现阶段对于形成期风暴的预测,主要依靠预报员根据专业知识分析得来。根据形成期风暴的预报原理,完全可以借助模式识别的基本方法和图像处理技术,用计算机模拟这一过程,使预报的自动化成为可能。同时由于量化后图像特征更精确,客观,因此通过对它们的知识发掘使得自动预报系统的准确性超过人工是可以期待的。本文给出了一种以边界层辐合线为代表的潜势特征自动识别提取方法,该方法通过模拟人类的视觉及心理过程完成识别,具有较好的普适性和鲁棒性,获得令人满意的处理结果,同时根据对实际数据的处理结果,分析潜势特征的内在关系,并给出了一定的结论,为自动预报系统的实现奠定了基础。本文主要完成了以下两部分工作:一、对辐合线的提取。辐合线在反射率图上反映得较明显,一般呈现一种无规则的复杂的带状结构,通常无法直接使用常规的形状识别方法。本文中,首先缩小尺度,对辐合线在探测窗内的结构特征加以分析,检出在探测窗内呈现局部带状结构的区域,并引入“印象”的概念,对局部带状区域构成辐合线的可能性进行一个估计,滤除干扰的噪声。然后,通过对形状几何参数的计算来完成对带状形状的滤波。二、对得到的辐合线区域提取骨架,滤除噪声,进一步提取与辐合线相关的形成期风暴的各潜势特征,并与未来出现的风暴天气联系起来加以分析,尝试找到不同信息间的内在联系,给出一定的结论,以期未来能依靠该类潜势特征预报未来灾害性天气的发生发展过程。综上所述,本文为形成期风暴的预测和研究提供了新的思路,所涉及算法均已编程实现,并在样本测试过程中表现出较强的稳定性和令人满意的测试效果。