台风是一种灾害性天气系统,它带来的强风暴雨和风暴潮等可造成生命和财产的巨大损失。加强台风的监测和预报是减轻台风灾害的重要手段。台风中心定位是台风预报准确与否的一个关键因素。因其覆盖范围大、扫描频率高等优点,过去人们常用卫星云图来研究台风中心定位。但是,受云层覆盖和降雨等的影响,卫星云图无法显示近海面的气流和海水间的相互作用以及台风的内部详细结构。与可见光或红外传感器相比,合成孔径雷达(Synthetic Aperture Radar,SAR)工作在微波波段,具有穿透能力,可以探测到降水的实际区域并显示台风的内部结构,对台风螺旋云带的空间分布和强降水中心有非常直观客观的反映,且分辨率高,可全天时全天候工作,因此逐渐在台风研究中得到广泛的应用。它在台风监测预报中的应用将是未来海洋与气象科学发展的重要研究方向之一。虽然SAR图像的相关研究工作已经有了很多积累和进展,但是在SAR图像台风信息自动提取方面的针对性研究工作还是相对缺乏的。本文的研究工作围绕利用台风SAR图像进行台风中心定位展开,分析挖掘台风SAR图像的特点,并结合图像分割和计算机视觉等理论方法,针对有眼台风和无眼台风分别给出了中心定位的方法。本文的主要工作和创新如下:1,通常认为有眼台风的中心在风眼区域或其附近,因此有眼台风定位的关键是提取台风眼。台风眼区少风无雨,在SAR影像中多表现为黑色或深灰色的区域,当台风处于发展期或衰退期时不一定有完整清晰的台风眼,这时风眼区域也可能表现为浅灰色区域,这种灰度差异并不总是明显的。因此若用图像分割的方法提取台风眼,有必要对图像做增强处理。另外,台风SAR图像受相干斑的影响较大,因此有必要先对其进行去噪。基于此,在第二章中我们提出一种基于非局部均值和标记分水岭的方法提取台风眼,先用PPB滤波器去噪、高帽变换进行增强,然后用标记分水岭的方法提取台风眼,并计算提取的台风眼的面积,与人工计算的台风眼的面积进行对比,验证了用该方法提取台风眼准确有效。2,台风眼在图中多呈现为深灰色的圆形或椭圆形,方向特征不明显。周围的云带则呈现为浅一些的灰色,多有螺旋趋势,方向特征很明显。而且台风形成于热带洋面上,登陆后会因为能量消耗巨大、缺乏能量供应来源等因素而逐渐衰退消亡,因此台风SAR影像也多成像与海洋上,在图像中表现为背景简单、纹理信息较少,这有利于用视觉显著性的方法提取台风眼。这些特点有利于用视觉显著性的方法构建台风的视觉显著图,凸显其风眼等结构。在第三章中我们提出了基于视觉显著性和区域生长算法来提取台风眼。利用台风SAR影像的灰度信息和方向信息构建视觉显著图,然后提取视觉显著图中的台风眼。3,对单幅无眼台风图像,通常采用模板匹配的方法来估计台风中心。过去基于卫星云图提取螺旋云带的方法通常包含用图像分割的方法分割出云系、用形态学方法反复处理、基于统计分析筛选等来得到可有效利用的云带信息,再用模型拟合等步骤。这类方法计算复杂度较高且由于步骤繁多而容易导致定位误差较大甚至失败。在第四章中我们提出了基于粒子群优化算法和对数螺线模型的方法定位无眼台风中心。该方法用边缘检测的方法提取螺旋云带的同样具有螺旋几何特征的边缘线,这大大简化了模板匹配前的步骤和计算复杂度,然后用对数螺线模型来拟合螺旋线,并将拟合问题转化为目标优化问题,用粒子群优化算法来求最优解,即估计的台风中心。4,螺旋云带位于台风云系中,具有典型的螺旋几何特征和旋转趋势,能够反映台风的形态,是用于研究无眼台风的重要信息。对一个台风SAR图像来说,台风云带的螺旋结构和灰度上的明暗相间是其区别于背景的显著特征。另外,由于台风SAR图像多获取于海面上,背景简单,纹理信息较少,适宜用视觉显著性的方法来进行处理。因此在第五章中我们提出了基于特征学习和显著区域检测的方法定位无眼台风中心。螺旋云带表现为明暗相间的螺旋状结构,灰度对比度明显,方向信息丰富,因此可利用灰度对比度和方向特征构建显著区域图,筛除无关云团的干扰,突显螺旋云带的区域,然后用形态学的方法在显著区域图中提取螺旋云带。5,用模板匹配的方法对无眼台风进行中心定位,过去通常用对数螺线模型来匹配螺旋云带骨架线。该类方法通常要求能提取到完整连续的螺旋云带,且由此得到的螺旋曲线能有效反映台风的螺旋趋势和螺旋结构。但是有的台风在SAR图像上表现为由一系列不连续的小云团构成螺旋云带,在这种图像中很难提取到细长连续的螺旋云带,会大大影响用对数螺线模型来拟合螺旋曲线从而估计台风中心的方法的准确度。而且SAR受其扫描幅度限制,有时候获得的台风图像并不包含完整的台风结构,可能图像中只有部分云带,可能台风中心在图像之外的区域,这也限制了对数螺线模型的使用。因此在本章我们考虑寻找一种能适用于上述情况的模型来估计无眼台风的中心。因此针对台风SAR影像中台风结构不完整的情况,在第六章中我们提出了基于视觉显著性和入流角模型定位无眼台风中心。使用第五章中提出的方法获得螺旋云带,然后提取其骨架线,用入流角模型来估计台风中心。并将估计的结果与Best Track Data数据进行对比,证实了该算法的有效性。