Classification d'image des types de nuages une seule couche

Un systme de classification automatique est prsent, qui discrimine les diffrents types de nuages monocouches l'aide de l'analyse en composantes principales (ACP) avec une prcision amliore et offre une vitesse de traitement rapide par rapport d'autres techniques. Le systme est d'abord form par des images cloud. En phase de formation, le systme lit les principales caractristiques principales des diffrentes images cloud pour produire un espace image. En phase de test, une nouvelle image de nuage peut tre classe en la comparant l'espace image spcifi l'aide de l'algorithme PCA. Les applications de prvision mtorologique utilisent diverses techniques de reconnaissance de formes pour analyser les informations des nuages et d'autres paramtres mtorologiques. Neural Networks est une mthodologie souvent utilise pour le traitement d'images. Certaines mthodologies statistiques telles que FDA, RBFNN et SVM sont galement utilises pour l'analyse d'images. Ces mthodologies ncessitent plus de temps de formation et ont une prcision limite d'environ 70%. Ce niveau de prcision dgrade souvent la classification des nuages et, par consquent, la prcision de la pluie et d'autres prvisions mtorologiques est rduite. L'algorithme PCA fournit une classification des nuages plus prcise qui donne des prvisions de pluie meilleures et concises.