一種地基云自動檢測方法
【專利摘要】本發明公開一種地基云自動檢測方法，其中包括可見光云圖的采集；對云圖藍紅兩波段圖像進行非線性動態范圍的灰度調整得到兩波段增強圖像，再對兩波段增強圖像差值處理得到特征圖；對特征圖進行Shearlet變換得到多尺度不同方向的子帶系數；然后對各子帶系數模值圖像的紋理特征進行抽取；最終采用聚類算法對抽取的特征向量進行分類實現云圖的自動檢測。本發明可解決人工目判的局限，實現可見光云圖的自動檢測，且具有較好的魯棒性和準確性。
【專利說明】—種地基云自動檢測方法
【技術領域】
[0001]本發明屬于圖像處理【技術領域】，尤其是一種地基云自動檢測方法。
【背景技術】
[0002]云作為地球上水文循環的一個重要環節，其與地面輻射相互作用共同影響著局部和全球范圍的能量平衡。因此，準確地獲取云的信息，對天氣預報的準確性、全球范圍內的氣候變化以及飛行保障等都有十分重要的意義。目前云的檢測主要靠人工做出判斷，這種方法費時、費力并且帶有很強的主觀局限性。同時由于受人為主觀因素影響以及夜間光照條件的限制，人工云量觀測具有較大的主觀誤差，且人工消耗很大，給云的觀測資料的定量化應用帶來不便，因此實現云量的自動檢測是當前的迫切需要。
[0003]目前的地基云檢測算法主要是以閾值為基礎，即以紅藍波段的灰度值(或輻射亮度)對比作為云和晴空的判斷依據。Long等提出了用固定閾值進行云的檢測，這種方法在晴朗天空下對厚云的檢測效果較好，但考慮到天空云圖的復雜性，固定閾值不能使所有圖像獲得好的檢測結果。之后楊俊等人提出的應用最大類間方差閾值法可對不同的云圖自適應計算閾值，但由于云的形態千變萬化以及光照的影響，對整幅云圖采用一個全局閾值并不能獲得很好的檢測精度。
【發明內容】
[0004]為了解決地基云自動檢測的問題，本發明的目的是充分利用地基可見光云圖的紋理特征，實現云的自動檢測，具有很強的魯棒性和正確性。
[0005]本發明專利所解決的技術問題可采用如下的技術解決方案來實現:
[0006]一種地基云自動檢測方法，其特征在于包括以下步驟:
[0007]步驟1:利用成像設備對可見光云圖采集；
[0008]步驟2:輸入采集好的云圖進行各顏色通道的分離，再對云圖藍紅兩波段圖像進行非線性動態范圍的灰度調整獲取云圖藍波段增強圖像B'與紅波段增強圖像R'，然后將兩波段增強圖像的差值圖(B' -R')的像素歸一化到[0255]，得到特征圖像；
[0009]步驟3:特征圖像進行多尺度多方向的Shearlet分解；
[0010]步驟4:在步驟3的基礎上對各尺度不同方向子帶系數進行非局部均值濾波處理，來降低相同紋理區域特征的變換，同時增加不同紋理區域的區別。然后對濾波后的子帶系數取模值，計算第I層的d方向上模值圖像嚴在(2n+l) X (2n+l)大小窗口下的局部能量:ef和局部能量方差#.
【權利要求】
1.一種地基云自動檢測方法，其特征在于，該方法包括以下步驟: 步驟1:利用成像設備對可見光云圖采集； 步驟2:輸入采集好的云圖進行各顏色通道的分離，再對藍紅兩波段云圖像進行非線性動態范圍的灰度調整獲取云圖的藍波段增強圖像B'和紅波段增強圖像R'，然后將兩波段增強圖像的差值圖(B' -R')歸一化到[0255]，得到特征圖像； 步驟3:特征圖像進行多尺度多方向的Shearlet分解； 步驟4:在步驟3的基礎上對各尺度不同方向子帶系數取模值，并對各子帶的模值圖像進行特征抽取； 步驟5:利用聚類算法對步驟4抽取的特征向量進行分類，最終實現可見光云的自動檢測。
2.根據權利要求1所述的一種地基云自動檢測方法，其特征在于，步驟4所述的具體計算過程如下: 步驟4.1以云圖藍紅兩波段增強圖像的差值圖作為特征圖進行Shearlet變換，得到一系列子帶； 步驟4.2各尺度不同方向的子帶系數進行非局部均值濾波，來降低相同紋理區域的特征的變換，同時增加不同區域的區別； 步驟4.3濾波后的各子帶系數取模值，計算第I層的d方向上的模值圖像Ild在(2n+l) X (2n+l)大小窗口下的局部能量彳和局部能量方差5廣:
3.根據權利要求1所述的一種地基云自動檢測方法，其特征在于，步驟4所述的分類算法為:模糊C均值聚類算法。
【文檔編號】G06T7/40GK103714557SQ201410006911
【公開日】2014年4月9日 申請日期:2014年1月6日 優先權日:2014年1月6日
【發明者】王憲, 秦磊, 王呈, 黃芳, 宋書林, 柳絮青 申請人:江南大學