CN107065037A - 一种自动气象站数据采集控制系统 - Google Patents
一种自动气象站数据采集控制系统 Download PDFInfo
- Publication number
- CN107065037A CN107065037A CN201710358317.6A CN201710358317A CN107065037A CN 107065037 A CN107065037 A CN 107065037A CN 201710358317 A CN201710358317 A CN 201710358317A CN 107065037 A CN107065037 A CN 107065037A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- data
- pixel
- meteorological
- 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
- 238000012545 processing Methods 0.000 claims abstract description 82
- 238000001556 precipitation Methods 0.000 claims abstract description 26
- 238000004088 simulation Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000013480 data collection Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000007405 data analysis Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000011156 evaluation Methods 0.000 claims description 76
- 238000001914 filtration Methods 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 10
- 230000010354 integration Effects 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 9
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000013179 statistical model Methods 0.000 claims description 6
- 238000013316 zoning Methods 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000009415 formwork Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 2
- 241000127225 Enceliopsis nudicaulis Species 0.000 claims 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims 1
- 238000000605 extraction Methods 0.000 claims 1
- 241001424688 Enceliopsis Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
- G01W1/04—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed giving only separate indications of the variables measured
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- G06T5/73—
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2612—Data acquisition interface
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2656—Instrumentation
Abstract
本发明属于气象数据处理技术领域，公开了一种自动气象站数据采集控制系统，包括：气象数据采集模块，通过多个传感器实际采集气象的各个数据；去噪处理模块，用于实现气象数据的预处理；空间化模拟模块，用于实现复杂地形下气温空间化模拟模型；数据分析模块，用于实现模型数据的分析，得到降水、气温等气象信息；数据处理模块，用于实现降水、气温气象信息的分类，并送至存储模块、显示模块；存储模块，用于实现降水、气温气象信息的存储；显示模块，用于实现降水、气温气象信息的显示。本发明有利于气象信息的提前预报，并降低了灾害性天气造成的损失；有助于提高气象数据的去噪成功率；有助于提高预报的准确度和气象数据的处理速度。
Description
技术领域
本发明属于气象数据处理技术领域，尤其涉及一种自动气象站数据采集控制系统。
背景技术
气象数据，分为气候资料和天气资料，泛指整个气候系统的有关原始资料的集合和加工产品。气象数据可分为气候资料和天气资料。气候资料:它通常所指的是用常规气象仪器所观测到各种原始资料的集合以及加工、整理、整编所形成的各种资料。但随着现代气候的发展，气候研究内容不断扩大和深化，气候资料概念和内涵得以进一步的延伸，泛指整个气候系统的有关原始资料的集合和加工产品。天气资料:天气资料是为天气分析和预报服务的一种实时性很强的气象资料。天气资料和气候资料主要区别是:天气资料随着时间的推移转化为气候资料；气候资料的内容比天气资料要广泛得多；气候资料是长时间序列的资料，而天气资料是短时间内的资料。为了取得宝贵的气象资料，全世界各国都建立了各类气象观测站，如地面站、探空站、测风站、火箭站、辐射站、农气站和自动气象站等。我国建国以来，已建成类型齐全、分布广泛的台站网，台站总数达到2000多个。国家气象中心每天接收来自国内外主要台站的观测资料，这些资料日积月累，随时间的推移而成为气候资料。国内一部分台站每月将观测记录报表和数字化资料寄送或传输到国家气象中心，这些资料或报表成为气候资料重要的部分。此外，气候资料还包括通过各种渠道收集到的其他学科如水文、地学等资料。但是目前的气象站存在气象数据处理周期长，工作效率低。
综上所述，现有技术存在的问题是：目前的气象站存在气象数据处理周期长，工作效率低。
发明内容
针对现有技术存在的问题，本发明提供了一种自动气象站数据采集控制系统。
本发明是这样实现的，一种自动气象站数据采集控制系统，所述自动气象站数据采集控制系统包括：
气象数据采集模块，通过多个传感器实际采集气象的各个数据；所述气象数据采集模块采集气象的各个数据中，多个传感器采集的气象的各个数据传输给气象数据采集模块内置的视频图像采集处理器，视频图像采集处理器获取气象数据中被测气象的图像；
在获取的图像中定义一预览区域的一特定区域；
利用视频图像采集处理器提取至少一预览图像；
利用视频图像采集处理器判定定义的气象是否存在于该预览图像中；
当该气象存在于该预览图像中，决定该气象是否出现在该特定区域至少一预定百分比；以及当该气象的该预定百分比出现在该特定区域时，致使该视频图像采集处理器以进行一拍照处理以通过该视频图像采集处理器提取图像；
所述视频图像采集处理器对包含有被测气象的图像进行数字图像处理，将被测气象部分从整个图像背景中提取出来，并对提取出来的前景图像中的每个被测气象进行标识；
视频图像采集处理器自动计算，通过扫描整幅前景图像中标识的被测气象并进行统计得到被测气象的实际数据；
将气象数据采集模块内嵌的预定时间内气象数据变化数据与视频图像采集处理器得到的被测气象的数据进行匹配，得到现有气象数据变化范围的比例；
将采集到的包含有被测气象的图像利用预定过分割算法进行过分割成超像素图像，对整个输入图像，以8*8个像素为单元，计算每个单元的平均灰度值和每个单元的最大灰度值，得到至少一个区域，同一个所述区域中各个像素点的颜色值相同；
对得到的超像素图像提取特征向量，所述特征向量包括轮廓、亮度和连续性；
确定每个区域的颜色值和质心；
根据各个区域所对应的颜色值以及各个区域的质心，建立显著性模型；
根据所述显著性模型获取所述图像中的前景样本点和背景样本点；
根据所述显著性模型以及所述前景样本点和所述背景样本点，建立前背景分类模型；
根据预定图割算法对所述图像进行分割，所述预定图割算法利用所述前背景分类模型以及像素点之间的边缘信息对所述图像进行分割。
所述显著性模型为：
其中，Si1为区域Ri中任一像素点的显著性值，w(Rj)为区域Rj中的像素点的个数，DS(Ri,Rj)用于表征所述区域Ri和所述区域Rj之间空间位置差异的度量值，DC(Ri,Rj)用于表征所述区域Ri和所述区域Rj之间颜色差异的度量值，N为对所述图像进行过分割后得到的区域的总个数，DS(Ri,Rj)为：Center(Ri)为所述区域Ri的质心，Center(Rj)为所述区域Rj的质心，当所述图像中各个像素点的坐标均归一化到[0,1]时；
将得到的超像素图像上的每一个超像素计算方向能量，通过非线性变换将方向能量转换成局部归一化的轮廓度，计算区域边界上所有超像素的局部归一化的轮廓度总和，该总和即为区域间的轮廓能量；计算区域内部所有超像素的局部归一化的轮廓度总和，该总和即为区域内的轮廓能量；
求超像素图像对应的方差图像V和边缘图像E，初始化窗口边长N＝3；窗口包含信息判断，求边缘图像E中与原图像中当前窗口W对应的窗口中边缘像素在窗口中所占的比例P，若P≥(N-2)/N2则当前窗口包含足够的边缘信息，满足进行分割的条件则进行分割，若P<(N-2)/N2则当前窗口不包含足够的边缘信息，不进行分割；
去噪处理模块，与气象数据采集模块通过信号线连接，用于实现气象数据的预处理；
空间化模拟模块，与去噪处理模块通过信号线连接，用于实现复杂地形下气温空间化模拟模型；
数据分析模块，与空间化模拟模块通过信号线连接，用于实现模型数据的分析，得到降水、气温等气象信息；
数据处理模块，与数据分析模块通过信号线连接，用于实现降水、气温气象信息的分类，并送至存储模块、显示模块；
存储模块，与数据处理模块通过信号线连接，用于实现降水、气温气象信息的存储；
显示模块，与数据处理模块通过信号线连接，用于实现降水、气温气象信息的显示。
进一步，所述去噪处理模块，含噪的一维信号模型可表示为：
s(t)＝f(t)+σ*e(t) t＝0，1，…，n_1；
其中，s(t)为真实信号，f(t)为含噪信号，e(t)为噪声，σ为噪声标准偏差。
进一步，所述空间化模拟模块中根据地形调节统计模型，即在考虑微观地形情况下，面辐射与地形存在着函数关系，其实际气温表示为：
TT＝THcosi/cosz；
式中，TT：为地形调节统计模型模拟的气温；TH为常规统计模型模拟的气温；i为地球面法线与太阳光线之间的角度。
进一步，所述数据分析模块中：任意两个变量x和y，样本为n，标准差分分别为σx和σy，则它们之间的Pearson相关关系的计算公式表示为：
进一步，所述数据处理模块中，降水量与经纬度、海拔高度的线性关系式：
P＝-66.840+4.518*lat-1.324*long+0.001*ele(r2＝0.456)；
lat为气象站点的经度，long为气象站点的纬度，ele为气象站点的海拔高度，P为月降水。
进一步，所述气象数据采集模块中，采用PID控制算法进行数据处理，所述PID控制算法包括：
第一步，PID控制算法由比例、积分、微分三个环节组成，数学描述为：
u(k)＝Kpx(1)+Kdx(2)+Kix(3)
式中，Kp为比例系数；Ki为积分时间常数；Kd为微分时间常数；u(k)为通过PID计算后得到的气象数据的增加减少值，x(1)为比例的校正值；x(2)为微分的校正值；x(3)为积分的校正值；
第二步，通过图像采集处理器的测量值与视频图像采集处理器的期望值的误差及采样时间求出第一步中的x(1)、x(2)、x(3)，计算公式为：
x(1)＝error(k)；
x(2)＝[error(k)-error_1]/ts；
x(3)＝x(3)+error(k)*ts；
式中，error(k)为在k时刻通过测量值与期望值计算出的误差；ts为采样时间；
第三步，将上两个步骤进行编程后，输出的值u(k)即为给的气象变化率修正值，并记录下来。
进一步，所述显示模块包括显示屏、模糊度评价模块、模糊度调整模块；所述模糊度调整模块与显示屏通过板线连接；
所述模糊度评价模块用于获取数据处理模块传输的实现降水、气温气象信息的图像，并计算滤波前后图像统计信息比值；
所述模糊度调整模块与模糊度评价模块相连，用于调整原图像模糊度得出最终图像和图像模糊度评价指标。
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法包括：
图像获取，获取待评价的实现降水、气温气象信息的图像；
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：
图像灰度化，为方便图像的边缘提取，利用数字图像处理中RGB图像的R、G、B各个通道的像素值与灰度图像像素值的转换关系将彩色图像转化为灰度图像，公式如下：
Gray＝R*0.3+G*0.59+B*0.11。
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：图像边缘提取，利用数字图像处理方法中的Roberts算子边缘检测技术作用于灰度图像获取图像的边缘，不同的检测算子具有不同的边缘检测模板，根据具体模板计算交叉像素的差分作为当前像素值，使用模板如下：
E(i,j)＝|F(i,j)-F(i+1,j+1)|+|F(i+1,j)-F(i,j+1)|。
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：图像处理，利用高通/低通滤波器对灰度图像进行滤波处理以构造待评价图像的参考图像，采用3*3均值滤波器，利用滤波模板遍历图像每个像素，每次将模板中心置于当前像素，以模板内所有像素的平均值作为当前像素新值，模板如下：
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：图像边缘统计信息计算，分别计算图像滤波前后各自边缘灰度信息，滤波处理前的待评价图像F统计信息为sum_orig,滤波处理后的参考图像F2统计信息为sum_filter,具体计算公式如下：
其中，w1与w2是根据离中心像素的距离设定的权值，w1＝1，w2＝1/3；
图像模糊度指标计算，将得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标，为方便评价，取较大的为分母，较小的为分子，保持该值介于(0,1)之间。
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围[min,max],具体为：
得出模糊度调整范围，利用上述步骤中的模糊度评价方法评价LIVE2中的174幅高斯模糊图像，计算出它们各自的模糊度评价值，然后利用拟合工具plot(value,DMOS)建立评价值value与DMOS之间的映射关系，根据最佳视觉效果对应的DMOS范围得出对应的一个模糊评价值范围[min，max]；
图像模糊度调整，若图像模糊度指标小于min，根据步骤六，判定图像滤波前后变化很大，原图像过于锐化，则利用低通滤波器进行滤波调整；若大于max，判定图像滤波前后变化很小，原图像过于模糊，则利用高通滤波器进行滤波调整，以达到更佳视觉效果；
得出最终图像和该图像模糊度评价指标，并显示在显示屏上。
进一步，滤波器处理图像不是单一方式处理整幅评价图像，而是鉴于图像的边界和中心像素由于位置的不同导致滤波器对其处理方式的不同，根据滤波器模板大小相应地忽略边界像素后再利用滤波器处理图像，然后对于边界像素采取原始像素填充的方法进行处理。
本发明的优点及积极效果为：采用云计算实现了气象数据的处理，提高了数据处理速度，有利于气象信息的提前预报，并降低了灾害性天气造成的损失；去噪处理模块的含噪的一维信号模型，有助于提高气象数据的去噪成功率，为气象预报的准确度提供了保障；空间化模拟模块考虑微观地形(坡度、坡向)情况下，面辐射与地形存在着函数关系，实现了气象的空间模拟，有助于提高预报的准确度；数据分析模块和数据处理模块提高了气象数据的处理速度。
本发明通过将气象数据采集模块内嵌的预定时间内气象数据变化数据与视频图像采集处理器得到的被测气象的数据进行匹配，得到现有气象数据变化范围的比例；通过PID进行调整，获得准确的气象数据。PID精度高，避免了误差范围过大。
本发明的图像评价不同于传统的评价方法，本发明建立在待评价图像自身结构特点基础上，从相对评价的角度出发，利用滤波器构造待评价图像的参考图像，计算变化前后图像边缘统计信息的比值作为评价指标；本发明的原理简单，实现了图像模糊度评价的内容无关性和实时性，可以快速准确评价比较任何图像之间的模糊度。
附图说明
图1是本发明实施例提供的自动气象站数据采集控制系统结构示意图；
图中：1、气象数据采集模块；2、去噪处理模块；3、空间化模拟模块；4、数据分析模块；5、数据处理模块；6、存储模块；7、显示模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明实施例提供的自动气象站数据采集控制系统包括：气象数据采集模块1、去噪处理模块2、空间化模拟模块3、数据分析模块4、数据处理模块5、存储模块6、显示模块7。
气象数据采集模块1，通过多个传感器实际采集气象的各个数据。所述气象数据采集模块采集气象的各个数据中，多个传感器采集的气象的各个数据传输给气象数据采集模块内置的视频图像采集处理器，视频图像采集处理器获取气象数据中被测气象的图像；
在获取的图像中定义一预览区域的一特定区域；
利用视频图像采集处理器提取至少一预览图像；
利用视频图像采集处理器判定定义的气象是否存在于该预览图像中；
当该气象存在于该预览图像中，决定该气象是否出现在该特定区域至少一预定百分比；以及当该气象的该预定百分比出现在该特定区域时，致使该视频图像采集处理器以进行一拍照处理以通过该视频图像采集处理器提取图像；
所述视频图像采集处理器对包含有被测气象的图像进行数字图像处理，将被测气象部分从整个图像背景中提取出来，并对提取出来的前景图像中的每个被测气象进行标识；
视频图像采集处理器自动计算，通过扫描整幅前景图像中标识的被测气象并进行统计得到被测气象的实际数据；
将气象数据采集模块内嵌的预定时间内气象数据变化数据与视频图像采集处理器得到的被测气象的数据进行匹配，得到现有气象数据变化范围的比例；
将采集到的包含有被测气象的图像利用预定过分割算法进行过分割成超像素图像，对整个输入图像，以8*8个像素为单元，计算每个单元的平均灰度值和每个单元的最大灰度值，得到至少一个区域，同一个所述区域中各个像素点的颜色值相同；
对得到的超像素图像提取特征向量，所述特征向量包括轮廓、亮度和连续性；
确定每个区域的颜色值和质心；
根据各个区域所对应的颜色值以及各个区域的质心，建立显著性模型；
根据所述显著性模型获取所述图像中的前景样本点和背景样本点；
根据所述显著性模型以及所述前景样本点和所述背景样本点，建立前背景分类模型；
根据预定图割算法对所述图像进行分割，所述预定图割算法利用所述前背景分类模型以及像素点之间的边缘信息对所述图像进行分割。
所述显著性模型为：
其中，Si1为区域Ri中任一像素点的显著性值，w(Rj)为区域Rj中的像素点的个数，DS(Ri,Rj)用于表征所述区域Ri和所述区域Rj之间空间位置差异的度量值，DC(Ri,Rj)用于表征所述区域Ri和所述区域Rj之间颜色差异的度量值，N为对所述图像进行过分割后得到的区域的总个数，DS(Ri,Rj)为：Center(Ri)为所述区域Ri的质心，Center(Rj)为所述区域Rj的质心，当所述图像中各个像素点的坐标均归一化到[0,1]时；
将得到的超像素图像上的每一个超像素计算方向能量，通过非线性变换将方向能量转换成局部归一化的轮廓度，计算区域边界上所有超像素的局部归一化的轮廓度总和，该总和即为区域间的轮廓能量；计算区域内部所有超像素的局部归一化的轮廓度总和，该总和即为区域内的轮廓能量；
求超像素图像对应的方差图像V和边缘图像E，初始化窗口边长N＝3；窗口包含信息判断，求边缘图像E中与原图像中当前窗口W对应的窗口中边缘像素在窗口中所占的比例P，若P≥(N-2)/N2则当前窗口包含足够的边缘信息，满足进行分割的条件则进行分割，若P<(N-2)/N2则当前窗口不包含足够的边缘信息，不进行分割。
去噪处理模块2，与气象数据采集模块1通过信号线连接，用于实现气象数据的预处理。
空间化模拟模块3，与去噪处理模块2通过信号线连接，用于实现复杂地形下气温空间化模拟模型。
数据分析模块4，与空间化模拟模块3通过信号线连接，用于实现模型数据的分析，得到降水、气温等气象信息。
数据处理模块5，与数据分析模块4通过信号线连接，用于实现降水、气温等气象信息的分类，并送至存储模块6、显示模块7。
存储模块6，与数据处理模块5通过信号线连接，用于实现降水、气温等气象信息的存储。
显示模块7，与数据处理模块5通过信号线连接，用于实现降水、气温等气象信息的显示。
去噪处理模块2，含噪的一维信号模型可表示为：
s(t)＝f(t)+σ*e(t) t＝0，1，...，n_1；
其中，s(t)为真实信号，f(t)为含噪信号，e(t)为噪声，σ为噪声标准偏差。
空间化模拟模块3中，首先考虑海拔高度、经度、纬度对气温空间分布影响，再进一步考虑坡度、坡向这些微观地形因子对气温空间分布的影响。根据地形调节统计模型，即在考虑微观地形(坡度、坡向)情况下，面辐射与地形存在着函数关系，其实际气温可表示为：
TT＝THcosi/cosz；
式中，TT：为地形调节统计模型模拟的气温；TH为常规统计模型模拟的气温；i为地球面法线与太阳光线之间的角度。其中，TH可根据下式求得：
式中，λ为经度，为纬度，h为海拔高度，a0为常数，a1、a2、a3为偏回归系数。
i可根据下式求得：
cosi＝cosacosz+sinasinzcos(φ-β)；
式中，α为坡度，z为太阳天顶角，φ为太阳方位角，β为坡向。对于中国的地理位置特点和气温模拟方法，可将太阳天顶角z设为45°，太阳方位角φ设为180°(为正午时间)，所以公式(1)归纳为：
TT＝TH(cosα-sinαcosβ)。
数据分析模块4中：任意两个变量x和y，样本为n，标准差分分别为σx和σy，则它们之间的Pearson相关关系的计算公式表示为：
数据处理模块5中，降水量与经纬度、海拔高度的线性关系式：
P＝-66.840+4.518*lat-1.324*long+0.001*ele(r2＝0.456)；
lat为气象站点的经度，long为气象站点的纬度，ele为气象站点的海拔高度，P为月降水。
所述气象数据采集模块中，采用PID控制算法进行数据处理，所述PID控制算法包括：
第一步，PID控制算法由比例、积分、微分三个环节组成，数学描述为：
u(k)＝Kpx(1)+Kdx(2)+Kix(3)
式中，Kp为比例系数；Ki为积分时间常数；Kd为微分时间常数；u(k)为通过PID计算后得到的气象数据的增加减少值，x(1)为比例的校正值；x(2)为微分的校正值；x(3)为积分的校正值；
第二步，通过图像采集处理器的测量值与视频图像采集处理器的期望值的误差及采样时间求出第一步中的x(1)、x(2)、x(3)，计算公式为：
x(1)＝error(k)；
x(2)＝[error(k)-error_1]/ts；
x(3)＝x(3)+error(k)*ts；
式中，error(k)为在k时刻通过测量值与期望值计算出的误差；ts为采样时间；
第三步，将上两个步骤进行编程后，输出的值u(k)即为给的气象变化率修正值，并记录下来。
进一步，所述显示模块包括显示屏、模糊度评价模块、模糊度调整模块；所述模糊度调整模块与显示屏通过板线连接；
所述模糊度评价模块用于获取数据处理模块传输的实现降水、气温气象信息的图像，并计算滤波前后图像统计信息比值；
所述模糊度调整模块与模糊度评价模块相连，用于调整原图像模糊度得出最终图像和图像模糊度评价指标。
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法包括：
图像获取，获取待评价的实现降水、气温气象信息的图像；
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：
图像灰度化，为方便图像的边缘提取，利用数字图像处理中RGB图像的R、G、B各个通道的像素值与灰度图像像素值的转换关系将彩色图像转化为灰度图像，公式如下：
Gray＝R*0.3+G*0.59+B*0.11。
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：图像边缘提取，利用数字图像处理方法中的Roberts算子边缘检测技术作用于灰度图像获取图像的边缘，不同的检测算子具有不同的边缘检测模板，根据具体模板计算交叉像素的差分作为当前像素值，使用模板如下：
E(i,j)＝|F(i,j)-F(i+1,j+1)|+|F(i+1,j)-F(i,j+1)|。
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：图像处理，利用高通/低通滤波器对灰度图像进行滤波处理以构造待评价图像的参考图像，采用3*3均值滤波器，利用滤波模板遍历图像每个像素，每次将模板中心置于当前像素，以模板内所有像素的平均值作为当前像素新值，模板如下：
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：图像边缘统计信息计算，分别计算图像滤波前后各自边缘灰度信息，滤波处理前的待评价图像F统计信息为sum_orig,滤波处理后的参考图像F2统计信息为sum_filter,具体计算公式如下：
其中，w1与w2是根据离中心像素的距离设定的权值，w1＝1，w2＝1/3；
图像模糊度指标计算，将得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标，为方便评价，取较大的为分母，较小的为分子，保持该值介于(0,1)之间。
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围[min,max],具体为：
得出模糊度调整范围，利用上述步骤中的模糊度评价方法评价LIVE2中的174幅高斯模糊图像，计算出它们各自的模糊度评价值，然后利用拟合工具plot(value,DMOS)建立评价值value与DMOS之间的映射关系，根据最佳视觉效果对应的DMOS范围得出对应的一个模糊评价值范围[min，max]；
图像模糊度调整，若图像模糊度指标小于min，根据步骤六，判定图像滤波前后变化很大，原图像过于锐化，则利用低通滤波器进行滤波调整；若大于max，判定图像滤波前后变化很小，原图像过于模糊，则利用高通滤波器进行滤波调整，以达到更佳视觉效果；
得出最终图像和该图像模糊度评价指标，并显示在显示屏上。
进一步，滤波器处理图像不是单一方式处理整幅评价图像，而是鉴于图像的边界和中心像素由于位置的不同导致滤波器对其处理方式的不同，根据滤波器模板大小相应地忽略边界像素后再利用滤波器处理图像，然后对于边界像素采取原始像素填充的方法进行处理。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种自动气象站数据采集控制系统，其特征在于，所述自动气象站数据采集控制系统包括：
气象数据采集模块，通过多个传感器实际采集气象的各个数据；所述气象数据采集模块采集气象的各个数据中，多个传感器采集的气象的各个数据传输给气象数据采集模块内置的视频图像采集处理器，所述视频图像采集处理器获取气象数据中被测气象的图像；
在获取的图像中定义一预览区域的一特定区域；
利用所述视频图像采集处理器提取至少一预览图像；
利用所述视频图像采集处理器判定定义的气象是否存在于该预览图像中；
当该气象存在于该预览图像中，决定该气象是否出现在该特定区域至少一预定百分比；以及当该气象的该预定百分比出现在该特定区域时，致使所述视频图像采集处理器以进行一拍照处理以通过所述视频图像采集处理器提取图像；
所述视频图像采集处理器对包含有被测气象的图像进行数字图像处理，将被测气象部分从整个图像背景中提取出来，并对提取出来的前景图像中的每个被测气象进行标识；
所述视频图像采集处理器自动计算，通过扫描整幅前景图像中标识的被测气象并进行统计得到被测气象的实际数据；
将气象数据采集模块内嵌的预定时间内气象数据变化数据与所述视频图像采集处理器得到的被测气象的实际数据进行匹配，得到现有气象数据变化范围的比例；
将采集到的包含有被测气象的图像利用预定过分割算法进行过分割成超像素图像，对整个输入图像，以8*8个像素为单元，计算每个单元的平均灰度值和每个单元的最大灰度值，得到至少一个区域，同一个所述区域中各个像素点的颜色值相同；
对得到的超像素图像提取特征向量，所述特征向量包括轮廓、亮度和连续性；
确定每个区域的颜色值和质心；
根据各个区域所对应的颜色值以及各个区域的质心，建立显著性模型；
根据所述显著性模型获取所述图像中的前景样本点和背景样本点；
根据所述显著性模型以及所述前景样本点和所述背景样本点，建立前背景分类模型；
根据预定图割算法对所述图像进行分割，所述预定图割算法利用所述前背景分类模型以及像素点之间的边缘信息对所述图像进行分割。
所述显著性模型为：
其中，Si1为区域Ri中任一像素点的显著性值，w(Rj)为区域Rj中的像素点的个数，DS(Ri,Rj)用于表征所述区域Ri和所述区域Rj之间空间位置差异的度量值，DC(Ri,Rj)用于表征所述区域Ri和所述区域Rj之间颜色差异的度量值，N为对所述图像进行过分割后得到的区域的总个数，DS(Ri,Rj)为：Center(Ri)为所述区域Ri的质心，Center(Rj)为所述区域Rj的质心，当所述图像中各个像素点的坐标均归一化到[0,1]时；
将得到的超像素图像上的每一个超像素计算方向能量，通过非线性变换将方向能量转换成局部归一化的轮廓度，计算区域边界上所有超像素的局部归一化的轮廓度总和，该总和即为区域间的轮廓能量；计算区域内部所有超像素的局部归一化的轮廓度总和，该总和即为区域内的轮廓能量；
求超像素图像对应的方差图像V和边缘图像E，初始化窗口边长N＝3；窗口包含信息判断，求边缘图像E中与原图像中当前窗口W对应的窗口中边缘像素在窗口中所占的比例P，若P≥(N-2)/N2则当前窗口包含足够的边缘信息，满足进行分割的条件则进行分割，若P<(N-2)/N2则当前窗口不包含足够的边缘信息，不进行分割；
去噪处理模块，与气象数据采集模块通过信号线连接，用于实现气象数据的预处理；
空间化模拟模块，与去噪处理模块通过信号线连接，用于实现复杂地形下气温空间化模拟模型；
数据分析模块，与空间化模拟模块通过信号线连接，用于实现模型数据的分析，得到降水、气温的气象信息；
数据处理模块，与数据分析模块通过信号线连接，用于实现降水、气温气象信息的分类，并送至存储模块、显示模块；
存储模块，与数据处理模块通过信号线连接，用于实现降水、气温气象信息的存储；
显示模块，与数据处理模块通过信号线连接，用于实现降水、气温气象信息的显示；
所述去噪处理模块，含噪的一维信号模型可表示为：
s(t)＝f(t)+σ*e(t) t＝0，1，...，n_1；
其中，s(t)为真实信号，f(t)为含噪信号，e(t)为噪声，σ为噪声标准偏差；
所述空间化模拟模块中根据地形调节统计模型，即在考虑微观地形情况下，面辐射与地形存在着函数关系，其实际气温表示为：
TT＝THcosi/cosz；
式中，TT为地形调节统计模型模拟的气温；TH为常规统计模型模拟的气温；i为地球面法线与太阳光线之间的角度；
所述数据分析模块中：任意两个变量x和y，样本为n，标准差分分别为σx和σy，则它们之间的Pearson相关关系的计算公式表示为：
所述数据处理模块中，降水量与经纬度、海拔高度的线性关系式：
P＝-66.840+4.518*lat-1.324*long+0.001*ele(r2＝0.456)；
lat为气象站点的经度，long为气象站点的纬度，ele为气象站点的海拔高度，P为月降水。
2.如权利要求1所述的自动气象站数据采集控制系统，其特征在于，所述气象数据采集模块中，采用PID控制算法进行数据处理，所述PID控制算法包括：
第一步，PID控制算法由比例、积分、微分三个环节组成，数学描述为：
u(k)＝Kpx(1)+Kdx(2)+Kix(3)
式中，Kp为比例系数；Ki为积分时间常数；Kd为微分时间常数；u(k)为通过PID计算后得到的气象数据的增加减少值，x(1)为比例的校正值；x(2)为微分的校正值；x(3)为积分的校正值；
第二步，通过图像采集处理器的测量值与视频图像采集处理器的期望值的误差及采样时间求出第一步中的x(1)、x(2)、x(3)，计算公式为：
x(1)＝error(k)；
x(2)＝[error(k)-error_1]/ts；
x(3)＝x(3)+error(k)*ts；
式中，error(k)为在k时刻通过测量值与期望值计算出的误差；ts为采样时间；
第三步，将上两个步骤进行编程后，输出的值u(k)即为给的气象变化率修正值，并记录下来。
3.如权利要求1所述的自动气象站数据采集控制系统，其特征在于，所述显示模块包括显示屏、模糊度评价模块、模糊度调整模块；所述模糊度调整模块与显示屏通过板线连接；
所述模糊度评价模块用于获取数据处理模块传输的实现降水、气温气象信息的图像，并计算滤波前后图像统计信息比值；
所述模糊度调整模块与模糊度评价模块相连，用于调整原图像模糊度得出最终图像和图像模糊度评价指标。
4.如权利要求3所述的自动气象站数据采集控制系统，其特征在于，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法包括：
图像获取，获取待评价的实现降水、气温气象信息的图像。
5.如权利要求3所述的自动气象站数据采集控制系统，其特征在于，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：
图像灰度化，为方便图像的边缘提取，利用数字图像处理中RGB图像的R、G、B各个通道的像素值与灰度图像像素值的转换关系将彩色图像转化为灰度图像，公式如下：
Gray＝R*0.3+G*0.59+B*0.11。
6.如权利要求3所述的自动气象站数据采集控制系统，其特征在于，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：图像边缘提取，利用数字图像处理方法中的Roberts算子边缘检测技术作用于灰度图像获取图像的边缘，不同的检测算子具有不同的边缘检测模板，根据具体模板计算交叉像素的差分作为当前像素值，使用模板如下：
E(i,j)＝|F(i,j)-F(i+1,j+1)|+|F(i+1,j)-F(i,j+1)|。
7.如权利要求3所述的自动气象站数据采集控制系统，其特征在于，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：图像处理，利用高通/低通滤波器对灰度图像进行滤波处理以构造待评价图像的参考图像，采用3*3均值滤波器，利用滤波模板遍历图像每个像素，每次将模板中心置于当前像素，以模板内所有像素的平均值作为当前像素新值，模板如下：
8.如权利要求3所述的自动气象站数据采集控制系统，其特征在于，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：图像边缘统计信息计算，分别计算图像滤波前后各自边缘灰度信息，滤波处理前的待评价图像F统计信息为sum_orig,滤波处理后的参考图像F2统计信息为sum_filter,具体计算公式如下：
其中，w1与w2是根据离中心像素的距离设定的权值，w1＝1，w2＝1/3；
图像模糊度指标计算，将得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标，为方便评价，取较大的为分母，较小的为分子，保持该值介于(0,1)之间。
9.如权利要求3所述的自动气象站数据采集控制系统，其特征在于，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围[min,max],具体为：
得出模糊度调整范围，利用上述步骤中的模糊度评价方法评价LIVE2中的174幅高斯模糊图像，计算出它们各自的模糊度评价值，然后利用拟合工具plot(value,DMOS)建立评价值value与DMOS之间的映射关系，根据最佳视觉效果对应的DMOS范围得出对应的一个模糊评价值范围[min，max]；
图像模糊度调整，若图像模糊度指标小于min，根据步骤六，判定图像滤波前后变化很大，原图像过于锐化，则利用低通滤波器进行滤波调整；若大于max，判定图像滤波前后变化很小，原图像过于模糊，则利用高通滤波器进行滤波调整，以达到更佳视觉效果；
得出最终图像和该图像模糊度评价指标，并显示在显示屏上。
10.如权利要求3所述的自动气象站数据采集控制系统，其特征在于，滤波器处理图像不是单一方式处理整幅评价图像，而是鉴于图像的边界和中心像素由于位置的不同导致滤波器对其处理方式的不同，根据滤波器模板大小相应地忽略边界像素后再利用滤波器处理图像，然后对于边界像素采取原始像素填充的方法进行处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710358317.6A CN107065037A (zh) | 2017-05-19 | 2017-05-19 | 一种自动气象站数据采集控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710358317.6A CN107065037A (zh) | 2017-05-19 | 2017-05-19 | 一种自动气象站数据采集控制系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107065037A true CN107065037A (zh) | 2017-08-18 |
Family
ID=59610217
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710358317.6A Pending CN107065037A (zh) | 2017-05-19 | 2017-05-19 | 一种自动气象站数据采集控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107065037A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107355252A (zh) * | 2017-08-23 | 2017-11-17 | 黑龙江工业学院 | 一种综掘工作面风幕集尘除尘系统 |
| CN107573029A (zh) * | 2017-10-23 | 2018-01-12 | 福建泉州皓佳新材料有限公司 | 一种陶瓷废釉水制备的多彩艺术砖及其制备方法 |
| CN107655578A (zh) * | 2017-09-01 | 2018-02-02 | 郑州云海信息技术有限公司 | 一种气温数据展示方法、装置及终端 |
| CN107723527A (zh) * | 2017-10-17 | 2018-02-23 | 黄河交通学院 | 一种汽车轻量化底盘铝合金结构件及其制备方法 |
| CN108920485A (zh) * | 2018-04-28 | 2018-11-30 | 深圳市雅码科技有限公司 | 一种格点气象服务产品精准制作分发系统及方法 |
| CN109856703A (zh) * | 2019-03-25 | 2019-06-07 | 大夏数据服务有限公司 | 一种气象监测站数据计算分析系统 |
| CN112684520A (zh) * | 2020-12-30 | 2021-04-20 | 北京墨迹风云科技股份有限公司 | 一种气象预报的订正方法、装置、计算机设备及存储介质 |
| CN114325875A (zh) * | 2021-12-24 | 2022-04-12 | 中国气象局气象探测中心 | 气象站设备控制方法及设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103096034A (zh) * | 2012-12-24 | 2013-05-08 | 天津市亚安科技股份有限公司 | 基于气象状态监测的自调节视频监控装置及方法 |
| CN103513295A (zh) * | 2013-09-25 | 2014-01-15 | 青海中控太阳能发电有限公司 | 一种基于多相机实时拍摄与图像处理的天气监测系统与方法 |
| CN104200480A (zh) * | 2014-09-17 | 2014-12-10 | 西安电子科技大学宁波信息技术研究院 | 一种应用于智能终端的图像模糊度评价方法及系统 |
| CN104750131A (zh) * | 2015-04-14 | 2015-07-01 | 济南大学 | 一种基于参数辨识的流化床温度控制方法 |
| CN104871205A (zh) * | 2012-12-18 | 2015-08-26 | 三星电子株式会社 | 显示设备和用于处理该显示设备的图像的方法 |
| CN106471960A (zh) * | 2016-10-20 | 2017-03-08 | 孙庆海 | 一种新型智能种子种植机 |
-
2017
- 2017-05-19 CN CN201710358317.6A patent/CN107065037A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104871205A (zh) * | 2012-12-18 | 2015-08-26 | 三星电子株式会社 | 显示设备和用于处理该显示设备的图像的方法 |
| CN103096034A (zh) * | 2012-12-24 | 2013-05-08 | 天津市亚安科技股份有限公司 | 基于气象状态监测的自调节视频监控装置及方法 |
| CN103513295A (zh) * | 2013-09-25 | 2014-01-15 | 青海中控太阳能发电有限公司 | 一种基于多相机实时拍摄与图像处理的天气监测系统与方法 |
| CN104200480A (zh) * | 2014-09-17 | 2014-12-10 | 西安电子科技大学宁波信息技术研究院 | 一种应用于智能终端的图像模糊度评价方法及系统 |
| CN104750131A (zh) * | 2015-04-14 | 2015-07-01 | 济南大学 | 一种基于参数辨识的流化床温度控制方法 |
| CN106471960A (zh) * | 2016-10-20 | 2017-03-08 | 孙庆海 | 一种新型智能种子种植机 |
Non-Patent Citations (3)
| Title |
|---|
| 周梦甜: "新疆地区植被对气候变化的响应研究", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
| 李军,黄敬峰等: "不同空间尺度DEM对山区气温空间分布模拟的影响", 《地理科学》 * |
| 陈琳,齐文新等: "基于云计算的自动气象监测网络系统", 《计算机应用》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107355252A (zh) * | 2017-08-23 | 2017-11-17 | 黑龙江工业学院 | 一种综掘工作面风幕集尘除尘系统 |
| CN107655578A (zh) * | 2017-09-01 | 2018-02-02 | 郑州云海信息技术有限公司 | 一种气温数据展示方法、装置及终端 |
| CN107723527A (zh) * | 2017-10-17 | 2018-02-23 | 黄河交通学院 | 一种汽车轻量化底盘铝合金结构件及其制备方法 |
| CN107573029A (zh) * | 2017-10-23 | 2018-01-12 | 福建泉州皓佳新材料有限公司 | 一种陶瓷废釉水制备的多彩艺术砖及其制备方法 |
| CN108920485A (zh) * | 2018-04-28 | 2018-11-30 | 深圳市雅码科技有限公司 | 一种格点气象服务产品精准制作分发系统及方法 |
| CN108920485B (zh) * | 2018-04-28 | 2022-03-25 | 深圳市雅码科技有限公司 | 一种格点气象服务产品精准制作分发系统及方法 |
| CN109856703A (zh) * | 2019-03-25 | 2019-06-07 | 大夏数据服务有限公司 | 一种气象监测站数据计算分析系统 |
| CN112684520A (zh) * | 2020-12-30 | 2021-04-20 | 北京墨迹风云科技股份有限公司 | 一种气象预报的订正方法、装置、计算机设备及存储介质 |
| CN114325875A (zh) * | 2021-12-24 | 2022-04-12 | 中国气象局气象探测中心 | 气象站设备控制方法及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107065037A (zh) | 一种自动气象站数据采集控制系统 | |
| CN102252623B (zh) | 基于视频差异分析的输电线路导/地线覆冰厚度测量方法 | |
| CN111830506B (zh) | 一种基于K-means聚类算法的海面风速方法 | |
| CN104239885B (zh) | 一种基于无人机航拍的地震灾害损毁度评估方法 | |
| CN108765488B (zh) | 一种基于阴影的高分辨率遥感影像建筑物高度估测方法 | |
| CN111598098B (zh) | 一种基于全卷积神经网络的水尺水位线检测及有效性识别方法 | |
| CN104077577A (zh) | 一种基于卷积神经网络的商标检测方法 | |
| CN102855485B (zh) | 一种小麦抽穗的自动检测方法 | |
| CN102346015A (zh) | 基于视频差异分析的输电线路绝缘子覆冰厚度测量方法 | |
| CN109766936A (zh) | 基于信息传递和注意力机制的图像变化检测方法 | |
| CN103955583B (zh) | 一种确定夜晚灯光数据提取城市建成区阈值的方法 | |
| CN109978032A (zh) | 基于空间金字塔空洞卷积网络的桥梁裂缝检测方法 | |
| CN102902956A (zh) | 一种地基可见光云图识别处理方法 | |
| CN103942555B (zh) | 一种植物氮素含量丰缺图像检测方法 | |
| CN102930287A (zh) | 一种针对俯视行人的检测计数系统及方法 | |
| CN106991686A (zh) | 一种基于超像素光流场的水平集轮廓跟踪方法 | |
| CN102663385B (zh) | 一种星上点目标检测方法 | |
| CN107423537A (zh) | 一种基于自适应阈值的地表温度降尺度的方法 | |
| CN107341800A (zh) | 基于超像素显著性分析的sar图像变化检测方法 | |
| CN104680151B (zh) | 一种顾及雪覆盖影响的高分辨全色遥感影像变化检测方法 | |
| CN106971396A (zh) | 基于超像素的冰盖冻融探测方法 | |
| CN104123734A (zh) | 基于可见光和红外检测结果融合的运动目标检测方法 | |
| CN107341781A (zh) | 基于改进相位一致性特征矢量底图匹配的sar影像校正方法 | |
| CN105139375A (zh) | 一种结合全球dem与立体视觉的卫星影像云检测方法 | |
| CN111291818B (zh) | 一种面向云掩膜的非均匀类别的样本均衡化方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170818 |
|
| RJ01 | Rejection of invention patent application after publication |