文献

J-GLOBAL ID：201902240387613266   整理番号：19A1671179

ウェーブレット領域Gaussスケール混合モデルに基づく天候レーダ画像の高分解能補間【JST・京大機械翻訳】

著者 (4件)： Kou Leilei (南京信息工程大学气象災害預警与評估協同創新中心/气象災害教育部重点実験室/气候与環境変化国際合作聯合実験室,南京,210044) ,  Wang Zhenhui (南京信息工程大学气象災害預警与評估協同創新中心/气象災害教育部重点実験室/气候与環境変化国際合作聯合実験室,南京,210044) ,  Chen Feifei (南京信息工程大学气象災害預警与評估協同創新中心/气象災害教育部重点実験室/气候与環境変化国際合作聯合実験室,南京,210044) ,  Chu Zhigang (南京信息工程大学气象災害預警与評估協同創新中心/气象災害教育部重点実験室/气候与環境変化国際合作聯合実験室,南京,210044)
資料名： Qixiang Xuebao  (Qixiang Xuebao)
巻： 77  号： 1  ページ： 142-153  発行年： 2019年 
JST資料番号： W0866A  ISSN： 0577-6619  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： レーダーエコー強度データの統計特徴を正確に描写できるウェーブレット領域ガウススケール混合(GSM)モデルをレーダー画像事前モデルとして採用し、天候レーダー画像補間を行い、画像分解能を高めると同時に降水エコー中の局部強エコー値を有効に再構築した。小スケール変化の詳細などのいくつかの重要な空間分布統計特徴。レーダエコー強度データのウェーブレット周波数領域の統計的特性を解析し,要約し,ウェーブレット領域GSMモデルを確立し,ウェーブレット係数とGSMモデルを適合させ,ウェーブレット係数をBayes理論により推定し,ウェーブレット逆変換を行い,高分解能天候レーダ画像補間を完成した。実験により、このアルゴリズムは低解像度画像から高解像度高周波係数を推定でき、かつ利用する事前モデルは降水データ自体の特徴を十分に考慮し、降水エコー構造の非ガウス特徴と局部相関特性を有効に獲得でき、レーダー画像における局部変化の詳細を再建できることが分かった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 降水 ,  *高分解能 ,  *レーダ ,  逆変換 ,  *内挿法 ,  周波数領域 ,  アルゴリズム ,  再構成 ,  *レーダ画像 ,  Bayes推定 ,  空間分布 ,  *波束 ,  ウェーブレット係数 ,  画像補間 ,  *天候

分類 (2件)： 気象学一般  (DC05010D) ,  中小規模擾乱,降水特性  (DC05120X)

タイトルに関連する用語 (7件)： ウェーブレット ,  スケール ,  混合モデル ,  天候 ,  レーダ画像 ,  高分解能 ,  補間