CN103605171A - 全天空成像仪及基于全天空成像仪的云层特性分析方法 - Google Patents
全天空成像仪及基于全天空成像仪的云层特性分析方法 Download PDFInfo
- Publication number
- CN103605171A CN103605171A CN201310407753.XA CN201310407753A CN103605171A CN 103605171 A CN103605171 A CN 103605171A CN 201310407753 A CN201310407753 A CN 201310407753A CN 103605171 A CN103605171 A CN 103605171A
- Authority
- CN
- China
- Prior art keywords
- cloud
- image
- sector
- analysis method
- information
- 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.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种全天空成像仪,包括相机外壳、支持臂、遮光带、半球镜面、电源和电子设备箱,所述半球镜面固设在电子设备箱的上方,所述遮光带覆盖在半球镜面的表面上方,所述相机外壳通过支持臂固设在电子设备箱上,且相机外壳位于半球镜面的上方,所述相机外壳内设置图像采集装置,所述电源设置在电子设备箱内。同时还提供一种基于全天空成像仪的云层特性分析方法,主要包括:图像预处理和二值化处理。以实现低成本的前提下,实现云观测自动化,以及观测准确且标准的目的。
Description
技术领域
本发明涉及气象水文观测领域,具体地,涉及一种全天空成像仪及基于全天空成像仪的云层特性分析方法。
背景技术
云是大气中热力过程和动力过程的外部表现,同时也是水分循环的重要环节。云在地气辐射平衡中具有重要作用,对气候模式和天气预报有着重要影响。由于云在大气科学研究中的重要性和观测的复杂性,在观测规范中将云作为一种特殊的天气现象单独归类进行观测。云量、云状和云底高是气象业务中云观测的三要素,也是分析云资料时的重要统计内容,对区域地面辐射的研究具有重要意义。
然而,目前云的观测主要依靠人工目测进行。每个台站都要专人每小时进行云的观测,这一方面要耗用巨大的观测成本,另一方面,由于各台站观测人员水平不一,会造成资料的不一致。人工目测云量和云状的主观成分较大,同时云体本身在不断运动和变化,不能构成完整的、规则的几何图形,这就对观测者正确判断云量的多少带来一定难度。
发明内容
本发明的目的在于,针对上述问题,提出一种全天空成像仪,以实现低成本的前提下,实现云观测自动化的优点,并及提出一种基于全天空成像仪的云层特性分析方法,实现对云的观测准确且标准的目的。
为实现上述目的,本发明采用的技术方案是:
一种全天空成像仪,包括相机外壳、支持臂、遮光带、半球镜面、电源和电子设备箱,所述半球镜面固设在电子设备箱的上方,所述遮光带覆盖在半球镜面的表面上方,所述相机外壳通过支持臂固设在电子设备箱上,且相机外壳位于半球镜面中央的上方,所述相机外壳内设置图像采集装置,所述电源设置在电子设备箱内。
同时提出一种基于全天空成像仪的云层特性分析方法,包括:
图像预处理,通过对全天空成像仪采集的图像以及经中值滤波和图像锐化处理后,以突出图像中云图和天空的信息的步骤;
以及
对上述预处理后的云图和天空的信息进行云信息识别并将识别的云信息进行二值化处理的步骤。
根据本发明的优选实施例,所述图像锐化为:采用基于拉普拉斯算子的二阶微分。
根据本发明的优选实施例,上述预处理后的云图和天空的信息进行云信息识别并将识别的云信息进行二值化处理的步骤具体为:通过设定的红蓝比阈值 对预处理后的图像中的云点信息进行识别,并通过下列公式将识别的云点信息进行二值化,公式如下:
然后对上述二值化的图像进行膨胀,再进行腐蚀的形态学开运算,从而得出平滑对象轮廓。
根据本发明的优选实施例,还包括以下步骤:
将全天空成像仪采集的图像分为5个扇区分别为第一扇区、第二扇区、第三扇区、第四扇区和第五扇区,所述第一扇区为与半球镜面同心,且半径小于半球镜面半径的圆形区域,将半球镜面均分为4个扇区, 该4个扇区排除第一扇区的部分分别为第二扇区、第三扇区、第四扇区和第五扇区,对5个扇区内的二值化图像进行云量计算,云量f由下式可得:
上式中N表示云点或非云点的像素个数;
根据本发明的优选实施例,还包括以下步骤:
以半球镜面采集的图像中心为坐标原点建立极坐标系;
在上述极坐标系中根据云信息二值化的图像进行云团检测,并将检测的云团连续标记;
提取上述各个云团的云团质心;
根据上述不同时间点检测的云团质心在极坐标系的位置计算云团的运动时间和方向。
根据本发明的优选实施例,所述提取上述各个云团的云团质心具体为:
,。
本发明的技术方案具有以下有益效果:
本发明的技术方案,通过基于全天空成像仪设置在相机外壳的图像采集装置,并将图像采集装置采集的图像传输给电子设备进行图像识别和判断,从而实现了低成本下,自动化观测云信息的目的。而通过基于全天空成像仪的云层特性分析方法,通过红蓝阀值进行云信息的识别,并将云信息进行二值化处理,从而对云信息的观测提供了一个准确且标准的数值基础,从而达到了云信息观测准确且标准的目的。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明实施例所述的全天空成像仪结构示意图;
图2为本发明实施例所述的基于全天空成像仪的云层特性分析方法流程图;
图3为本发明实施例所述的图像锐化的原理框图;
图4a和图4b分别为本发明实施例所述的采集的原始图像和二值化后的图像;
图5为本发明实施例所述的云图扇区划分示意图;
图6为本发明实施例所述的云团质心提取示意图;
图7为本发明实施例所述的云团运动质心关系图。
结合附图,本发明实施例中附图标记如下:
1-相机外壳;2-遮光带;3-半球镜面;4-支持臂;5-电子设备箱。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
如图1所示,一种全天空成像仪,包括相机外壳1、支持臂4、遮光带2、半球镜面3、电源和电子设备箱5,半球镜面3固设在电子设备箱5的上方,遮光带2覆盖在半球镜面3的表面上方,相机外壳1通过支持臂4固设在电子设备箱5上,且相机外壳1位于半球镜面3中央的上方,相机外壳1内设置图像采集装置。图像采集装置可以为照相机或摄像机,电源设置在电子设备箱5内。
电子设备箱5内还设置通信模块,电动机驱动电路、电动机、电池组、中央处理器和存储模块。
TSI即全天空成像仪。
如图2所示,一种基于全天空成像仪的云层特性分析方法,包括:
图像预处理,通过对全天空成像仪采集的图像以及经中值滤波和图像锐化处理后,以突出图像中云图和天空的信息的步骤;
以及
对上述预处理后的云图和天空的信息进行云信息识别并将识别的云信息进行二值化处理的步骤。
其中,
对于原始图形,由于机械元件或者信道传输等因素的都存在着一定程度的噪声干扰,噪声会恶化图像质量,会导致图像模糊等。同时,由于采集过程中,能见度低以及拍摄视野内其他悬浮颗粒物等的影响,会使采集的图像天空和云团边缘模糊,造成轮廓不清晰,线条不鲜明,这都不利于云团的提取。为了消除以上干扰,采取以下方法对图像进行预处理。
1)中值滤波:中值滤波可以克服线性滤波器所带来的图像细节模糊,而且对滤除脉冲干扰及颗粒噪声最为有效。中值滤波的原理是把图像中一点的灰度值用该点领域中各点值的中值来替代。
2)图像锐化:经过中值滤波后进行图像锐化是为了突出图像中被模糊了的细节,采用基于拉普拉斯算子的二阶微分图像增强。
由于原始图像是彩色图像,所以对TSI原始图像分解为红、绿、蓝三个通道进行中值滤波和锐化,如图3所示,IR、IG、IB分别表示原始图像的红绿蓝分量图像,PR、PG、PB分别表示经过预处理后的红绿蓝分量图像,最后将PR、PG、PB合成新的彩色图像,即完成了对TSI原始图像的预处理。
为了在彩色云图中识别出云团,区分云团和天空可利用颜色特征识别并提取云团。根据大气、云粒子对可见光不同的散射原理,如果天空为晴空,对蓝光波段的散射远远大于对红光波段的散射,所以晴空呈现蓝色;而云粒子对可见光的散射,在不同的波段散射的程度是相当的,所以天空云体呈现白色。因此,如果像素点为云点,该点红蓝灰度比值将会偏大;如果像元点为晴空点,红蓝灰度比值将会偏小。所以设定合理的红蓝比的阈值便可以很好地区分云团和天空,进而产生二值化图像。根据大量图像分析取红蓝对比值大于0.6的像元为云点,低于0.6为非云点,能得到较好的识别效果,但是由于各个地方大气环境的不同,加之气溶胶的影响,红蓝比阈值的设定必须运用大量图像数据进行多次反复的样本学习才可得到合理的红蓝比阈值。假设红蓝比阈值为,可得到如下的二值图:
其中坐标点(i,j)为以半球镜面采集的图像中心为坐标原点建立极坐标系中的坐标点;R(i,j)表示该坐标点处的红色像素值,B(i,j)表示该坐标点处的蓝色像素值。
由于某些小云点,或者图像中与云颜色类似的气溶胶颗粒都有可能被误判为云团,这不仅增加后续图像计算中的计算量,还会对整体分析云团移动带来干扰,为了使所获得的图像中保留相对较大,较集中云团,使团块显得“光滑”,毛刺少,而且团块中间尽量不要有太大空洞,以利于后续分析。采用如下处理:先对二值化图像进行膨胀,再进行腐蚀的形态学开运算,形态学开运算可以平滑对象轮廓,去掉细小突出部分。膨胀和腐蚀这两种操作是形态学处理的基础,许多形态学算法都是以这两种运算为基础的。① 膨胀是以得到B的相对与它自身原点的映像并且由z对映像进行移位为基础的。A被B膨胀是所有位移z的集合,这样, 和A至少有一个元素是重叠的。我们可以把上式改写为:结构元素B可以看作一个卷积模板,区别在于膨胀是以集合运算为基础的,卷积是以算术运算为基础的,但两者的处理过程是相似的。⑴ 用结构元素B,扫描图像A的每一个像素⑵ 用结构元素与其覆盖的二值图像做“与”操作⑶ 如果都为0,结果图像的该像素为0。否则为1。② 腐蚀对Z中的集合A和B,B对A进行腐蚀的整个过程如下:⑴ 用结构元素B,扫描图像A的每一个像素⑵ 用结构元素与其覆盖的二值图像做“与”操作⑶ 如果都为1,结果图像的该像素为1。否则为0腐蚀处理的结果是使原来的二值图像减小一圈。
在《数字图像处理》冈萨雷斯版里面的图像细化基本原理⑴ 数字图像处理中的形态学处理是指将数字形态学作为工具从图像中提取对于表达和描绘区域形状有用处的图像分量,比如边界、骨架以及凸壳,还包括用于预处理或后处理的形态学过滤、细化和修剪等。图像形态学处理中我们感兴趣的主要是二值图像。在二值图像中,所有黑色像素的集合是图像完整的形态学描述,二值图像的各个分量是Z2的元素。假定二值图像A和形态学处理的结构元素B是定义在笛卡儿网格上的集合,网格中值为1的点是集合的元素,当结构元素的原点移到点(x,y)时,记为Sxy,为简单起见,结构元素为3x3,且全都为1,在这种限制下,决定输出结果的是逻辑运算。
⑵ 二值图像的逻辑运算逻辑运算尽管本质上很简单,但对于实现以形态学为基础额图像处理算法是一种有力的补充手段。在图像处理中用到的主要逻辑运算是:与、或和非(求补),它们可以互相组合形成其他逻辑运算。
⑶ 膨胀和腐蚀膨胀和腐蚀这两种操作是形态学处理的基础,许多形态学算法都是以这两种运算为基础的。① 膨胀是以得到B的相对与它自身原点的映像并且由z对映像进行移位为基础的。A被B膨胀是所有位移z的集合,这样,和A至少有一个元素是重叠的。我们可以把上式改写为:结构元素B可以看作一个卷积模板,区别在于膨胀是以集合运算为基础的,卷积是以算术运算为基础的,但两者的处理过程是相似的。⑴ 用结构元素B,扫描图像A的每一个像素⑵ 用结构元素与其覆盖的二值图像做“与”操作⑶ 如果都为0,结果图像的该像素为0。否则为1② 腐蚀对Z中的集合A和B,B对A进行腐蚀的整个过程如下:⑴ 用结构元素B,扫描图像A的每一个像素⑵ 用结构元素与其覆盖的二值图像做“与”操作⑶ 如果都为1,结果图像的该像素为1。否则为0腐蚀处理的结果是使原来的二值图像减小一圈。
⑷ 击中(匹配)或击不中变换假设集合A是由3个子集X,Y和Z组成的集合,击中(匹配)的目的是要在A中找到X的位置,我们设X被包围在一个小窗口W中,与W有关的X的局部背景定义为集合的差(W-X),则X在A内能得到精确拟合位置集合是由X对A的腐蚀后由(W-X)对A的补集Ac腐蚀的交集,这个交集就是我们要找的位置,我们用集合B来表示由X和X的背景构成的集合,我们可以令B=(B1,B2),这里B1=X,B2=(W-X),则在A中对B进行匹配可以表示为: A⊙B我们称为形态学上的击中或击不中变换。
⑸ 细化图像细化一般作为一种图像预处理技术出现,目的是提取源图像的骨架,即是将原图像中线条宽度大于1个像素的线条细化成只有一个像素宽,形成“骨架”,形成骨架后能比较容易的分析图像,如提取图像的特征。细化基本思想是“层层剥夺”,即从线条边缘开始一层一层向里剥夺,直到线条剩下一个像素的为止。图像细化大大地压缩了原始图像地数据量,并保持其形状的基本拓扑结构不变,从而为文字识别中的特征抽取等应用奠定了基础。细化算法应满足以下条件:① 将条形区域变成一条薄线;② 薄线应位与原条形区域的中心;③ 薄线应保持原图像的拓扑特性。细化分成串行细化和并行细化,串行细化即是一边检测满足细化条件的点,一边删除细化点;并行细化即是检测细化点的时候不进行点的删除只进行标记,而在检测完整幅图像后一次性去除要细化的点。常用的图像细化算法有hilditch算法,pavlidis算法和rosenfeld算法等。
注:进行细化算法前要先对图像进行二值化,即图像中只包含“黑”和“白”两种颜色。
图4a是二值化前的图像,图4b为二值图像,其中白色区域为云团。云量分布与辐照度变化的相关性已经有很多论证,通过TSI对观测地云量进行分析首先需要将云图进行区域划分,如图5示,图像中心为天顶,四周为地平,等角投影,图像上部分为北边,下部分为南边,左为西,右为东。
全天空成像仪采集的图像分为5个扇区分别为第一扇区、第二扇区、第三扇区、第四扇区和第五扇区,所述第一扇区为与半球镜面同心,且半径小于半球镜面半径的圆形区域,将半球镜面均分为4个扇区, 该4个扇区排除第一扇区的部分分别为第二扇区、第三扇区、第四扇区和第五扇区。可以以天顶为中心,30°天顶角为半径标记为1扇区,将30°天顶角到80°天顶角再分为四个扇区,分别为2,3,4,5扇区,即2,3,4,5扇区为天顶角大于30°小于80°的扇形区域。然后分别对扇区内进行云量计算,云量f由下式可得:
上式中N表示云点或非云点的像素个数。由于TSI原始云图像的畸变,使得天空中的云块与投影在云图上云块面积是有差异的。从这个意义上讲,为保证与人眼目测结果的一致性,半球天空云图进行云量统计时需要进一步修正为:
(3)
其中,以半球镜面采集的图像中心为坐标原点建立极坐标系;
1 云团检测和标注
在一幅二值图中,坐标点为(i,j)点的和周围像素的邻接方式有两种,4连接和8连接。
通过选择不同的连接方式得到的连接分离是不一样的,连接分量的检测利用回溯法的思想。当一个连接分量检测完以后就要相应地作一标记,每个连接分量里的像素被分配给一个惟一的整数,该整数的范围是从1到连接分量的总数。即标记值为1的像素属于第一个连接分量;标记为2的像素属于第二个连接分量,以此类推。
通过实验和实践验证看来,一般云图的连接分量均大于10个,而相对较大团块一般小于5个,检测出太多的分量不仅会给计算带来复杂,而且跟踪较小的团块并不能真实反映云团的移动。所以至此还要根据连接分量的面积去掉面积较小的连接分量,在后续的分析中不予考虑。连接分量的面积也即连接分量所含像素点的个数,连接分量的取舍阈值的确定应根据所要确定的个数,如果确定标记N个连接分量,那么面积阈值就确定为第N个连接分量的面积,小于此面积的连接分量不予标记也不参与后续的计算,参与后续计算的连接分量叫做代表云团,即根据云信息二值化的图像进行云团检测,并将检测的云团连续标记的步骤;
提取上述各个云团的云团质心;
提取上述各个云团的云团质心具体为:
根据不同时间点检测的云团质心在极坐标系的位置计算云团的运动时间和方向,
鉴于云的生效运动的复杂性和随机性,大多情况下可以将云的对流运动视为线性运动。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种全天空成像仪,其特征在于,包括相机外壳、支持臂、遮光带、半球镜面、电源和电子设备箱, 所述半球镜面固设在电子设备箱的上方,所述遮光带覆盖在半球镜面的表面上方,所述相机外壳通过支持臂固设在电子设备箱上,且相机外壳位于半球镜面的上方,所述相机外壳内设置图像采集装置,所述电源设置在电子设备箱内。
2.一种基于全天空成像仪的云层特性分析方法,其特征在于,包括:
图像预处理,通过对全天空成像仪采集的图像以及经中值滤波和图像锐化处理后,以突出图像中云图和天空的信息的步骤;
以及对上述预处理后的云图和天空的信息进行云信息识别并将识别的云信息进行二值化处理的步骤。
3.根据权利要求2所述的基于全天空成像仪的云层特性分析方法,其特征在于,所述图像锐化为:采用基于拉普拉斯算子的二阶微分。
7.根据权利要求2至5任一所述的基于全天空成像仪的云层特性分析方法,其特征在于,还包括以下步骤:
以半球镜面采集的图像中心为坐标原点建立极坐标系;
在上述极坐标系中根据云信息二值化的图像进行云团检测,并将检测的云团连续标记;
提取上述各个云团的云团质心;
根据上述不同时间点检测的云团质心在极坐标系的位置计算云团的运动时间和方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310407753.XA CN103605171A (zh) | 2013-09-10 | 2013-09-10 | 全天空成像仪及基于全天空成像仪的云层特性分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310407753.XA CN103605171A (zh) | 2013-09-10 | 2013-09-10 | 全天空成像仪及基于全天空成像仪的云层特性分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103605171A true CN103605171A (zh) | 2014-02-26 |
Family
ID=50123411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310407753.XA Pending CN103605171A (zh) | 2013-09-10 | 2013-09-10 | 全天空成像仪及基于全天空成像仪的云层特性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103605171A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104615990A (zh) * | 2015-02-10 | 2015-05-13 | 中国科学院国家天文台 | 一种基于怀柔全日面单色像的太阳黑子自动识别方法 |
CN105277563A (zh) * | 2015-11-19 | 2016-01-27 | 中国民航大学 | 基于半球镜面原理的主导能见度自动观测方法 |
CN106897998A (zh) * | 2017-02-24 | 2017-06-27 | 深圳市昊睿智控科技服务有限公司 | 太阳能直射辐射强度信息预测方法和*** |
CN107169457A (zh) * | 2017-05-17 | 2017-09-15 | 中国科学院遥感与数字地球研究所 | 一种云识别方法 |
CN107644416A (zh) * | 2017-09-15 | 2018-01-30 | 中国科学院寒区旱区环境与工程研究所 | 一种基于地基云图的实时动态云量反演方法 |
CN111563894A (zh) * | 2020-05-12 | 2020-08-21 | 西北工业大学 | 一种连续纤维增强材料弯曲刚度测量方法及*** |
CN111582037A (zh) * | 2020-04-10 | 2020-08-25 | 天津大学 | 基于粗糙集理论的地基云图云分类识别***和方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915470A (zh) * | 2012-09-20 | 2013-02-06 | 中国电力科学研究院 | 一种面向光伏功率预测的云团运动预估方法 |
CN203464930U (zh) * | 2013-09-10 | 2014-03-05 | 国家电网公司 | 全天空成像仪 |
-
2013
- 2013-09-10 CN CN201310407753.XA patent/CN103605171A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915470A (zh) * | 2012-09-20 | 2013-02-06 | 中国电力科学研究院 | 一种面向光伏功率预测的云团运动预估方法 |
CN203464930U (zh) * | 2013-09-10 | 2014-03-05 | 国家电网公司 | 全天空成像仪 |
Non-Patent Citations (2)
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》 * |
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》, 15 September 2012 (2012-09-15) * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104615990A (zh) * | 2015-02-10 | 2015-05-13 | 中国科学院国家天文台 | 一种基于怀柔全日面单色像的太阳黑子自动识别方法 |
CN105277563A (zh) * | 2015-11-19 | 2016-01-27 | 中国民航大学 | 基于半球镜面原理的主导能见度自动观测方法 |
CN106897998A (zh) * | 2017-02-24 | 2017-06-27 | 深圳市昊睿智控科技服务有限公司 | 太阳能直射辐射强度信息预测方法和*** |
CN106897998B (zh) * | 2017-02-24 | 2020-09-04 | 深圳市微埃智能科技有限公司 | 太阳能直射辐射强度信息预测方法和*** |
CN107169457A (zh) * | 2017-05-17 | 2017-09-15 | 中国科学院遥感与数字地球研究所 | 一种云识别方法 |
CN107169457B (zh) * | 2017-05-17 | 2020-07-03 | 中国科学院遥感与数字地球研究所 | 一种云识别方法 |
CN107644416A (zh) * | 2017-09-15 | 2018-01-30 | 中国科学院寒区旱区环境与工程研究所 | 一种基于地基云图的实时动态云量反演方法 |
CN107644416B (zh) * | 2017-09-15 | 2020-04-24 | 中国科学院寒区旱区环境与工程研究所 | 一种基于地基云图的实时动态云量反演方法 |
CN111582037A (zh) * | 2020-04-10 | 2020-08-25 | 天津大学 | 基于粗糙集理论的地基云图云分类识别***和方法 |
CN111563894A (zh) * | 2020-05-12 | 2020-08-21 | 西北工业大学 | 一种连续纤维增强材料弯曲刚度测量方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103605171A (zh) | 全天空成像仪及基于全天空成像仪的云层特性分析方法 | |
CN109416413B (zh) | 太阳能预报 | |
Yang et al. | An automated cirrus cloud detection method for a ground-based cloud image | |
CN109284706B (zh) | 基于多源卫星遥感数据的热点网格工业聚集区域识别方法 | |
CN109993804A (zh) | 一种基于条件生成对抗网络的道路场景去雾方法 | |
CN102507592A (zh) | 表面缺陷仿蝇视觉在线检测装置及检测方法 | |
CN107240084A (zh) | 一种单幅图像去雨方法及装置 | |
CN108629368B (zh) | 一种基于联合深度融合的多模态地基云分类方法 | |
CN108509844B (zh) | 基于地基云图的vper云团识别方法 | |
CN110706197A (zh) | 一种基于迁移学习的特殊场景下铁路异物侵限检测方法 | |
WO2024021225A1 (zh) | 一种高解析度真彩可见光模型生成、反演方法及其*** | |
CN114373009B (zh) | 基于高分辨率遥感影像的建筑物阴影测高智能化计算方法 | |
CN114078218B (zh) | 一种自适应融合的森林烟火识别数据增广方法 | |
CN111008994A (zh) | 基于MPSoC的运动目标实时检测跟踪***及方法 | |
CN111986164A (zh) | 一种基于多源Unet+Attention网络迁移的道路裂缝检测方法 | |
CN116052222A (zh) | 自然采集牛脸图像的牛脸识别方法 | |
CN111767826A (zh) | 一种定时定点场景异常检测方法 | |
Chen et al. | Real-time garbage object detection with data augmentation and feature fusion using SUAV low-altitude remote sensing images | |
CN111598793A (zh) | 一种用于输电线路图像去雾的方法、***及存储介质 | |
CN114972646A (zh) | 一种实景三维模型独立地物的提取与修饰方法及*** | |
CN109767465B (zh) | 一种基于h8/ahi的白天雾快速提取的方法 | |
CN107590782A (zh) | 一种基于全卷积网络的高分辨率光学图像厚云去除方法 | |
CN110827375B (zh) | 一种基于微光图像的红外图像真彩着色方法及*** | |
CN115760885B (zh) | 基于消费级无人机影像的高郁闭度湿地森林参数提取方法 | |
Liu et al. | Discovering potential illegal construction within building roofs from UAV images using semantic segmentation and object-based change detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140226 |