基于差分Causal LSTM模型的气象图像短时预测研究

为解决气象图像序列在短时预测时预测精度低的问题,利用一种具有级联记忆单元的Causal LSTM,将图像梯度差分惩罚因子引入训练过程,来提高预测模型对短时序列动态和突变的建模能力,提出了差分Causal LSTM模型。研究首先通过循环神经网络建立气象图像短时预测模型,然后分析了ConvLSTM模型对气象雷达回波图与卫星云图序列的预测效果,对于ConvLSTM模型预测气象图像存在严重模糊的问题,使用差分Causal LSTM模型进行优化,结果表明改进的模型能够有效改善模糊,提升预测结果的准确性。改进后的差分Causal LSTM模型在HKO-7数据集的测试样本中,关键成功指数(CSI)提高了0.019,在气象云图数据集中提高了0.078,模糊程度有所减弱。

基于VfW的实时视频图像采集处理程序设计

鉴于实时视频图像采集处理技术在安全监控、视频会议、网络聊天等领域正得到越来越广泛的运用,文中介绍如何利用VideoforWindows库函数来构建视频图像的采集框架;由于回调函数是各种型号视频采集卡处理视频图像的通用接口,分析了如何自定义回调函数来实时处理采集的视频数据,并利用梯度差分法来实时检测视频图像的活动轮廓,该方法可运用于视频目标监控、人脸检测等视频图像处理项目。