Klasyfikacja obrazw typw chmur jednowarstwowych

Przedstawiono automatyczny system klasyfikacji, ktry rozrnia rne typy jednowarstwowych chmur przy uyciu analizy gwnych komponentw (PCA) ze zwikszon dokadnoci i zapewnia du szybko przetwarzania w porwnaniu z innymi technikami. System jest najpierw szkolony na podstawie obrazw w chmurze. W fazie szkolenia system odczytuje gwne gwne cechy rnych obrazw chmur w celu utworzenia przestrzeni obrazu. Na etapie testowania nowy obraz chmury mona sklasyfikowa, porwnujc go z okrelon przestrzeni obrazu za pomoc algorytmu PCA. Aplikacje prognozujce pogod wykorzystuj rne techniki rozpoznawania wzorcw do analizy informacji o chmurach i innych parametrw meteorologicznych. Sieci neuronowe to czsto stosowana metodologia przetwarzania obrazu. Niektre metodologie statystyczne, takie jak FDA, RBFNN i SVM, s rwnie wykorzystywane do analizy obrazu. Te metodologie wymagaj wicej czasu na szkolenie i maj ograniczon dokadno wynoszc okoo 70%. Ten poziom dokadnoci czsto pogarsza klasyfikacj chmur, a tym samym dokadno prognoz deszczu i innych prognoz pogody jest ograniczona. Algorytm PCA zapewnia dokadniejsz klasyfikacj chmur, co daje lepsze i zwize prognozowanie opadw.