지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김재환
- 발행연도
- 2016
- 저작권
- 부산대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Atmospheric motion vector (AMV) from satellite images have shown slow speed bias (SSB) in comparison with rawinsonde. The causes of SSB are originated from tracking, selection, and height assignment error, which is known to be the leading error. However, recent works have shown that height assignment error cannot be fully explained the cause of SSB. This paper attempts a new approach to examine the possibility of SSB reduction of COMS AMV by using a new target tracking algorithm. Tracking error can be caused by averaging of various wind patterns within a target and changing of cloud shape in searching process over time. To overcome this problem, Gaussian Mixture Model (GMM) has been adopted to extract the coldest cluster as target since the shape of such target is less subject to transformation. Then, an image filtering scheme is applied to weigh more on the selected coldest pixels than the other, which makes it easy to track the target. When AMV derived from our algorithm with sum of squared distance method and current COMS are compared with rawindsonde, our products show noticeable improvement over COMS products in mean wind speed by an increase of 2.7 and SSB reduction by 29%. However, the statistics regarding the bias show negative impact for mid/low level with our algorithm, and the number of vectors are reduced by 40% relative to COMS. Therefore, further study is required to improve accuracy for mid/low level winds and increase the number of AMV vectors.
목차
목차 ⅰList of Tables ⅲList of Figures ⅳ제 1 장 서 론 11.1 대기운동벡터의 정의 및 산출 11.2 선행연구 및 연구목적 3제 2 장 자료 및 방법 62.1 연구 자료 62.2 연구 방법 82.2.1 가우시안 혼합 모델 82.2.2 이미지 필터링 132.2.2.1 바이너리 방법 132.2.2.2 공간적 일관성 방법 152.2.3 이미지 매칭 172.2.3.1 교차상관 방법 172.2.3.2 거리제곱합 방법 18제 3 장 본 론 193.1 CMDPS AMV 알고리듬 193.2 개발된 표적추적 알고리듬 213.3 모의실험을 통한 최적 알고리듬 선정 243.3.1 모의실험을 위한 사례선정 243.3.2 예비실험 수행 및 결과 분석 263.3.3 모의실험 수행 및 최적의 표적추적 알고리듬 선정 29제 4 장 결 과 334.1 실제 영상에 적용 334.1.1 표적추적 알고리듬을 비교하기 위한 표적의 대표온도 분석 334.1.2 현업 알고리듬과 개발 알고리듬으로 산출된 AMV 비교 분석 364.2 라디오존데와의 비교 검증 414.2.1 라디오존데와의 검증 조건 414.2.2 현업 알고리듬과 개발 알고리듬의 검증 결과 44제 5 장 요약 및 결론 48참고 문헌 50Abstract 53
최근 본 자료
댓글(0)
0