Edzard Egberts
2018-06-20 11:55:58 UTC
Es geht um die Auswertung von aufeinander folgenden Wolkenbildern:
Ich habe schon einen Algorithmus, der Wolkenbilder in (zum Teil
geschachtelte) Einzelobjekte mit Schwerpunkt umwandelt, so dass ich ein
Wolkenbild in ein Muster von Punkten umwandeln kann. Zur Bestimmung von
Bewegungen (Windrichtung, Windgeschwindigkeit) und für das "Nowcasting"
(kurzfristige Prognose von Verschattungen) möchte ich nun diese Muster
in aufeinander folgenden Bildern auswerten. Dazu brauche ich eine
Punkt-zu-Punkt-Zuordnung, aber auch so etwas wie eine "globale
Verschiebung" und alles mit der Nebenbedingung, dass sich "Punkte" auch
mal auflösen, überlagern oder sonst wie verändern. Auch kann es ganze
Bereiche geben, die sich unterschiedlich bewegen, nämlich hohe Wolken
hinter tiefen Wolken. So hemdsärmelige Methoden nach dem Motto "jetzt
gucken wir mal, wo dieser Punkt im anderen Bild sein könnte" stoßen da
wahrscheinlich schnell an ihre Grenzen.
Was gibt es also für Algorithmen, die sich auf eine solche
Problemstellung anwenden ließen? Ich suche keine konkrete Lösung,
sondern möchte nur eine Vorstellung entwickeln, wie "so etwas" gemacht
wird, da gibt es sicherlich schon einige Idee im Bereich "Mustererkennung"?
Ein Beispiel dazu wäre das "Agglomerative Hierarchische Clustering", mit
dem ich ein Problem bei der Objektzuordnung lösen konnte. Ich suche
jetzt ähnliche Verfahren zur Definition und Auswertung von
"Objektbeziehungen", mit denen ich herumbasteln kann. Phasenkorrelation
kann ich auch, das will ich mir als erstes ansehen. Weitere Tipps?
Ich habe schon einen Algorithmus, der Wolkenbilder in (zum Teil
geschachtelte) Einzelobjekte mit Schwerpunkt umwandelt, so dass ich ein
Wolkenbild in ein Muster von Punkten umwandeln kann. Zur Bestimmung von
Bewegungen (Windrichtung, Windgeschwindigkeit) und für das "Nowcasting"
(kurzfristige Prognose von Verschattungen) möchte ich nun diese Muster
in aufeinander folgenden Bildern auswerten. Dazu brauche ich eine
Punkt-zu-Punkt-Zuordnung, aber auch so etwas wie eine "globale
Verschiebung" und alles mit der Nebenbedingung, dass sich "Punkte" auch
mal auflösen, überlagern oder sonst wie verändern. Auch kann es ganze
Bereiche geben, die sich unterschiedlich bewegen, nämlich hohe Wolken
hinter tiefen Wolken. So hemdsärmelige Methoden nach dem Motto "jetzt
gucken wir mal, wo dieser Punkt im anderen Bild sein könnte" stoßen da
wahrscheinlich schnell an ihre Grenzen.
Was gibt es also für Algorithmen, die sich auf eine solche
Problemstellung anwenden ließen? Ich suche keine konkrete Lösung,
sondern möchte nur eine Vorstellung entwickeln, wie "so etwas" gemacht
wird, da gibt es sicherlich schon einige Idee im Bereich "Mustererkennung"?
Ein Beispiel dazu wäre das "Agglomerative Hierarchische Clustering", mit
dem ich ein Problem bei der Objektzuordnung lösen konnte. Ich suche
jetzt ähnliche Verfahren zur Definition und Auswertung von
"Objektbeziehungen", mit denen ich herumbasteln kann. Phasenkorrelation
kann ich auch, das will ich mir als erstes ansehen. Weitere Tipps?