Classificação de imagem de tipos de nuvem de camada única

É apresentado um sistema de classificação automática, que discrimina os diferentes tipos de nuvens de camada única usando Análise de Componentes Principais (PCA) com maior precisão e fornece velocidade de processamento rápida em comparação com outras técnicas. O sistema é primeiro treinado por imagens em nuvem. Na fase de treinamento, o sistema lê os principais recursos das diferentes imagens de nuvem para produzir um espaço de imagem. Na fase de teste, uma nova imagem de nuvem pode ser classificada comparando-a com o espaço de imagem especificado usando o algoritmo PCA. Os aplicativos de previsão do tempo usam várias técnicas de reconhecimento de padrões para analisar as informações das nuvens e outros parâmetros meteorológicos. Redes Neurais é uma metodologia frequentemente usada para processamento de imagens. Algumas metodologias estatísticas como FDA, RBFNN e SVM também estão sendo usadas para análise de imagens. Essas metodologias requerem mais tempo de treinamento e têm uma precisão limitada de cerca de 70%. Este nível de precisão muitas vezes degrada a classificação das nuvens e, portanto, a precisão da chuva e outras previsões meteorológicas são reduzidas. O algoritmo PCA fornece uma classificação de nuvem mais precisa que produz uma previsão de chuva melhor e concisa.