. También trabajé en la Universidad de Coimbra, Portugal, como investigadora asociada. Mis otros intereses de investigación son el procesamiento del lenguaje natural y los sistemas de información.