题 目	基于交叉相关系数的度量模型


摘	要：
本文利用卫星云图中的灰度数据，建立了基于灰度值相关系数的风矢场度量模型，并用差商法、三次样条插值法和整体局部匹配算法对模型进行优化。使用图像特征提取算法和风矢运动估计算法，建立了动态搜索匹配模型。并对影响风矢度量求解精度和速度的因素进行了定量讨论，对各度量模型进行评价。
对于问题一：利用卫星扫描角度、矩阵元素与三维坐标系中点的对应关系， 建立了视场转换模型。计算出了灰度矩阵元素行列号对应的经纬度，并将海岸线添加到了画出的卫星云图中。
对于问题二：利用四窗口法和直方图均衡化法对图像进行了预处理。采用交叉相关系数法将两时刻的卫星云图进行匹配，求解 21：00 时刻风矢量。最后利用三种算法分别对模型进行优化，结果证明差商法具有很好的优化效果。
对于问题三：采取基于相对变化率的特征值提取算法，调整窗口和搜索范围大小。利用相邻经纬度处的风矢信息，对搜索范围进行预判和动态调整。与问题二中的固定窗口模型相比，辨识速度提高了 48.3%。
对于问题四：对非单调的气压层与温度函数进行了分段拟合求解。根据气压层温度曲线特性和气压不能突变原理，建立了气压层全局匹配模型。根据此模型就可以得到给定经纬处的气压值。
关键词： 交叉相关系数 风矢预测 特征提取 全局匹配



目录
目录	3
1.问题重述	4
2.符号说明	5
3.问题的假设	5
4.问题分析	6
5 基于卫星云图的风矢场（云导风）度量模型的建立和求解	6
5.1 视场坐标系的变换	6
5.1.1 帧坐标映射到经纬度模型的建立	7
5.1.2 经纬度映射到帧坐标模型的建立	10
5.1.3 模型的求解	11
5.2 风矢场的度量模型的建立和求解	11
5.2.1 模型 1：基于灰度值相关系数的风矢场度量方法	11
5.2.2 模型 1 的改进	17
5.2.3 模型中一些问题的讨论	20
5.3 窗口大小和搜索范围自适应算法	20
5.3.1 窗口大小的调整	21
5.3.2 搜索范围的调整	22
5.4 风矢量所在等压面模型	24
5.4.1 模型的建立	24
5.4.2 模型的求解	27
6.结果分析	27
6.1 结果分析	27
6.2 模型评价：	28
6.2.1 模型优点：	28
6.2.2 模型缺点：	28
参考文献	29
附件	30