CN103472501A - 云检测及全天空总云量检测方法和*** - Google Patents
云检测及全天空总云量检测方法和*** Download PDFInfo
- Publication number
- CN103472501A CN103472501A CN2013104042668A CN201310404266A CN103472501A CN 103472501 A CN103472501 A CN 103472501A CN 2013104042668 A CN2013104042668 A CN 2013104042668A CN 201310404266 A CN201310404266 A CN 201310404266A CN 103472501 A CN103472501 A CN 103472501A
- Authority
- CN
- China
- Prior art keywords
- cloud
- sky
- cloud atlas
- types
- information entropy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 74
- 230000011218 segmentation Effects 0.000 claims description 62
- 238000000034 method Methods 0.000 claims description 40
- 238000010606 normalization Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005192 partition Methods 0.000 abstract 2
- 238000003384 imaging method Methods 0.000 description 20
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000000903 blocking effect Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 241000251468 Actinopterygii Species 0.000 description 3
- 206010012373 Depressed level of consciousness Diseases 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- IXSZQYVWNJNRAL-UHFFFAOYSA-N etoxazole Chemical compound CCOC1=CC(C(C)(C)C)=CC=C1C1N=C(C=2C(=CC=CC=2F)F)OC1 IXSZQYVWNJNRAL-UHFFFAOYSA-N 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种云检测及全天空总云量检测方法和***。该***包括:图像获取设备:用于获取预定时刻的天空的云图;天空类型确定模块:用于确定在所述预定时刻所述天空的天空类型;云检测模块:通过分割阈值来检测所述云图中的云;全天空总云量计算模块:用于根据所述全天空云图中的云占整个所述全天空云图的比例来计算天空总云量。本发明通过不同天空类型对应的天空云图分割阈值来检测云图中的云,充分考虑了不同天气状况对全天空云图检测结果的影响,使得云检测精度更高。
Description
技术领域
本发明涉及气象探测领域,尤其涉及一种天空的云检测方法和***。
背景技术
云量是指云遮蔽天空视野的成数。云量的观测包括总云量和低云量。总云量是指观测时天空被所有的云遮蔽的总成数,低云量是指天空被低云族的云所遮蔽的成数,均记整数。
现有的地基总云量观测方法可分成人工目测法、反演法和遥感成像法等。其中,人工目测法是国内大多数气象台站目前最常用的云量观测方法,但这种方式带有很大的主观性,已成为制约地面气象观测自动化的一个瓶颈。
反演法是指不直接对总云量进行观测,而通过其它观测要素来反演总云量,如激光云高仪采用单点测量数据通过时间积分来反演全天空总云量,以及多光谱旋转遮蔽影带辐射仪(Multi-filter Rotating ShadowbandRadiometers,MFRSR)利用不同波段下的全天空散射通量通过相关的辐射转换模型来反演全天空总云量。但这些反演算法大都基于一些理想的假定条件,而实际天空很难与之完全一致,因而反演法只能作为全天空总云量计算的一种补充手段。
遥感成像法主要是采用遥感成像的方式,从地面向上拍摄云图,再采用图像处理算法进行云检测来计算总云量,这是当前利用器测来观测总云量的主要手段。基于遥感成像法的仪器主要有全天空成像仪(Whole Sky Imager,WSI)、总天空成像仪(Total Sky Imager,TSI)和全天空成像***(All-skyImager System,ASIs)等,这些仪器在获取全天空云图时对太阳都采取了一定的遮挡措施,以减轻太阳对图像质量的影响。但在对太阳进行遮挡时,需要实时对太阳进行跟踪,而该跟踪装置结构复杂,且对太阳进行遮挡时也会对图像中的部分区域同时形成遮挡,这也将在一定程度上影响总云量计算的精度。
另外,在云检测算法方面,目前主要是基于分割阈值,即,为云图中的某种可量化信息(例如像素点的亮度值或灰度值)设定分割阈值,根据该可量化信息与该分割阈值的关系(高于或者低于),将各像素点确定为云或者非云,从而将全天空云图分成云和非云两部分,再统计云部分占全天空云图的比例,从而得全天空总云量。但已经发现,这样的方法对于一部分的全天空云图总云量的计算精度较低。
发明内容
本申请的发明人发现,之所以目前的基于分割阈值的云检测算法对于一些云图的云量计算的精度较低,一个重要的原因是这些云检测算法在设定分割阈值时均没有考虑天空类型因素的影响,而是对不同的天空类型采用相同的分割阈值或相同的分割阈值设定方式。
本发明的目的之一在于以一种全新的构思提供一种全新的云检测及全天空总云量检测方法。本发明的另一目的在于提高云检测及全天空总云量检测的计算精度。
为了实现上述至少一个目的,本发明提供了一种云检测方法,包括:
图像获取步骤:利用图像获取设备获取预定时刻的天空的云图;
天空类型确定步骤:确定在所述预定时刻所述天空的天空类型;其中,所述天空类型选自用于表示天空云量范围的多种预设天空类型中的一种;
云检测步骤:使用分割阈值来检测所述云图中的云;其中,所述分割阈值根据与所述多种预设天空类型分别对应的多种不同的分割阈值设定方式中的一种来确定。
优选地,在所述天空类型确定步骤中,根据所述云图的信息熵来确定在所述预定时刻所述天空的所述天空类型。
优选地,所述云图的所述信息熵是所述云图的亮度信息熵或与所述云图对应的灰度图的灰度信息熵。
优选地,所述云图的所述信息熵的计算公式为:
优选地,在天空类型确定步骤中,还包括将所述亮度信息熵与预设的一个或多个信息熵阈值进行比较,以确定所述天空类型。
优选地,所述多种预设天气类型包括晴空、阴天和多云。
优选地,所述多种预设天气类型包括晴空、阴天和多云;所述一个或多个信息熵阈值包括第一和第二信息熵阈值,且所述第一信息熵阈值小于所述第二信息熵阈值;其中,在所述亮度信息熵小于所述第一信息熵阈值的情况下,确定所述天空类型为阴天;在所述亮度信息熵大于所述第二信息熵阈值的情况下,确定所述天空类型为多云;在所述亮度信息熵处于所述第一和第二信息熵阈值之间的情况下,确定所述天空类型为晴空。
优选地,所述第一信息熵阈值选自1.9-2.1,和/或所述第二信息熵阈值选自2.35-2.55。
优选地,在所述云检测步骤中,还包括对所述云图中的各像素进行蓝红波段的归一化差值处理,以得到各像素的归一化灰度值;并且,将所述归一化灰度值与所述分割阈值进行比较来确定所述云图中的云。
优选地,所述多种分割阈值设定方式包括:在所述天空类型为多云的情况下,所述分割阈值采用基于最大类间方差的自适应阈值。
优选地,所述多种分割阈值设定方式包括:在所述天空类型为阴天的情况下,所述分割阈值为μ-3σ;其中,μ为经过所述归一化差值处理后所述云图的所述归一化灰度值的均值,σ为经过所述归一化差值处理后所述云图的所述归一化灰度值的方差。
优选地,所述多种分割阈值设定方式包括:在所述天空类型为晴空的情况下,所述分割阈值为μ+3σ;其中,μ为经过所述归一化差值处理后所述云图的所述归一化灰度值的均值,σ为经过所述归一化差值处理后所述云图的所述归一化灰度值的方差。
优选地,还包括曝光时间确定步骤:确定所述图像获取设备在所述预定时刻获取所述云图时所使用的满足一个或多个预定条件的曝光时间;其中,所述一个或多个预定条件包括:所述云图中的第一预选区域和第二预选区域的平均亮度值均处于预定亮度上限和预定亮度下限之间;所述第二预选区域小于并完全包含于所述第一预选区域。
优选地,在所述图像获取步骤中,所述图像获取设备在不遮挡太阳的情况下获取所述云图。
优选地,所述云图为全天空云图。
本发明还公开了一种全天空总云量检测方法,包括上述云检测方法中的各个步骤,还包括总云量计算步骤:根据所述全天空云图中的云占整个所述全天空云图的比例来计算天空总云量。
优选地,在所述全天空云图中包含太阳图像的情况下,所述天空总云量不包含所述太阳图像占整个所述云图的比例。
本发明还公开了一种云检测***,包括:
图像获取设备,用于获取预定时刻的天空的云图;
天空类型确定模块,用于确定在所述预定时刻所述天空的天空类型;其中,所述天空类型选自用于表示天空云量范围的多种预设天空类型中的一种;
云检测模块,通过分割阈值来检测所述云图中的云;其中,所述分割阈值根据与所述多种预设天空类型分别对应的多种不同的分割阈值设定方式中的一种来确定。
优选地,所述天空类型确定模块配置成根据所述云图的亮度信息熵来确定在所述预定时刻所述天空的所述天空类型。
优选地,所述的***还包括:自动曝光模块,用于确定所述图像获取设备在所述预定时刻获取所述云图时所使用的满足一个或多个预定条件的曝光时间;其中,所述一个或多个预定条件包括:所述云图中的第一预选区域和第二预选区域的平均亮度值均处于预定亮度上限和预定亮度下限之间;所述第二预选区域小于并完全包含于所述第一预选区域。
优选地,所述云图为全天空云图,所述图像获取设备构造成不遮挡太阳的情况下获取所述全天空云图。
优选地,在所述天空类型确定模块中,所述云图的所述信息熵的计算公式为:
优选地,在所述天空类型确定模块中,还包括将所述亮度信息熵与预设的一个或多个信息熵阈值进行比较,以确定所述天空类型。
优选地,所述多种预设天气类型包括晴空、阴天和多云;所述一个或多个信息熵阈值包括第一和第二信息熵阈值,且所述第一信息熵阈值小于所述第二信息熵阈值;其中,在所述亮度信息熵小于所述第一信息熵阈值的情况下,确定所述天空类型为阴天;在所述亮度信息熵大于所述第二信息熵阈值的情况下,确定所述天空类型为多云;在所述亮度信息熵处于所述第一和第二信息熵阈值之间的情况下,确定所述天空类型为晴空。
优选地,所述第一信息熵阈值选自1.9-2.1,和/或所述第二信息熵阈值选自2.35-2.55。
优选地,在所述云检测模块中,还包括对所述云图中的各像素进行蓝红波段的归一化差值处理,以得到各像素的归一化灰度值;并且,将所述归一化灰度值与所述分割阈值进行比较来确定所述云图中的云。
优选地,在所述云检测模块中,所述多种分割阈值设定方式包括:在所述天空类型为多云的情况下,所述分割阈值采用基于最大类间方差的自适应阈值。
优选地,在所述云检测模块中,所述多种分割阈值设定方式包括:在所述天空类型为阴天的情况下,所述分割阈值为μ-3σ;其中,μ为经过所述归一化差值处理后所述云图的所述归一化灰度值的均值,σ为经过所述归一化差值处理后所述云图的所述归一化灰度值的方差。
优选地,在所述云检测模块中,所述多种分割阈值设定方式包括:在所述天空类型为晴空的情况下,所述分割阈值为μ+3σ;其中,μ为经过所述归一化差值处理后所述云图的所述归一化灰度值的均值,σ为经过所述归一化差值处理后所述云图的所述归一化灰度值的方差。
本发明还公开了一种全天空总云量检测***,包括上述云检测***中的各个模块,还包括全天空总云量计算模块,用于根据所述全天空云图中的云占整个所述全天空云图的比例来计算天空总云量。
优选地,在所述云检测模块中,当所述云图中包含太阳图像的情况下,所述天空云量不包含所述太阳图像占整个所述云图的比例。
本发明的技术方案具有如下有益效果:
(1)按照本发明的方法和***,可以用不同天空类型对应的分割阈值来检测云图中的云,充分考虑了不同天空状况对天空云图检测结果的影响,使得云检测精度更高;
(2)按照本发明的方法和***,可以将获取的天空云图的亮度信息熵与预设的一个或多个信息熵阈值进行比较,从而确定天空类型,无需人为干涉,更准确并且自动化程度高;
(3)按照本发明的方法和***,图像获取设备能够在预定时刻以较佳的曝光时间来获取云图,以获取成像良好的天空云图,同样可以提高云检测的精度;
进一步,通过调节曝光时间,图像获取设备能够在不遮挡太阳的情况下获取成像良好的云图,这避免了因为需要遮挡太阳而使用复杂的太阳跟踪装置,并且也避免了由于遮挡太阳时对图像中的其它不希望遮挡的区域的遮挡而造成的云量计算误差。
(4)本发明的方法的各个步骤都可以通过计算机程序自动实现,这为云检测特别是云量自动观测提供了新的解决方案。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中:
图1本发明云检测及全天空总云量检测方法的流程图;
图2本发明曝光时间确定方法的流程图;
图3(a)、图3(b)和图3(c)示出了三幅不同天空类型的天空云图;
图4本发明云检测及全天空总云量检测***的结构示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进一步详细说明。
如图1中所示,其中图像获取步骤、天空类型确定步骤以及云检测步骤可以构成按照本发明的云检测方法,最好在图像获取步骤之前还包括曝光时间确定步骤。另外,通过在该云检测方法的云检测步骤之后增加总云量计算步骤,则可构成按照本发明的总云量检测方法。
图像获取步骤
图像获取步骤是利用图像获取设备获取预定时刻的天空云图。该天空云图中包含有所观测的天空中预定区域的图像。对于云检测,特别是在计算全天空总云量这一重要的应用场合中,该天空云图通常可以是全天空的图像。可以利用现有技术中已有的各种全天空成像仪或全视野观测***来能够获得基本上整个天空的全天空云图。在其它云检测场合中,该天空云图也可以是局部天空的图像。
在一个实施例中,在获取云图时,图像获取设备可以不对太阳进行遮挡。这样就可以避免在图像获取设备中包含结构复杂的太阳跟踪装置,而且还可以避免由于遮挡太阳而对云检测或云量计算精度造成的不利影响。对于云量计算来说,云图的获取通常是以一定的时间间隔来进行的,比如10分钟一次。据此,按照本发明,可以在对天空进行成像以获取云图时不对太阳进行任何遮挡,而在非成像时段,则可以选择对图像获取设备的整个成像视野进行全遮挡,以保护成像设备不会因太阳长期暴晒而损坏。
在由图像获取设备对天空云图进行成像时,不同的天气状况会导致不同的光照条件。特别是例如在不对太阳进行遮挡的情况下获取云图时,则可能会由于太阳的存在与否而对图像获取设备的成像质量造成不利影响。如果采用固定的曝光时间来对不同的天气状况进行成像,则会使得天空云图呈现曝光不足或曝光过度的现象。因此,可以采用合适的自动曝光方案来控制图像获取设备进行成像时的曝光时间,从而很好地消除太阳对云图图像质量的影响,以获取成像良好的天空云图。
因此,在图像获取步骤之前,最好通过曝光时间确定步骤来确定图像获取设备的曝光时间。
曝光时间确定步骤
为了便于自动化实现,图像获取设备的曝光时间可以通过使其满足一个或多个预定条件来确定。在一个实施例中,该一个或多个预定条件可以包括:云图中的第一预选区域和第二预选区域的平均亮度值均处于预定亮度上限和预定亮度下限之间。其中,第二预选区域小于并完全包含于第一预选区域。在另一个实施例中,预定条件还可以包括曝光时间应该处于图像获取设备的曝光时间上限和曝光时间下限之间。在又一个实施例中,为了避免花费太多的时间来确定曝光时间,预定条件还可以包括在通过迭代过程获取最佳曝光时间的过程中对最大测试次数或者说迭代次数的限制。在其它实施例中,还可以通过设定其它的预定条件来确定曝光时间。
下面结合图2以来描述本发明的曝光时间确定步骤的一个具体实施例。在开始图2的流程之前,需要预先设定一些参数。这些参数可以包括设定第一和第二预选区域、预定亮度上限、预定亮度下限、曝光时间上限、曝光时间下限以及最大测试次数。
对于采用鱼眼镜头拍摄的全天空云图,其有效成像范围是一个圆形区域。对于这样的云图,在一个实施例中,第一预选区域是整个全天空云图的有效区域,即原始全天空鱼眼图像去除黑边后的区域。第二个预选区域是以图像中心点为中心,指定半径的一个小圆形区域,该半径一般可以选择为50-100个像元。在其它实施例中,也可以采用其它的合适的方式来选择第一和第二预选区域。
在步骤101中,设定初始曝光时间。
在步骤102中,采用上述初始曝光时间拍摄一张天空图像并保存至计算机的缓存。
在步骤103中,计算上述获取的图像中第一和第二预选区域各自的平均亮度值。
在步骤104中,需要根据上述第一和第二预选区域中任一预选区域的平均亮度值、当前曝光时间以及迭代次数来判断当前曝光时间是否为最佳曝光时间。
具体地,当任一预选区域的平均亮度值大于设定的平均亮度上限,而当前采用的曝光时间又大于设定的曝光时间下限,且迭代次数小于设定的最大测试次数,则表明采用当前曝光时间采集的图像过亮。
当任一预选区域的平均亮度值小于设定的平均亮度下限,而当前采用的曝光时间又小于设定的曝光时间上限,且迭代次数小于设定的最大测试次数,则表明采用当前曝光时间采集的图像过暗。
否则,则表明当前曝光时间合适,进入步骤105完成自动曝光。
在步骤106中,根据步骤104中的判断结果,确定采用当前曝光时间获取的图像是“过亮”还是“过暗”,并在随后的步骤中对曝光时间采取相应的不同处理。当图像“过亮”时,进入步骤107;当图像“过暗”时,则进入步骤108。
在步骤107中,判断是否是首次调节曝光时间。
当步骤107的判断结果为是时,进入步骤701,将曝光时间减半,并且在步骤109中将减半后的曝光时间设定为新的曝光时间。
当步骤107的判断结果为否时,进入步骤702。
在步骤702中,判断上次曝光时间是否大于当前曝光时间。如果大于,则进行步骤701;如果不大于,则进行步骤703。
在步骤703中,计算当前和上次曝光时间的平均值,并且在步骤109中将该平均值设定为新的曝光时间。
类似地,在步骤108中,判断是否是首次调节曝光时间。
当步骤108的判断结果为是时,进入步骤801,将曝光时间加倍,并且在步骤109中将加倍后的曝光时间设定为新的曝光时间。
当步骤108的判断结果为否时,进入步骤802。
在步骤802中,判断上次曝光时间是否小于当前曝光时间。如果小于,则进行步骤801;如果不小于,则进行步骤803。
在步骤803中,计算当前和上次曝光时间的平均值,并且在步骤109中将该平均值设定为新的曝光时间。
在步骤109中设定新的曝光时间后,再返回步骤102,采用新的曝光时间继续采集图像,直到在步骤104中满足亮度条件以获取最佳曝光时间或达到最大测试次数,并在步骤105中完成自动曝光过程。
需要理解的是,上文描述的曝光时间确定步骤在本发明中是优选的但是非必要的。在其它实施例中,在合适的情况下,也可以人工按照经验来设定曝光时间。还需要理解的是,上文描述的曝光时间确定步骤并不局限于按照本发明的云检测方法中,而是可以应用于任何其它合适的需要获取天空图像的应用场合中。
天空类型确定步骤
天空类型确定步骤用于确定在所述预定时刻所述天空的天空类型。其中,所述天空类型选自用于表示天空云量范围的多种预设天空类型中的一种。
在一个实施例中,可以根据天空云图的信息熵来判断成像时的天空类型。在一个实施例中,可以将天空类型预设分成晴空、阴天和多云。其中,可以将全天空总云量小于1成时的天空称为晴空,可以将全天空总云量为10成的天空称为阴天,总云量介于1-10之间的称为多云。针对晴空、阴天和多云三种天空类型,可以参照如图3示出的三幅不同天空类型的全天空云图,其中,图3(a)为晴空,图3(b)为多云,图3(c)为阴天。
不同天空类型的全天空云图所包含的信息量是不一样的,而图像的信息熵正好可以用来表征这种信息量的差异。信息熵可以是云图的亮度信息熵或与云图对应的灰度图的灰度信息熵。需要说明的是,对于彩色云图,其亮度可以等同于该云图对应的灰度图中的灰度。
图像信息熵的计算公式为:
其中,E为图像的信息熵,且x(i,j)指所述云图中处于(i,j)位置处的像素的亮度值或者是与所述云图对应的所述灰度图中处于(i,j)位置处的像素的灰度值。
通过上述计算公式得到信息熵以后,则可以将所述信息熵与预设的一个或多个信息熵阈值进行比较,以确定所述天空类型。当如前文所述那样将天空类型分为三种,例如晴空、阴天和多云时,可以通过设定两个信息熵阈值,即,第一和第二信息熵阈值,来确定天空类型。具体地,可以将所获得的信息熵与预设第一和第二信息熵阈值进行比较,以确定天空类型,其中第一信息熵阈值小于第二信息熵阈值。
通过分析大量不同天空类型的全天空云图,可以发现,阴天图像的信息熵值最小,一般在2.0以下;多云天空图像的信息熵值最大,一般可以在2.45以上;而晴空图像的信息熵值介于2.0-2.45之间。这样,可以将第一信息熵阈值设定为2.0,将第二信息熵阈值设定为2.45。在信息熵小于第一信息熵阈值的情况下,确定天空类型为阴天;在信息熵大于第二信息熵阈值的情况下,确定天空类型为多云;在信息熵处于第一和第二信息熵阈值之间的情况下,确定所述天空类型为晴空。需要理解的是,第一和第二信息熵阈值也可以分别略微偏离2.0和2.45。例如,第一信息熵阈值可以在1.9-2.1之间选择,和/或第二信息熵阈值可以在2.35-2.55之间选择。
在其它实施例中,当所预设的天空类型更多或更少时,也可以设置相应更多或更少个信息熵阈值。例如,当预设的天空类型只有两种时,就只需要预设一个信息熵阈值;当预设的天气类型为四种的时候,就可以预设三个信息熵阈值。各个阈值的具体数值也可以通过分析大量不同天空类型的全天空云图得到,此处不再赘述。
尽管通过云图本身的信息熵来确定天空类型有利于自动化实现天空类型的判断,但是可以理解,本发明并不局限于这样的天空类型确定方式。在其它实施例中,也可以通过其他方式确定天空类型,比如可以直接目测来大致判断天空类型。
云检测步骤
云检测步骤中是使用分割阈值来检测所述云图中的云。其中,所述分割阈值根据与所述多种预设天空类型分别对应的多种不同的分割阈值设定方式中的一种来确定。在一个具体实施例中,可以是对不同的天空类型采用多种不同的阈值分割方式,从而得到不同天空类型所对应的分割阈值,再对获取的云图中的各像素进行蓝红波段的归一化差值处理,以得到各像素的归一化灰度值,最后将归一化灰度值与上述对应的分割阈值进行比较来确定云图中的云。
归一化处理主要是对全天空云图的蓝色波段和红色波段执行如下式所示的处理:
其中,N为归一化灰度值,B为蓝色波段灰度值,R为红色波段灰度值。
在一个实施例中,在预设天空类型为前文所述的晴空、多云和阴天这三种类型时,可以分别采用对应的不同的分割阈值设定方式。可选地或优选地,在天空类型为多云的情况下,其分割阈值可以采用基于最大类间方差的自适应阈值;在天空类型为阴天的情况下,其分割阈值可以为μ-3σ;在天空类型为晴空的情况下,其分割阈值为μ+3σ。其中,μ为经过归一化差值处理后所述云图的归一化灰度值的均值,σ为经过归一化差值处理后云图的归一化灰度值的方差。
基于所确定的分割阈值,可以判断云图中各像素的图像是云或非云。例如归一化灰度值大于分割阈值的像素为非云,小于分割阈值的像素为云。
需要理解的是,尽管前文描述了针对不同的天空类型所采用的可选的或优选地的分割阈值设定方式,但是本发明的基本构思在于对于不同的天空类型采用不同的分割阈值设定方式。因此,针对某一种天空类型,其分割阈值的设定方式也不局限与前文所描述的类型,而是可以采用合适的其它分割阈值设定方式。例如,当天空类型为多云时,其分割阈值的设定方式可以还可以为固定阈值算法、全局阈值算法以及局部阈值插值算法等,由于这种算法以及前文所述的基于最大类间方差的自适应阈值都已运用到现有的云检测方法中,所以此处不再赘述。
当预设的天空类型有更多种类型时,对应的分割阈值设定方式也可以相应地采取更多种类型。
总云量计算步骤
云检测的一个重要应用场合是计算天空云量。此时,可以对云图中的属于云或非云的像素进行统计,根据云图中的云占整个云图的比例来计算天空云量。当云图为全天空云图时,是根据全天空云图中的云占整个全天空云图的比例来计算天空总云量。如前所述,按照本发明,可以在不遮挡太阳的情况下获取云图。因此,在这样的情况下,如果云图中包含太阳图像,在计算全天空总云量时还需要去除太阳区域对云量计算的影响。现有技术中已有在天空图像中获取太阳图像的区域的方法,在此不再赘述。
需要理解的是,按照本发明的方法,可以在不对太阳进行遮挡的情况下获得较高精度的云检测结果,但是本发明的方法同样也适合于在对太阳进行遮挡的情况下所获取的云图。
云检测***和全天空总云量检测***
在图4中,图像获取设备1、天空类型确定模块2和云检测模块3,以及优选的自动曝光模块5可以构成按照本发明的云检测***。通过在该云检测***中增加全天空总云量计算模块4,则可构成按照本发明的全天空总云量检测***。其中,对于天空类型确定模块2、云检测模块3、自动曝光模块5和全天空总云量计算模块4,可以分别通过装有专用程序的计算机(图4中的虚框所示)来实现。
图像获取设备1可以包括成像单元(例如可以由工业相机和鱼眼镜头组成)、外置防护箱、透明玻璃罩和计算机等,用于获取任意指定时刻的全天空的云图。
天空类型确定模块2用于确定在所述预定时刻所述天空的天空类型,天空类型选自用于表示天空云量范围的多种预设天空类型中的一种。天空类型确定模块2可以配置成根据云图的信息熵来确定相应的天空类型。该信息熵可以是云图的亮度信息熵或与该云图对应的灰度图的灰度信息熵,例如公式(1)所示。天空类型确定模块2可以依据前文描述的天空类型确定步骤来工作。
云检测模块3用于通过分割阈值来检测所述云图中的云;其中,所述分割阈值根据与所述多种预设天空类型分别对应的多种不同的分割阈值设定方式中的一种来确定。具体地,云检测模块3可以依据前文描述的云检测步骤来工作。
全天空总云量计算模块4用于对云图中的属于云或非云的像素进行统计,根据云图中的云占整个云图的比例来计算天空云量。当云图为全天空云图时,是根据全天空云图中的云占整个全天空云图的比例来计算天空总云量。
为了使得图像获取设备1能够获取成像良好的云图,可以利用自动曝光模块4确定图像获取设备1在获取云图时所使用的满足一个或多个预定条件的曝光时间。具体地,自动曝光模块5可以依据前文描述的曝光时间确定步骤来工作。特别是,在确定曝光时间所使用的预定条件中包括:云图中的第一预选区域和第二预选区域的平均亮度值均处于预定亮度上限和预定亮度下限之间。其中,第二预选区域小于并完全包含于第一预选区域。
对于天空成像来说,图像获取设备1会长期暴露于外界环境中。为了避免图像获取设备1的成像单元不会因太阳长期暴晒而损坏,可以在图像获取设备1中提供遮挡组件来完全遮蔽成像单元。现有的图像获取设备1已经采用了例如活动的球形瓣片或水平遮阳板来作为所需的遮挡组件。需要理解,这样的遮挡组件仅在不需要成像的时候对成像单元进行整体遮蔽,这不同于在“背景技术”部分所描述在成像时仅对成像图像中对应太阳的局部区域进行遮挡的遮挡元件,后者需要与太阳跟踪装置协同工作才能在不同时刻均在成像时对太阳进行遮蔽。对于本发明的图像获取设备1来说,如前文在描述本发明的云检测方法时所述,允许在不遮挡太阳的情况下获取所述云图,也就是说,所获取的云图中可以包含太阳图像。因此,在本发明中,图像获取设备1可以省略在成像时对太阳进行遮蔽的遮挡元件以及相应的太阳跟踪装置。也就是说,按照本发明,可以在云图成像时不对太阳进行任何遮挡,而在非成像时段对整个成像视野进行全遮挡,以保护图像获取设备中的例如成像单元。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (18)
1.一种云检测方法,包括:
图像获取步骤:利用图像获取设备获取预定时刻的天空的云图;
天空类型确定步骤:确定在所述预定时刻所述天空的天空类型;其中,所述天空类型选自用于表示天空云量范围的多种预设天空类型中的一种;
云检测步骤:使用分割阈值来检测所述云图中的云;其中,所述分割阈值根据与所述多种预设天空类型分别对应的多种不同的分割阈值设定方式中的一种来确定。
2.根据权利要求1所述的方法,其特征在于,在所述天空类型确定步骤中,根据所述云图的亮度信息熵来确定在所述预定时刻所述天空的所述天空类型。
3.根据权利要求2所述的方法,其特征在于,在天空类型确定步骤中,还包括将所述亮度信息熵与预设的一个或多个信息熵阈值进行比较,以确定所述天空类型。
4.根据权利要求3所述的方法,其特征在于,所述多种预设天气类型包括晴空、阴天和多云;所述一个或多个信息熵阈值包括第一和第二信息熵阈值,且所述第一信息熵阈值小于所述第二信息熵阈值;
其中,在所述亮度信息熵小于所述第一信息熵阈值的情况下,确定所述天空类型为阴天;在所述亮度信息熵大于所述第二信息熵阈值的情况下,确定所述天空类型为多云;在所述亮度信息熵处于所述第一和第二信息熵阈值之间的情况下,确定所述天空类型为晴空。
5.根据权利要求4所述的方法,其特征在于,所述第一信息熵阈值选自1.9-2.1,和/或所述第二信息熵阈值选自2.35-2.55。
6.根据权利要求1-5中任一项所述的方法,其特征在于,在所述云检测步骤中,还包括对所述云图中的各像素进行蓝红波段的归一化差值处理,以得到各像素的归一化灰度值;并且,将所述归一化灰度值与所述分割阈值进行比较来确定所述云图中的云。
7.根据权利要求6所述的方法,其特征在于,所述多种分割阈值设定方式包括:在所述天空类型为多云的情况下,所述分割阈值采用基于最大类间方差的自适应阈值。
8.根据权利要求6-7中任一项所述的方法,其特征在于,所述多种分割阈值设定方式包括:在所述天空类型为阴天的情况下,所述分割阈值为μ-3σ;在所述天空类型为晴空的情况下,所述分割阈值为μ+3σ;
其中,μ为经过所述归一化差值处理后所述云图的所述归一化灰度值的均值,σ为经过所述归一化差值处理后所述云图的所述归一化灰度值的方差。
9.根据权利要求1-8中任一项所述的方法,其特征在于,还包括曝光时间确定步骤:确定所述图像获取设备在所述预定时刻获取所述云图时所使用的满足一个或多个预定条件的曝光时间;
其中,所述一个或多个预定条件包括:所述云图中的第一预选区域和第二预选区域的平均亮度值均处于预定亮度上限和预定亮度下限之间;所述第二预选区域小于并完全包含于所述第一预选区域。
10.根据权利要求1-9中任一项所述的方法,其特征在于,在所述图像获取步骤中,所述图像获取设备在不遮挡太阳的情况下获取所述云图。
11.根据权利要求1-10中任一项所述的方法,其特征在于,所述云图为全天空云图。
12.一种全天空总云量检测方法,包括权利要求11所述的方法,还包括总云量计算步骤:根据所述全天空云图中的云占整个所述全天空云图的比例来计算天空总云量。
13.根据权利要求12所述的方法,其特征在于,在所述全天空云图中包含太阳图像的情况下,所述天空总云量不包含所述太阳图像占整个所述云图的比例。
14.一种云检测***,包括:
图像获取设备,用于获取预定时刻的天空的云图;
天空类型确定模块,用于确定在所述预定时刻所述天空的天空类型;其中,所述天空类型选自用于表示天空云量范围的多种预设天空类型中的一种;
云检测模块,通过分割阈值来检测所述云图中的云;其中,所述分割阈值根据与所述多种预设天空类型分别对应的多种不同的分割阈值设定方式中的一种来确定。
15.根据权利要求17所述的云检测***,其特征在于,所述天空类型确定模块配置成根据所述云图的亮度信息熵来确定在所述预定时刻所述天空的所述天空类型。
16.根据权利要求14或15所述的云检测***,其特征在于,还包括:
自动曝光模块,用于确定所述图像获取设备在所述预定时刻获取所述云图时所使用的满足一个或多个预定条件的曝光时间;
其中,所述一个或多个预定条件包括:所述云图中的第一预选区域和第二预选区域的平均亮度值均处于预定亮度上限和预定亮度下限之间;所述第二预选区域小于并完全包含于所述第一预选区域。
17.根据权利要求14-16中任一项所述的云检测***,其特征在于,所述云图为全天空云图,所述图像获取设备构造成不遮挡太阳的情况下获取所述全天空云图。
18.一种全天空总云量检测***,包括权利要求17所述的云检测***,还包括全天空总云量计算模块,用于根据所述全天空云图中的云占整个所述全天空云图的比例来计算天空总云量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310404266.8A CN103472501B (zh) | 2013-09-06 | 2013-09-06 | 云检测及全天空总云量检测方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310404266.8A CN103472501B (zh) | 2013-09-06 | 2013-09-06 | 云检测及全天空总云量检测方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103472501A true CN103472501A (zh) | 2013-12-25 |
CN103472501B CN103472501B (zh) | 2016-05-25 |
Family
ID=49797418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310404266.8A Expired - Fee Related CN103472501B (zh) | 2013-09-06 | 2013-09-06 | 云检测及全天空总云量检测方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103472501B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504389A (zh) * | 2014-12-18 | 2015-04-08 | 南京信息工程大学 | 一种基于卷积神经网络的卫星云量计算方法 |
CN105260729A (zh) * | 2015-11-20 | 2016-01-20 | 武汉大学 | 一种基于随机森林的卫星遥感影像云量计算方法 |
CN105405120A (zh) * | 2015-10-22 | 2016-03-16 | 华北电力大学(保定) | 在天空图像中提取云图形的方法 |
CN106772697A (zh) * | 2016-11-21 | 2017-05-31 | 元江哈尼族彝族傣族自治县气象局 | 云海自然景观预报方法及*** |
CN108180994A (zh) * | 2018-01-16 | 2018-06-19 | 南京信息工程大学 | 一种全视场可见光近红外闪电光谱探测仪 |
CN108280810A (zh) * | 2018-01-09 | 2018-07-13 | 北方工业大学 | 一种单时相光学遥感图像云覆盖区修复的自动处理方法 |
CN108369651A (zh) * | 2015-12-01 | 2018-08-03 | 天青公司 | 使用图像数据进行信息提取 |
CN108761574A (zh) * | 2018-05-07 | 2018-11-06 | 中国电建集团北京勘测设计研究院有限公司 | 基于多源信息融合的降雨量估算方法 |
CN108897072A (zh) * | 2018-05-15 | 2018-11-27 | 北京维艾思气象信息科技有限公司 | 一种面向商遥卫星的云量数值预报方法及预报*** |
CN109543721A (zh) * | 2018-11-05 | 2019-03-29 | 中国科学院寒区旱区环境与工程研究所 | 一种晴间多云天气情况下的太阳辐照度超短期预报方法 |
CN109740639A (zh) * | 2018-12-15 | 2019-05-10 | 中国科学院深圳先进技术研究院 | 一种风云卫星遥感影像云检测方法、***及电子设备 |
CN110519527A (zh) * | 2019-09-19 | 2019-11-29 | 天津英田视讯科技有限公司 | 一种基于图像大数据的相机自动曝光参数生成方法 |
CN110579821A (zh) * | 2019-08-02 | 2019-12-17 | 佛山科学技术学院 | 基于机器视觉的小范围天气预报***、方法及存储介质 |
CN111507389A (zh) * | 2020-04-10 | 2020-08-07 | 上海眼控科技股份有限公司 | 一种用于天空云量探测的UNet分割网络的训练方法与设备 |
CN111598802A (zh) * | 2020-05-12 | 2020-08-28 | 中国科学院合肥物质科学研究院 | 一种地基全天空云参数反演***和方法 |
CN112292620A (zh) * | 2018-06-19 | 2021-01-29 | 古野电气株式会社 | 云观测装置、云观测***、云观测方法及程序 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0798385A (ja) * | 1993-09-29 | 1995-04-11 | Nec Corp | 自動雲量評価装置 |
JPH11231068A (ja) * | 1998-02-13 | 1999-08-27 | Nec Corp | 積乱雲発生警報装置 |
JP2002156466A (ja) * | 2000-11-16 | 2002-05-31 | Mitsubishi Electric Corp | 雲量算出システムおよび方法 |
JP2009282406A (ja) * | 2008-05-23 | 2009-12-03 | Miyagi Univ Of Education | 定点観測装置、及び定点観測方法 |
CN201589869U (zh) * | 2009-12-10 | 2010-09-22 | 中国气象科学研究院 | 基于摄像单元升降结构的地基全天空云自动观测*** |
CN201689185U (zh) * | 2009-12-23 | 2010-12-29 | 中国气象科学研究院 | 基于球瓣旋转遮光结构的地基全天空云自动观测*** |
CN102629988A (zh) * | 2012-03-31 | 2012-08-08 | 博康智能网络科技股份有限公司 | 一种摄像头自动控制方法及装置 |
-
2013
- 2013-09-06 CN CN201310404266.8A patent/CN103472501B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0798385A (ja) * | 1993-09-29 | 1995-04-11 | Nec Corp | 自動雲量評価装置 |
JPH11231068A (ja) * | 1998-02-13 | 1999-08-27 | Nec Corp | 積乱雲発生警報装置 |
JP2002156466A (ja) * | 2000-11-16 | 2002-05-31 | Mitsubishi Electric Corp | 雲量算出システムおよび方法 |
JP2009282406A (ja) * | 2008-05-23 | 2009-12-03 | Miyagi Univ Of Education | 定点観測装置、及び定点観測方法 |
CN201589869U (zh) * | 2009-12-10 | 2010-09-22 | 中国气象科学研究院 | 基于摄像单元升降结构的地基全天空云自动观测*** |
CN201689185U (zh) * | 2009-12-23 | 2010-12-29 | 中国气象科学研究院 | 基于球瓣旋转遮光结构的地基全天空云自动观测*** |
CN102629988A (zh) * | 2012-03-31 | 2012-08-08 | 博康智能网络科技股份有限公司 | 一种摄像头自动控制方法及装置 |
Non-Patent Citations (3)
Title |
---|
周文君: "全天空成像仪TSI-440云量计算方法的改进", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
曹华梁 等: "近地天空红外图像特性统计分析", 《红外与激光工程》 * |
杨俊: "基于自适应阈值的地基云自动检测方法", 《应用气象学报》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504389A (zh) * | 2014-12-18 | 2015-04-08 | 南京信息工程大学 | 一种基于卷积神经网络的卫星云量计算方法 |
CN105405120A (zh) * | 2015-10-22 | 2016-03-16 | 华北电力大学(保定) | 在天空图像中提取云图形的方法 |
CN105260729A (zh) * | 2015-11-20 | 2016-01-20 | 武汉大学 | 一种基于随机森林的卫星遥感影像云量计算方法 |
CN105260729B (zh) * | 2015-11-20 | 2018-10-26 | 武汉大学 | 一种基于随机森林的卫星遥感影像云量计算方法 |
CN108369651B (zh) * | 2015-12-01 | 2022-08-09 | 天津瞰天科技有限责任公司 | 一种提取天空区域的方法、***及非暂时性计算机可读存储介质 |
CN108369651A (zh) * | 2015-12-01 | 2018-08-03 | 天青公司 | 使用图像数据进行信息提取 |
CN106772697A (zh) * | 2016-11-21 | 2017-05-31 | 元江哈尼族彝族傣族自治县气象局 | 云海自然景观预报方法及*** |
CN106772697B (zh) * | 2016-11-21 | 2019-07-05 | 元江哈尼族彝族傣族自治县气象局 | 云海自然景观预报方法及*** |
CN108280810A (zh) * | 2018-01-09 | 2018-07-13 | 北方工业大学 | 一种单时相光学遥感图像云覆盖区修复的自动处理方法 |
CN108180994A (zh) * | 2018-01-16 | 2018-06-19 | 南京信息工程大学 | 一种全视场可见光近红外闪电光谱探测仪 |
CN108180994B (zh) * | 2018-01-16 | 2023-05-23 | 南京信息工程大学 | 一种全视场可见光近红外闪电光谱探测仪 |
CN108761574A (zh) * | 2018-05-07 | 2018-11-06 | 中国电建集团北京勘测设计研究院有限公司 | 基于多源信息融合的降雨量估算方法 |
CN108761574B (zh) * | 2018-05-07 | 2021-04-27 | 中国电建集团北京勘测设计研究院有限公司 | 基于多源信息融合的降雨量估算方法 |
CN108897072A (zh) * | 2018-05-15 | 2018-11-27 | 北京维艾思气象信息科技有限公司 | 一种面向商遥卫星的云量数值预报方法及预报*** |
CN112292620B (zh) * | 2018-06-19 | 2023-06-06 | 古野电气株式会社 | 云观测装置、云观测***、云观测方法及存储介质 |
CN112292620A (zh) * | 2018-06-19 | 2021-01-29 | 古野电气株式会社 | 云观测装置、云观测***、云观测方法及程序 |
CN109543721A (zh) * | 2018-11-05 | 2019-03-29 | 中国科学院寒区旱区环境与工程研究所 | 一种晴间多云天气情况下的太阳辐照度超短期预报方法 |
CN109740639A (zh) * | 2018-12-15 | 2019-05-10 | 中国科学院深圳先进技术研究院 | 一种风云卫星遥感影像云检测方法、***及电子设备 |
CN110579821A (zh) * | 2019-08-02 | 2019-12-17 | 佛山科学技术学院 | 基于机器视觉的小范围天气预报***、方法及存储介质 |
CN110519527A (zh) * | 2019-09-19 | 2019-11-29 | 天津英田视讯科技有限公司 | 一种基于图像大数据的相机自动曝光参数生成方法 |
CN111507389A (zh) * | 2020-04-10 | 2020-08-07 | 上海眼控科技股份有限公司 | 一种用于天空云量探测的UNet分割网络的训练方法与设备 |
CN111598802A (zh) * | 2020-05-12 | 2020-08-28 | 中国科学院合肥物质科学研究院 | 一种地基全天空云参数反演***和方法 |
CN111598802B (zh) * | 2020-05-12 | 2023-04-25 | 中国科学院合肥物质科学研究院 | 一种地基全天空云参数反演***和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103472501B (zh) | 2016-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103472501B (zh) | 云检测及全天空总云量检测方法和*** | |
CN110276767B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
US9659237B2 (en) | Imaging through aerosol obscurants | |
Brusa et al. | Increasing the precision of canopy closure estimates from hemispherical photography: Blue channel analysis and under-exposure | |
KR101879332B1 (ko) | 전천사진으로부터 운량을 계산하는 방법, 그 계산한 운량을 이용하여 태양광 발전량을 예측하는 방법 및 그 방법을 이용하는 구름 관측 장치 | |
CN102542552B (zh) | 视频图像的顺逆光判断和拍摄时间检测方法 | |
CN108174172B (zh) | 拍摄方法及装置、计算机可读存储介质和计算机设备 | |
CN104330164A (zh) | 红外焦平面阵列的盲元检测方法与装置 | |
CN103226819A (zh) | 一种基于分段统计的相对辐射校正方法 | |
KR100939079B1 (ko) | 적설량 관측 시스템 및 적설량 원격 측정 방법 | |
CN112384946A (zh) | 一种图像坏点检测方法及装置 | |
CN106404720A (zh) | 一种能见度观测方法 | |
CN114445330A (zh) | 一种元器件外观缺陷的检测方法及*** | |
CN108230288B (zh) | 一种确定雾性状况的方法和装置 | |
CN117456371B (zh) | 一种组串热斑检测方法、装置、设备及介质 | |
CN113362253B (zh) | 一种图像阴影校正方法、***及其装置 | |
US11544918B2 (en) | Vehicle to infrastructure system and method with long wave infrared capability | |
Sabburg et al. | Evaluation of a ground-based sky camera system for use in surface irradiance measurement | |
RU2589463C1 (ru) | Устройство для определения общего балла облачности на основе прямых цифровых широкоугольных снимков видимой полусферы неба | |
CN108012133A (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
Kuusk et al. | Radiometric correction of hemispherical images | |
KR20210111578A (ko) | 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법 | |
CN111598802A (zh) | 一种地基全天空云参数反演***和方法 | |
CN112771568A (zh) | 红外图像处理方法、装置、可移动平台与计算机可读介质 | |
CN114459606B (zh) | 一种热像仪对日保护方法、***、智能终端以及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160525 |