CN105931194A - 基于大气散射光照去除的云检测方法 - Google Patents
基于大气散射光照去除的云检测方法 Download PDFInfo
- Publication number
- CN105931194A CN105931194A CN201610217876.0A CN201610217876A CN105931194A CN 105931194 A CN105931194 A CN 105931194A CN 201610217876 A CN201610217876 A CN 201610217876A CN 105931194 A CN105931194 A CN 105931194A
- Authority
- CN
- China
- Prior art keywords
- image
- illumination
- sky
- background
- cloud
- 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
- 238000005286 illumination Methods 0.000 title claims abstract description 131
- 238000001514 detection method Methods 0.000 title claims abstract description 85
- 230000011218 segmentation Effects 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 35
- 239000002245 particle Substances 0.000 claims abstract description 18
- 238000000605 extraction Methods 0.000 claims abstract 3
- 238000012545 processing Methods 0.000 claims description 30
- 238000003384 imaging method Methods 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 7
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000003786 synthesis reaction Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 230000001678 irradiating effect Effects 0.000 abstract 3
- 239000000284 extract Substances 0.000 description 7
- 238000007689 inspection Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 241001062009 Indigofera Species 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于大气散射光照去除的云检测方法，属于气象探测领域，其步骤包括：天空图像获取，用于获取天空的彩色RGB图像；光照背景提取，用于确定在所述天空图像中的大气散射光照背景，得到大气散射背景图；光照背景去除，用于去除在所述大气散射背景图中的大气散射光照背景差异，得到光照背景去除的图像；阈值分割，通过分割阈值来检测所述光照背景去除的图像中的云，得到阈值分割的图像；太阳直射区域去除，通过确定太阳直射区域，在所述阈值分割的图像中去除该区域的云检测信息，得到云检测结果。本发明以一种新的思路提供的云检测方法能够通过对彩色天空图像的多通道运算提取并去除大气粒子散射差异引起的光照背景的不均一现象。
Description
技术领域
本发明涉及气象探测领域，特别是涉及一种基于大气散射光照去除的云检测方法。
背景技术
天空中云的分布和演变是影响全球水汽循环和辐射收支平衡的重要因素。传统的地基云的观测主要依赖气象观测员的目视判断，但这种方式带有很大的主观性，且观测的时间分辨率很低，这已不能满足现在越来越精细化的气象服务需求。国内外已有大量的地基成像设备来开展云的自动观测，包括Total-SkyImager(TSI)、Whole-Sky Imager(WSI)、Whole-Sky Camera(WSC)、All-SkyImager(ASI)和Total-sky Cloud Imager(TCI)等等。基于这些设备，科研人员提出了基于红/蓝(R/B)、红-蓝(R-B)、归一化红蓝((R-B)/(R+B))和绿(G)等通道的云检测方法，但这些方法都没有解决图像背景光照不均一的问题，这造成了很明显的云检测误差，特别是对薄云、天边及太阳区域的云。
发明内容
本发明的一个目的是提供一种基于大气散射光照去除的云检测方法，能够通过对彩色天空图像的多通道运算提取并去除大气粒子散射差异引起的光照背景的不均一现象。
本发明的另一个目的是以一种新的思路提供一种基于大气散射光照去除的云检测方法，为气象业务中全天空云的自动观测提供一种新的思路和解决方案。
特别地，本发明提供一种基于大气散射光照去除的云检测方法，包括以下步骤：
s101、天空图像获取，用于获取天空的彩色RGB(RGB即是代表红、绿、蓝三个通道的颜色)图像；
s102、光照背景提取，用于确定在所述天空图像中的大气散射光照背景，得到大气散射背景图；
s103、光照背景去除，用于去除在所述大气散射背景图中的大气散射光照背景差异，得到光照背景去除的图像；
s104、阈值分割，通过分割阈值来检测所述光照背景去除的图像中的云，得到阈值分割的图像；
s105、太阳直射区域去除，通过确定太阳直射区域，在所述阈值分割的图像中去除该区域的云检测信息，得到云检测结果。
进一步地，s101中所述天空图像是利用地基成像设备获取的彩色RGB天空图像，所述天空图像是指未经白平衡和其它图像增强处理的原始RGB图像。
进一步地，s102中所述光照背景提取是利用通道运算确定出所述天空图像中每一个像素上的大气散射光照背景值，得到大气散射背景图；
所述通道运算，包括确定所述天空图像的暗通道和亮通道，并计算每一个像素上的所述亮通道和所述暗通道的差值；所述暗通道是所述天空图像中每个像素RGB分量中的最小值组成的通道；所述亮通道是天空图像中每个像素RGB分量中的最大值组成的通道。
进一步地，s103中所述光照背景去除是利用可见光波段内的全色通道图像减去所述大气散射背景图，得到不包含大气散射信息的光照背景去除的图像，所述光照背景去除的计算公式为：
N＝Y-(L-D)
其中，N为光照背景去除的图像，Y为全色通道图像，L为亮通道图像，D为暗通道图像。
进一步地，所述全色通道图像是通过单独的成像设备获取或者利用RGB图像的三个通道合成得到；
进一步地，所述通道合成可采用公式：
Y＝0.299R+0.587G+0.114B
计算得到；
其中，Y为全色通道图像，R为红色通道，G为绿色通道，B为蓝色通道。
进一步地，s104中采用阈值分割，将所述光照背景去除的图像分成云和非云两部分；所述阈值大于所述光照背景去除的图像中气溶胶粒子的散射值；所述阈值根据气候条件设定；可选地，所述阈值设定为0-20；优选地，所述阈值设定为0-10。
进一步地，s105中所述太阳直射区域去除是基于单幅的所述阈值分割的图像，根据太阳在所述阈值分割的图像中的位置及太阳是否被云层遮挡信息确定出太阳直射区域，并在所述阈值分割的图像中去除该区域的云检测信息。
进一步地，所述太阳在所述阈值分割的图像中的位置通过人工标定或者根据太阳定位算法计算出太阳在所述阈值分割的图像中的坐标；所述太阳是否被云层遮挡通过人工确定或者根据图像处理算法确定。
进一步地，s105中所述太阳直射区域去除是利用阈值分割的图像和晴空背景差分的方法去除，选择与阈值分割的图像中太阳位置一样的真实晴空图像，通过去除大气散射光照影响后进行差分处理。
进一步地，所述云检测方法通过对所述天空图像的多通道运算提取、去除大气粒子散射差异引起的光照背景的不均一现象。
本发明提供的基于大气散射光照去除的云检测方法，通过彩色图像获取、光照背景提取、光照背景去除、阈值分割和太阳直射区域去除步骤对彩色天空图像进行处理，可以有效地去除天空图像中大气粒子散射差异引起的光照背景的不均一现象，避免传统云检测算法由于图像中光照背景不均一引起的云检测误差。
本发明直接通过去除大气散射光照背景差异来检测天空图像中的云，使得去除大气散射光照后的彩色天空图像中只有云和气溶胶粒子散射信息及太阳直射信息，避免了传统算法中天空类型判断(即预先将天空图像分成晴空、多云和阴天中的一种)错误对云图检测结果的影响，使得云检测精度更高。
本发明以一种新的思路提供了一种基于大气散射光照去除的云检测方法，为气象业务中全天空云的自动观测提供一种新的思路和解决方案。
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。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：
图1是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的流程示意图；
图2a是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(晴空少云)处理时所获取的天空的彩色RGB图像；
图2b是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(晴空少云)处理时大气散射光照背景值提取后的得到大气散射背景图；
图2c是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(晴空少云)处理时去除所述大气散射背景图中的大气散射光照背景差异后得到光照背景去除的图像；
图2d是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(晴空少云)处理时得到云检测结果；
图3a是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(多云)处理时所获取的天空的彩色RGB图像；
图3b是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(多云)处理时大气散射光照背景值提取后的得到大气散射背景图；
图3c是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(多云)处理时去除所述大气散射背景图中的大气散射光照背景差异后得到光照背景去除的图像；
图3d是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(多云)处理时得到云检测结果；
图4a是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(阴天)处理时所获取的天空的彩色RGB图像；
图4b是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(阴天)处理时大气散射光照背景值提取后的得到大气散射背景图；
图4c是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(阴天)处理时去除所述大气散射背景图中的大气散射光照背景差异后得到光照背景去除的图像；
图4d是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(阴天)处理时得到云检测结果。
具体实施方式
图1是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的流程示意图。如图1所示，一种基于大气散射光照去除的云检测方法，包括以下步骤：
s101、天空图像获取，用于获取天空的彩色RGB图像；
s102、光照背景提取，用于确定在所述天空图像中的大气散射光照背景，得到大气散射背景图；
s103、光照背景去除，用于去除在所述大气散射背景图中的大气散射光照背景差异，得到光照背景去除的图像；
s104、阈值分割，通过分割阈值来检测所述光照背景去除的图像中的云，得到阈值分割的图像；
s105、太阳直射区域去除，通过确定太阳直射区域，在所述阈值分割的图像中去除该区域的云检测信息，得到云检测结果。
具体地，s101中所述天空图像是利用地基成像设备获取的彩色RGB天空图像，所述天空图像是指未经白平衡和其它图像增强处理的原始RGB图像。天空图像可以是普通镜头获取的无形变的包含天空的图像，也可以是鱼眼镜头获取的全天空图像。
s102中所述光照背景提取是利用通道运算确定出所述天空图像中每一个像素上的大气散射光照背景值，得到大气散射背景图；所述通道运算，包括确定所述天空图像的暗通道和亮通道，并计算每一个像素上的所述亮通道和所述暗通道的差值；所述暗通道是所述天空图像中每个像素RGB分量中的最小值组成的通道，暗通道记为D；所述亮通道是天空图像中每个像素RGB分量中的最大值组成的通道，亮通道记为L。
更具体地，在所获取的天空图像中，图像中的每一个像素点的辐射值由大气粒子的散射、云粒子的散射、气溶胶粒子的散射和太阳直射等几部分组成。除太阳直射区域外，天空图像中光照背景的不均一主要体现的是大气粒子散射的差异。大气粒子的散射在可见光范围内遵循瑞利散射，其强度与波长的四次方成反比，也就是说，大气粒子的散射强度在每一个通道(或波长)上是不一样的。
在一个具体的实施例中，通过统计天空图像中每个像素RGB分量中的暗通道D和每个像素RGB分量中的亮通道L。亮通道L与暗通道D的差值体现的是每个像素在可见光范围内的大气散射强度差异。
s103光照背景去除中，结合步骤s102中已提取出的天空图像中每个像素在可见光范围内的大气散射强度差异和可见光范围内的全色通道图像，进行差值处理，即可得到去除了大气散射光照背景的天空图像。所得到的去除了大气散射光照背景的天空图像为背景非常均一的天空图像，其天空背景亮度主要体现的是气溶胶的散射强度。
所述光照背景去除的计算公式为：
N＝Y-(L-D)
其中，N为大气散射光照背景去除后的全色通道的图像，Y为全色通道图像，L为亮通道图像，D为暗通道图像。
在步骤s103中，可见光范围内的全色通道图像是通过单独的成像设备获取或者利用RGB图像计算得到的。
在一个实施例中，可见光范围内的全色通道图像可通过一个全色相机与彩色RGB图像同步获取。
在另一个实施例中，可见光范围内的全色通道图像也可利用RGB图像通道运算得到。具体的计算公式为：
Y＝0.299R+0.587G+0.114B
其中，Y为全色通道图像，R为红色通道，G为绿色通道，B为蓝色通道。
s104阈值分割步骤中，通过阈值分割方法将所述光照背景去除的图像分成云和非云两部分。所述阈值大于所述光照背景去除的图像中气溶胶粒子的散射值。在完成阈值分割后，得到阈值分割的图像中主要包括云和受太阳直射影响被误识别为云的区域。
在一个实施例中，分割所需的阈值可通过图像处理算法(如OTSU算法即大津法或最大类间方差法)自动计算得到。
在另一个实施例中，阈值可根据气候条件由人工预先设定，这里的阈值需要大于天空图像中气溶胶散射值。可选地，所述阈值设定为0-20；优选地，所述阈值设定为0-10。
s105太阳直射区域去除步骤中，所述太阳直射区域去除是基于单幅的所述阈值分割的图像，根据太阳在所述阈值分割的图像中的位置及太阳是否被云层遮挡等信息确定出太阳直射区域，并在所述阈值分割的图像中去除该区域的云检测信息。所述太阳在所述阈值分割的图像中的位置通过人工标定或者根据太阳定位算法计算出太阳在所述阈值分割的图像中的坐标；所述太阳是否被云层遮挡通过人工确定或者根据图像处理算法确定。
在一个具体地实施例中，太阳直射区域去除可基于单幅天空图像来完成，主要是根据太阳在图像中的位置及太阳是否被云层遮挡等信息确定出太阳直射区域，并在所述云检测结果中去除该区域的云检测信息。太阳在图像中的位置可人工标定，也可根据太阳定位算法自动算出太阳在图像中的坐标。太阳是否被云层遮挡可人工确定，也可根据图像处理算法自动确定。
s105太阳直射区域去除步骤中，也可以利用阈值分割的图像和晴空背景差分的方法去除，选择与阈值分割的图像中太阳位置一样的真实晴空图像，通过去除大气散射光照影响后进行差分处理。
在一个具体地实施例中，太阳直射区域去除可利用天空图像和晴空背景差分来完成，主要是基于两幅图像中太阳位置一样，则其太阳直射区域一致的假定，选择与天空图像中太阳位置一样的真实晴空图像，通过去除大气散射光照影响后直接进行差分。
本发明的基于大气散射光照去除的云检测方法通过对所述天空图像的多通道运算提取、去除大气粒子散射差异引起的光照背景的不均一现象。
在一个具体的实施方式中，对于晴空少云时的天空图像进行处理。如图2a至图2d所示。图2a是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(晴空少云)处理时所获取的天空的彩色RGB图像。图2b是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(晴空少云)处理时大气散射光照背景值提取后的得到大气散射背景图。图2c是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(晴空少云)处理时去除所述大气散射背景图中的大气散射光照背景差异后得到光照背景去除的图像。图2d是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(晴空少云)处理时得到云检测结果。
在另一个具体的实施方式中，对于多云时的天空图像进行处理。如图3a至图3d所示。图3a是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(多云)处理时所获取的天空的彩色RGB图像。图3b是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(多云)处理时大气散射光照背景值提取后的得到大气散射背景图。图3c是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(多云)处理时去除所述大气散射背景图中的大气散射光照背景差异后得到光照背景去除的图像。图3d是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(多云)处理时得到云检测结果。
在另一个具体的实施方式中，对于阴天时的天空图像进行处理。如图4a至图4d所示。图4a是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(阴天)处理时所获取的天空的彩色RGB图像。图4b是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(阴天)处理时大气散射光照背景值提取后的得到大气散射背景图。图4c是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(阴天)处理时去除所述大气散射背景图中的大气散射光照背景差异后得到光照背景去除的图像。图4d是根据本发明一个实施例的一种基于大气散射光照去除的云检测方法的一幅天空图像(阴天)处理时得到云检测结果。
本发明采用的去除天空图像中大气散射光照差异的方案，使得去除大气散射光照后的天空图像中只有云和气溶胶粒子散射信息及太阳直射信息，从而可以避免传统的云检测方法需要使用的天空类型判断步骤(即预先将天空图像分成晴空、多云和阴天中的一种)，可以很大程度上提高由于天空类型判断错误引起的云检测误差。特别需要注意的是，虽然本发明给出的图2a至图4d分别是晴空少云、多云和阴天情况下的云检测方法的天空图像处理过程中的图像，但是这三个实施方式仅仅是本发明的云检测方法的天空图像处理过程的几个具体的实施例，表示本发明的云检测方法可以适用各种天空类型的云检测，并不是指本发明的云检测方法需要进行天空类型判断步骤。
本发明的思路源于发明人发现可见光天空图像中的辐射强度主要来自于大气粒子散射、云粒子散射、气溶胶粒子散射和太阳直射。其中，云粒子和气溶胶粒子的散射遵循米散射定律，它们在可见光范围内的散射强度随波长的差异很小，且通常情况下太阳直射区域占天空图像的比例很小，因而，天空图像中的背景光照不均一主要是由于大气粒子散射的差异引起的。本发明通过计算出每一个像素上的大气粒子散射强度值，可以很好地去除天空图像中的这种光照不均一现象。
本发明提供的基于大气散射光照去除的云检测方法，通过彩色图像获取、光照背景提取、光照背景去除、阈值分割和太阳直射区域去除步骤对彩色天空图像进行处理，可以有效地去除天空图像中大气粒子散射差异引起的光照背景的不均一现象，避免传统云检测算法由于图像中光照背景不均一引起的云检测误差。
本发明提供的基于大气散射光照去除的云检测方法，直接通过去除大气散射光照背景差异来检测天空图像中的云，使得去除大气散射光照后的彩色天空图像中只有云和气溶胶粒子散射信息及太阳直射信息，避免了传统算法中天空类型判断(即预先将天空图像分成晴空、多云和阴天中的一种)错误对云图检测结果的影响，使得云检测精度更高。
本发明以一种新的思路提供了一种基于大气散射光照去除的云检测方法，为气象业务中全天空云的自动观测提供一种新的思路和解决方案。
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 (10)
1.一种基于大气散射光照去除的云检测方法，其特征在于，包括以下步骤：
s101、天空图像获取，用于获取天空的彩色RGB图像；
s102、光照背景提取，用于确定在所述天空图像中的大气散射光照背景，得到大气散射背景图；
s103、光照背景去除，用于去除在所述大气散射背景图中的大气散射光照背景差异，得到光照背景去除的图像；
s104、阈值分割，通过分割阈值来检测所述光照背景去除的图像中的云，得到阈值分割的图像；
s105、太阳直射区域去除，通过确定太阳直射区域，在所述阈值分割的图像中去除该区域的云检测信息，得到云检测结果。
2.根据权利要求1所述的云检测方法，其特征在于，s101中所述天空图像是利用地基成像设备获取的彩色RGB天空图像，所述天空图像是指未经白平衡和其它图像增强处理的原始RGB图像。
3.根据权利要求1所述的云检测方法，其特征在于，s102中所述光照背景提取是利用通道运算确定出所述天空图像中每一个像素上的大气散射光照背景值，得到大气散射背景图；
所述通道运算，包括确定所述天空图像的暗通道和亮通道，并计算每一个像素上的所述亮通道和所述暗通道的差值；所述暗通道是所述天空图像中每个像素RGB分量中的最小值组成的通道；所述亮通道是天空图像中每个像素RGB分量中的最大值组成的通道。
4.根据权利要求1所述的云检测方法，其特征在于，s103中所述光照背景去除是利用可见光波段内的全色通道图像减去所述大气散射背景图，得到不包含大气散射信息的光照背景去除的图像，所述光照背景去除的计算公式为：
N＝Y-(L-D)
其中，N为光照背景去除的图像，Y为全色通道图像，L为亮通道图像，D为暗通道图像。
5.根据权利要求4所述的云检测方法，其特征在于，所述全色通道图像是通过单独的成像设备获取或者利用RGB图像的三个通道合成得到；
优选地，所述通道合成可采用公式：
Y＝0.299R+0.587G+0.114B
计算得到；
其中，Y为全色通道图像，R为红色通道，G为绿色通道，B为蓝色通道。
6.根据权利要求1所述的云检测方法，其特征在于，s104中采用阈值分割，将所述光照背景去除的图像分成云和非云两部分；所述阈值大于所述光照背景去除的图像中气溶胶粒子的散射值；所述阈值根据气候条件设定；
可选地，所述阈值设定为0-20；
优选地，所述阈值设定为0-10。
7.根据权利要求1所述的云检测方法，其特征在于，s105中所述太阳直射区域去除是基于单幅的所述阈值分割的图像，根据太阳在所述阈值分割的图像中的位置及太阳是否被云层遮挡信息确定出太阳直射区域，并在所述阈值分割的图像中去除该区域的云检测信息。
8.根据权利要求7所述的云检测方法，其特征在于，所述太阳在所述阈值分割的图像中的位置通过人工标定或者根据太阳定位算法计算出太阳在所述阈值分割的图像中的坐标；所述太阳是否被云层遮挡通过人工确定或者根据图像处理算法确定。
9.根据权利要求1所述的云检测方法，其特征在于，s105中所述太阳直射区域去除是利用阈值分割的图像和晴空背景差分的方法去除，选择与阈值分割的图像中太阳位置一样的真实晴空图像，通过去除大气散射光照影响后进行差分处理。
10.根据权利要求1-9中所述的云检测方法，其特征在于，所述云检测方法通过对所述天空图像的多通道运算提取、去除大气粒子散射差异引起的光照背景的不均一现象。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610217876.0A CN105931194B (zh) | 2016-04-08 | 2016-04-08 | 基于大气散射光照去除的云检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610217876.0A CN105931194B (zh) | 2016-04-08 | 2016-04-08 | 基于大气散射光照去除的云检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105931194A true CN105931194A (zh) | 2016-09-07 |
| CN105931194B CN105931194B (zh) | 2018-12-07 |
Family
ID=56840496
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610217876.0A Active CN105931194B (zh) | 2016-04-08 | 2016-04-08 | 基于大气散射光照去除的云检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105931194B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107844761A (zh) * | 2017-10-25 | 2018-03-27 | 海信集团有限公司 | 交通标志的检测方法及装置 |
| CN115060237A (zh) * | 2022-04-29 | 2022-09-16 | 青岛科技大学 | 全天偏振成像的云量检测方法、系统及终端设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002101308A (ja) * | 2000-09-26 | 2002-04-05 | Ricoh Co Ltd | 画像読取装置、画像形成装置および画像データ処理方法 |
| CN105096258A (zh) * | 2014-05-05 | 2015-11-25 | 辽宁开普医疗系统有限公司 | 一种小部位x线图像背景抑制方法及其装置 |
-
2016
- 2016-04-08 CN CN201610217876.0A patent/CN105931194B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002101308A (ja) * | 2000-09-26 | 2002-04-05 | Ricoh Co Ltd | 画像読取装置、画像形成装置および画像データ処理方法 |
| CN105096258A (zh) * | 2014-05-05 | 2015-11-25 | 辽宁开普医疗系统有限公司 | 一种小部位x线图像背景抑制方法及其装置 |
Non-Patent Citations (1)
| Title |
|---|
| JUN YANG ET AL.: "A total sky cloud detection method using real clear sky background", 《ATMOSPHERIC MEASUREMENT TECHNIQUES》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107844761A (zh) * | 2017-10-25 | 2018-03-27 | 海信集团有限公司 | 交通标志的检测方法及装置 |
| CN115060237A (zh) * | 2022-04-29 | 2022-09-16 | 青岛科技大学 | 全天偏振成像的云量检测方法、系统及终端设备 |
| CN115060237B (zh) * | 2022-04-29 | 2024-05-31 | 青岛科技大学 | 全天偏振成像的云量检测方法、系统及终端设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105931194B (zh) | 2018-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106548467B (zh) | 红外图像和可见光图像融合的方法及装置 | |
| CN106485681B (zh) | 基于颜色校正和红通道先验的水下彩色图像复原方法 | |
| CN108876855A (zh) | 一种基于深度学习的海参检测和双目视觉定位方法 | |
| CN102314601B (zh) | 使用非线性光照恒定核去除由基于车辆的相机捕获的图像中的阴影 | |
| CN109754377A (zh) | 一种多曝光图像融合方法 | |
| CN107424198A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
| TW201120814A (en) | Method for determining if an input image is a foggy image, method for determining a foggy level of an input image and cleaning method for foggy images | |
| CN103149214B (zh) | 水果表面缺陷检测方法 | |
| CN105959510B (zh) | 一种视频快速去雾方法 | |
| CN107895357B (zh) | 一种基于fpga的实时水面浓雾场景图像增强方法 | |
| CN106296691B (zh) | 基于图像分析的路面病害识别方法 | |
| CN103389042A (zh) | 基于深度图像的地面自动检测以及场景高度计算的方法 | |
| CN103198459A (zh) | 雾霾图像快速去雾方法 | |
| CN102300100A (zh) | 一种白平衡控制装置及方法 | |
| CN105974120A (zh) | 一种c反应蛋白色度自动检测装置与方法 | |
| CN104504722A (zh) | 一种利用灰色点校正图像颜色的方法 | |
| CN113554694A (zh) | 一种烟幕释放过程中红外有效遮蔽面积的获取方法和系统 | |
| CN107610066A (zh) | 一种叶面积指数测量方法 | |
| CN108509844A (zh) | 基于地基云图的vper云团识别方法 | |
| CN105931194A (zh) | 基于大气散射光照去除的云检测方法 | |
| CN114037625A (zh) | 一种基于物理散射模型的图像恢复方法 | |
| CN103500457A (zh) | 一种视频图像偏色检测的方法 | |
| CN105681650B (zh) | 一种光场相机消色差方法 | |
| CN113408415B (zh) | 基于图像识别技术机场能见度与跑道视程的探测与显示方法 | |
| CN109932160A (zh) | Aoi与灰度计检测系统及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |