1.一种雷达回波图像中飑线特征的智能识别预警方法，其特征在于：包括如下具体步骤：

步骤1：将雷达基数据文件中雷达体扫的仰角编号定义为α，α的取值范围为[0,max_α]，max_α表示雷达体扫的最大仰角编号；α的初始值为0，即α＝0；将高通滤波阈值定义为Filt_A，Filt_A的取值范围为0至100的正整数，Filt_A的初始值为[60,100]之间任一正整数；

步骤2：读取待分析的雷达基数据文件，从该文件中提取仰角编号为α的基本反射率数据R(α)；

步骤3：将R(α)由极坐标形式转换为平面直角坐标形式，记为RP(α,x,y)，其中，α为仰角编号，x和y分别为雷达探测点的横坐标和纵坐标，雷达探测点以下称为像素；

步骤4：将RP(α,x,y)中的基本反射率数据进行高通滤波处理，高通滤波阈值为Filt_A；

经高通滤波处理后的基本反射率数据记为RPF(α,x,y)；

步骤5：对RPF(α,x,y)进行二值化处理，将被步骤4高通滤波过滤的像素值设为0，未被过滤的像素值设为1，记为RPFB(α,x,y)；

步骤6：对RPFB(α,x,y)进行降噪处理，剔除孤立的杂波点，以及经高通滤波过滤后形成的孤立点；

步骤7：从RPFBD(α,x,y)中识别目标物的中轴线，具体步骤如下：

步骤7.1：依次分析RPFBD(α,x,y)中每个像素值，如果当前像素值为0，则令该像素的中轴线识别值为0，继续分析下一个像素；如果当前像素值为1，则统计与之紧相邻的8个像素中，像素值为1的像素数量C1，如果C1＝3，则令该像素的中轴线识别值为0，并继续分析下一像素值；如果C1≠3，则令该像素的中轴线识别值为1，并继续分析下一像素值；当RPFBD(α,x,y)中每个像素值都分析完成后，将每一像素的中轴线识别值替换像素值，输出结果为RPFBD_k1(α,x,y)；

步骤7.2：依次分析RPFBD_k1(α,x,y)中每个像素值，如果当前像素值为0，则令该像素的中轴线识别值为0，继续分析下一个像素；如果当前像素值为1，则统计与之紧相邻的8个像素中，像素值为1的像素数量C2，如果C2∈[3,4]，则令该像素的中轴线识别值为0，并继续分析下一像素值；如果 则令该像素的中轴线识别值为1，并继续分析下一像素值；

当RPFBD_k1(α,x,y)中每个像素值都分析完成后，将每一像素的中轴线识别值替换像素值，输出结果记为RPFBD_k2(α,x,y)；

步骤7.3：依次分析RPFBD_k2(α,x,y)中每个像素值，如果当前像素值为0，则令该像素的中轴线识别值为0，继续分析下一个像素；如果当前像素值为1，则统计与之紧相邻的8个像素中，像素值为1的像素数量C3，如果C3∈[3,4,5]，则令该像素的中轴线识别值为0，并继续分析下一像素值；如果 则令该像素的中轴线识别值为1，并继续分析下一像素值；当RPFBD_k2(α,x,y)中每个像素值都分析完成后，将每一像素的中轴线识别值替换像素值，输出结果记为RPFBD_k3(α,x,y)；

步骤7.4：依次分析RPFBD_k3(α,x,y)中每个像素值，如果当前像素值为0，则令该像素的中轴线识别值为0，继续分析下一个像素；如果当前像素值为1，则统计与之紧相邻的8个像素中，像素值为1的像素数量C4，如果C4∈[3,4,5,6]，则令该像素的中轴线识别值为0，并继续分析下一像素值；如果 则令该像素的中轴线识别值为1，并继续分析下一像素值；当RPFBD_k3(α,x,y)中每个像素值都分析完成后，将每一像素的中轴线识别值替换像素值，输出结果记为RPFBD_k4(α,x,y)；

步骤7.5：依次分析RPFBD_k4(α,x,y)中每个像素值，如果当前像素值为0，则令该像素的中轴线识别值为0，继续分析下一个像素；如果当前像素值为1，则统计与之紧相邻的8个像素中，像素值为1的像素数量C5，如果C5∈[3,4,5,6,7]，则令该像素的中轴线识别值为0，并继续分析下一像素值；如果 则令该像素的中轴线识别值为1，并继续分析下一像素值；当RPFBD_k4(α,x,y)中每个像素值都分析完成后，将每一像素的中轴线识别值替换像素值，输出结果记为RPFBD_k5(α,x,y)；

步骤7.6：对RPFBD_k5(α,x,y)，按步骤7.1～步骤7.5中的方法进行多轮迭代处理，将上一轮的RPFBD_k5(α,x,y)作为下一轮中步骤7.1的RPFBD(α,x,y)，直到不再有新的像素值被置为0，则停止迭代，输出结果记为RPFBD_kn(α,x,y)；

步骤8：判断RPFBD_kn(α,x,y)中是否存在飑线；

步骤9：定义数据集Rlt以及计数器FN，其中FN的初始值为0；

如果步骤8中RPFBD_kn(α,x,y)存在飑线，则将数据组[α,Filt_A,FN]记录到数据集Rlt中，并进入步骤10；如果步骤8中不存在飑线，则先令计数器FN＝FN+1，高通滤波阈值Filt_A＝Filt_A–FN×Filt_B，其中，Filt_B是一个定值参数，取1至10的正整数；再判断Filt_A和定值参数Filt_N的大小，如果Filt_A≥Filt_N，则返回步骤4；反之，如果Filt_A

步骤10：令仰角编号α＝α+1，高通滤波阈值Filt_A重置为初始值，返回步骤2，继续按步骤2至步骤9的方法进行处理，直到α＝max_α，进入步骤10；

步骤11：分析数据集Rlt，如果数据集Rlt为空，则步骤2中待分析的雷达基数据文件未识别出飑线；如果数据集Rlt不为空，则步骤2中待分析的雷达基数据文件识别出了飑线，且数据集Rlt中所记录的数据组数越多，飑线特征越强烈；Rlt中所记录的数据组[α,Filt_A,FN]中FN的数值越小，表明该仰角面上飑线特征越强，反之，飑线特征越弱。

2.根据权利要求1所述的雷达回波图像中飑线特征的智能识别预警方法，其特征在于：

步骤6中所述降噪处理的具体步骤法为：

步骤6.1：从RPFB(α,0,0)开始，划定一个边长为SL的正方形区域，分别统计该正方形区域内像素值为0和像素值为1的像素数量，分别记为Stat_0和Stat_1；其中，SL为正整数且SL∈[3,50]；

步骤6.2：如果Stat_0>k×Stat_1，则将该正方形区域内所有像素值设为0；反之，则将该正方形区域内所有像素值设为1，其中，k为经验阈值，k∈[0.1,10]；

步骤6.3：以SL为步长，向右或向下滑动所述正方形区域，重复步骤6.1和6.2的处理过程，直到RPFB(α,x,y)中所有区域都经过步骤6.1和步骤6.2的处理，处理后的结果记为RPFBD(α,x,y)。

3.根据权利要求2所述的雷达回波图像中飑线特征的智能识别预警方法，其特征在于：

步骤8中判断是否存在飑线的具体步骤如下：

步骤8.1：采用法线式定义一条直线r(x',y',ω)＝x'·cos(ω)+y'·sin(ω)，其中，r表示从坐标原点到直线的最短距离，r最大值的绝对值为最接近RPFBD_kn(α,x,y)所对应的图像的对角线长度的整数；ω表示直线与X轴正方向的夹角，ω∈[0°,180°)，(x',y')表示平面直角坐标系中的点；

步骤8.2：以ω_i为横向的单位步长，并以r_i为纵向的单位步长，构建一个二维矩阵MAT[p,q]，其中，p表示行，p∈[-n·r-i,-(n-1)·r_i,…,-2·r_i,-r_i,0,r_i,2r_i,…,(n-1)·r_i,n·r_i]，q表示列，q∈[0,ω_i,2ω_i,3ω_i,…,180-ω_i]；MAT[p,q]中所有单元的初值均为0；ω_i为直线与X轴正方向的夹角划分的粒度，ω_i取可以整除180的正整数；同理，r_i为直线到原点之间最短距离被划分的粒度，n·r_i和-n·r_i分别表示MAT纵向上的最大刻度和最小刻度，r_i的取值为1、2、5或大于5的整数，同时n·r_i的取值最接近RPFBD_kn(α,x,y)所对应的图像的对角线长度且能被r_i整除；

步骤8.3：依次遍历RPFBD_kn(α,x,y)中每一个像素，如果当前像素值为0，则跳过，继续遍历下一个像素，如果当前像素值为1，则设当前像素的坐标为(i,j)，即x＝i，y＝j，按步骤

8.1中的直线表达式，将i代入x’，j代入y’，再将MAT横向的每一个q，q∈[0,ω_i,2ω_i,3ω_i,…,180-ω-i]，逐个代入步骤8.1直线表达式中的ω，由此得到一系列r(i,j,q)；对于每一个r(i,j,q)，从MAT纵向的每一个p中找到与之绝对值差值最小的任一项，记为p’，再将MAT[p’,q]单元的数值自增1，即MAT[p’,q]＝MAT[p’,q]+1；

步骤8.4：分析MAT[p,q]中各个单元的数值大小，筛选出所有 的单元，如

果筛选出的单元数量为0，则RPFBD_kn(α,x,y)中不存在飑线；如果筛选出的单元数量大于

0，则RPFBD_kn(α,x,y)中存在飑线，筛选出的单元数量即为飑线的中轴线的数量；其中，Max(MAT)表示MAT[p,q]中所有单元数值的最大值；Trd是一个经验参数，Trd∈(0,1)；Trd取值越小，识别飑线的漏报率越低，但误报率会增加；反之，Trd取值越大，识别飑线的漏报率越高，但误报率会减小。