CN107169457B - 一种云识别方法 - Google Patents

一种云识别方法 Download PDF

Info

Publication number
CN107169457B
CN107169457B CN201710346747.6A CN201710346747A CN107169457B CN 107169457 B CN107169457 B CN 107169457B CN 201710346747 A CN201710346747 A CN 201710346747A CN 107169457 B CN107169457 B CN 107169457B
Authority
CN
China
Prior art keywords
index
cloud
sky
pixel
brightness
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.)
Active
Application number
CN201710346747.6A
Other languages
English (en)
Other versions
CN107169457A (zh
Inventor
胡斯勒图
尚华哲
马润
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Remote Sensing and Digital Earth of CAS
Original Assignee
Institute of Remote Sensing and Digital Earth of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Remote Sensing and Digital Earth of CAS filed Critical Institute of Remote Sensing and Digital Earth of CAS
Priority to CN201710346747.6A priority Critical patent/CN107169457B/zh
Publication of CN107169457A publication Critical patent/CN107169457A/zh
Application granted granted Critical
Publication of CN107169457B publication Critical patent/CN107169457B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种云识别方法，解决现有卫星云识别结果准确度较差的问题。一种云识别方法，利用地基全天候鱼眼相机，包括以下步骤：从地基全天候鱼眼相机获取天空图像，并从所述天空图像中读取每个像元的像元亮度值；根据所述每个像元的像元亮度值计算每个像元的天空指数、亮度指数，并根据所述天空指数、亮度指数构建二维散点图；根据所述二维散点图，拟合生成云分界线；根据所述二维散点图和所述云分界线，对所述天空图像进行判断，得到云识别结果。本发明的方法计算量小且适用范围广。

Description

一种云识别方法
技术领域
本发明涉及遥感图像领域，特别涉及一种云识别方法。
背景技术
目前利用遥感图像进行云识别的方法中阈值判断法应用最为广泛，这种方法是对云在不同波段表现出不同的特性进而设定相应的阈值来进行区分云和非云，例如可以根据像元的亮度温度、亮温差、可见光波段的反射率和NDVI等特征与预设的阈值进行对比，进而判断该像元是否是云。阈值判断法的缺点是在某些污染天气下判断结果精度较差，尤其是云和霾同时存在时，对云和霾的交界处识别结果不准确。
发明内容
本发明提供一种云识别方法，解决现有卫星云识别结果准确度较差的问题。
一种云识别方法，利用地基全天候鱼眼相机，包括以下步骤：从地基全天候鱼眼相机获取天空图像，并从所述天空图像中读取每个像元的像元亮度值；根据所述每个像元的像元亮度值计算每个像元的天空指数、亮度指数，并根据所述天空指数、亮度指数构建二维散点图；根据所述二维散点图，拟合生成云分界线；根据所述二维散点图和所述云分界线，对所述天空图像进行判断，得到云识别结果。根据所述每个像元的像元亮度值计算每个像元的天空指数、亮度指数为
SI＝(DNBlue-DNRed)/(DNBlue+DNRed)
BI＝(DNBlue+DNRed+DNGreen)/3
其中，SI、B1分别为所述天空指数、亮度指数，DNBlue、DNRed、DNGreen分别为全天候鱼眼相机蓝波段、红波段、绿波段的像元亮度值。
优选地，所述根据所述二维散点图，拟合生成云分界线的步骤，进一步包含：确定第一、第二、第三、第四经验种子在所述二维散点图上的坐标值分别为(0.1，0.64)，(0.35，0.31)，(0.7，0.12)，(0.8，0.05)；根据所述第一、第二、第三、第四经验种子的坐标值和所述二维散点图的横、纵坐标轴的端点坐标值，分段线性拟合得到所述云分界线。
优选地，所述根据所述二维散点图，拟合生成云分界线的步骤，进一步包含：确定第一、第二、第三、第四经验种子在所述二维散点图上的坐标值分别为(0.1，0.64)，(0.35，0.31)，(0.7，0.12)，(0.8，0.05)；根据所述第一、第二、第三、第四经验种子的坐标值和所述二维散点图的横、纵坐标轴的端点坐标值，通过最小二乘法和三次曲线法拟合得到云分界曲线；在所述云分界曲线上，根据所述第一、第二、第三、第四经验种子的横坐标值确定四个点分别为第一、第二、第三、第四云判定阈值点，所述第一、第二、第三、第四云判定阈值点与所述第一、第二、第三、第四经验种子的纵坐标分别相减得到的数值的绝对值均小于等于0.1；将所述云分界曲线确定为所述云分界线。
进一步地，所述方法还包括：根据所述第一、第二、第三、第四云判定阈值点和所述二维散点图的横、纵坐标轴的端点坐标值，分段线性拟合得到云分界折线；将所述云分界折线确定为所述云分界线。
优选地，根据所述二维散点图和所述云分界线，对所述天空图像进行判断，得到云识别结果的步骤，进一步包含：当所述像元的天空指数、亮度指数在所述云分界线上时，判定所述天空图像的云识别结果为晴空和云的分界区；当所述像元的天空指数、亮度指数在所述云分界线的上方时，判定所述天空图像的云识别结果为晴空；当所述像元的天空指数、亮度指数在所述云分界线的下方时，判定所述天空图像的云识别结果为云。
优选地，所述根据所述二维散点图，拟合生成云分界线的之前，还包括以下步骤：根据所述每个像元的亮度指数，去除亮度指数大于0.97的太阳饱和区域的像元。
进一步地，所述方法还包括对所述云识别结果为晴空的天空图像进行大气污染状况判定的步骤：从MODIS卫星遥感二级气溶胶产品中获取每个像元的气溶胶光学厚度值；根据所述每个像元的天空指数、亮度指数、气溶胶光学厚度值计算大气浑浊度指数；确定第一、第二大气污染判定阈值；根据所述第一、第二大气污染判定阈值和大气浑浊度指数，对所述云识别结果为晴空的天空图像进行判断，得到大气污染判定结果。所述根据所述每个像元的天空指数、亮度指数、气溶胶光学厚度值计算大气浑浊度指数，进一步包含：根据所述气溶胶光学厚度值计算归一化气溶胶光学厚度值为
AODn＝AOD/2
其中，AODn、AOD分别为所述归一化气溶胶光学厚度值、气溶胶光学厚度值；当所述像元的天空指数大于0.5时，所述大气浑浊度指数为
ATI＝0.7×AODn+0.3×BI×SI
当所述像元的天空指数小于0.5时，所述大气浑浊度指数为
ATI＝0.8×AODn+0.2×SI/BI
其中，ATI、BI、SI为所述大气浑浊度指数、亮度指数、天空指数。
优选地，根据所述第一、第二大气污染判定阈值和大气浑浊度指数，对所述云识别结果为晴空的天空图像进行判断，得到大气污染判定结果，进一步包含：当所述大气浑浊度指数大于等于0且小于等于第一大气污染判定阈值时，所述晴空区域的大气污染判定结果为空气优；当所述大气浑浊度指数大于第一大气污染判定阈值且小于等于第二大气污染判定阈值时，所述晴空区域的大气污染判定结果为空气良；当所述大气浑浊度指数大于第二大气污染判定阈值且小于等于1时，所述晴空区域的大气污染判定结果为空气差。
本发明有益效果包括：本发明利用的地基天空相机，时间和空间分辨率高且易于安放，可操作性强，同时，本发明采用的云识别方法在不需要其他辅助数据额前提下，能够快速稳定实现云检测，且能快速准确的对大气污染状况进行评估，整体计算量小且适用范围广。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为一种云识别方法基本流程示意图；
图2为一种包含去除太阳饱和区域的云识别方法流程示意图；
图3为一种利用经验种子且采用线性拟合的云识别方法流程示意图；
图4为一种利用经验种子且采用曲性拟合的云识别方法流程示意图；
图5为一种利用云判定阈值点且采用线性拟合的云识别方法流程示意图；
图6为一种包含大气污染判断的云识别方法流程示意图；
图7为利用经验种子线性拟合云分界线示意图；
图8为利用经验种子曲线拟合云分界线示意图；
图9为云判定阈值点选取方法示意图；
图10为利用云判定阈值点线性拟合云分界线示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
以下结合附图，详细说明本发明各实施例提供的技术方案。
本发明提供一种基于地基全天候鱼眼相机的云识别方法，该方法能够较为精确的进行云识别，并且可用于MODIS等卫星云掩码产品的验证。为了能有效地利用地基鱼眼相机进行云识别，所述地基全天候鱼眼相机应满足以下的最低配置要求：使用光电二极管阵列组成的传感器，即CCD或CMOS，以方便能快速地对成像结果进行查看，而非以前的胶卷系统；相机内部带有图像处理引擎，能快速高效地调整图像的优化曲线等参数；较宽的ISO感光度范围；多种光圈和快门值的组合方式以满足对云识别的快速调整；自动对焦模式，连拍功能，至少6张每秒，1000万像素，20点对焦系统，自带降噪功能；能耦合中性密度滤光片，以方便过滤过饱和的太阳光线。
需要说明的是，本发明所使用的相机为尼康的D7000，属于APS-C规格数码单反，同时为了防止图像过曝，搭配富士中性密度滤光片进行使用，其中尼康D7000大概参数为如下：机身特性，APS-C规格数码单反；传感器类型，CMOS；传感器尺寸，23.6×15.6mm；有效像素数，1620万；影像处理器，EXPEED2；对焦方式，自动和手动对焦；对焦点数，39点；快门速度，1/8000-30秒范围；感光度，ISO 100-6400，可扩展至Hi2；具备自动ISO感光度控制；拍摄模式，单张拍摄[S]、低速连拍[CL]：1-5fps、高速连拍[CH]：6fps、安静快门释放[Q]，自拍，遥控，反光板预升；存储卡类型，SD/SDHC/SDXC卡。
图1为一种云识别方法基本流程示意图。
一种云识别方法，利用地基全天候鱼眼相机，包括以下步骤：
步骤101、从地基全天候鱼眼相机获取天空图像，并从所述天空图像中读取每个像元的像元亮度值。
在步骤101中，所述从地基全天候鱼眼相机获取天空图像为获取某个时间段的图像，所述时间段可以为1个月、2个月或半年，这里不做具体限定，本发明使用的天空图像的时间段为2012年10月1日至2012年10月31日。
在步骤101中，本法明使用IDL编程软件实现从所述天空图像中读取每个像元的像元亮度值，也可使用其他编程软件，如Matlab，这里不做具体限定。
步骤102、根据所述每个像元的像元亮度值计算每个像元的天空指数、亮度指数，并根据所述天空指数、亮度指数构建二维散点图。
在步骤102中，根据所述每个像元的像元亮度值计算每个像元的天空指数、亮度指数为
SI＝(DNBlue-DNRed)/(DNBlue+DNRed) (1)
BI＝(DNBlue+DNRed+DNGreen)/3 (2)
其中，SI、B1分别为所述天空指数、亮度指数，DNBlue、DNRed、DNGreen分别为全天候鱼眼相机蓝波段、红波段、绿波段的像元亮度值。
需要说明的是，所述天空指数是一个介于-1到1之间的值，当天空完全没有云覆盖，即晴空时，天空指数为1；当天空完全为云覆盖时，天空指数则为-1。所述亮度指数是一个介于0到1之间的值，当天空非常亮时，亮度指数为1；当天空非常暗时，亮度指数为0.0。
在步骤102中，所述根据所述天空指数、亮度指数构建的二维散点图，本发明采用横坐标为亮度指数，纵坐标为天空指数，也可采用横坐标为天空指数，纵坐标为亮度指数。
步骤103、根据所述二维散点图，拟合生成云分界线。
需要说明的是，当二维散点图中的所有点均参与计算时，能够生成运分界线；进一步优化地，为了减少计算量，在步骤103中，所述根据所述二维散点图，拟合生成云分界线的步骤，进一步包含：确定第一、第二、第三、第四经验种子在所述二维散点图上的坐标值分别为(0.1，0.64)，(0.35，0.31)，(0.7，0.12)，(0.8，0.05)；根据所述第一、第二、第三、第四经验种子的坐标值和所述二维散点图的横、纵坐标轴的端点坐标值，拟合得到所述云分界线。
需要说明的是，在步骤103中，所述云分界线可以是折线，也可以是曲线，所述云分界线的形式与采用的拟合方法有关，采用分段线性拟合方法时，所述云分界线为一条折线，采用最小二乘法或三次曲线法拟合时，所述云分界线为一条曲线。
步骤104、根据所述二维散点图和所述云分界线，对所述天空图像进行判断，得到云识别结果。
在步骤104中，根据所述二维散点图和所述云分界线，对所述天空图像进行判断，得到云识别结果的步骤，进一步包含：当所述像元的天空指数、亮度指数在所述云分界线上时，判定所述天空图像的云识别结果为晴空和云的分界区；当所述像元的天空指数、亮度指数在所述云分界线的上方时，判定所述天空图像的云识别结果为晴空；当所述像元的天空指数、亮度指数在所述云分界线的下方时，判定所述天空图像的云识别结果为云。
本发明所述方法在不需要其他辅助数据的前提下，能够快速稳定的实现云检测，同时进一步挖掘了所述地基全天候鱼眼相机的潜力，使其更加准确的识别云和晴空。
图2为一种包含去除太阳饱和区域的云识别方法流程示意图。
步骤101、从地基全天候鱼眼相机获取天空图像，并从所述天空图像中读取每个像元的像元亮度值。
步骤102、根据所述每个像元的像元亮度值计算每个像元的天空指数、亮度指数，并根据所述天空指数、亮度指数构建二维散点图。
步骤105、根据所述每个像元的亮度指数，去除亮度指数大于0.97的太阳饱和区域的像元。
需要说明的是，所述太阳饱和区域为接近太阳较亮的区域。
步骤106、根据所述二维散点图，拟合生成云分界线。
需要说明的是，在步骤106中，所述二维散点图为去除了太阳饱和区域的天空图像像元的二维散点图。
步骤107、根据所述二维散点图和所述云分界线，对所述天空图像进行判断，得到云识别结果。
本发明实施例所述方法去除了太阳饱和区域，有效提高了云识别效率。
图3为一种利用经验种子且采用线性拟合的云识别方法流程示意图。
步骤101、从地基全天候鱼眼相机获取天空图像，并从所述天空图像中读取每个像元的像元亮度值。
步骤102、根据所述每个像元的像元亮度值计算每个像元的天空指数、亮度指数，并根据所述天空指数、亮度指数构建二维散点图。
步骤108、确定第一、第二、第三、第四经验种子在所述二维散点图上的坐标值分别为(0.1，0.64)，(0.35，0.31)，(0.7，0.12)，(0.8，0.05)。
在步骤108中，在二维散点图上，所述第一经验种子坐标值为(0.1，0.64)，即所述第一经验种子的亮度指数为0.1，天空指数为0.64；所述第二经验种子坐标值为(0.35，0.31)，即所述第二经验种子的亮度指数为0.35，天空指数为0.31；所述第三经验种子坐标值为(0.7，0.12)，即所述第三经验种子的亮度指数为0.7，天空指数为0.12；所述第四经验种子坐标值为(0.8，0.05)，即所述第四经验种子的亮度指数为0.8，天空指数为0.05。
步骤109、根据所述第一、第二、第三、第四经验种子的坐标值和所述二维散点图的横、纵坐标轴的端点坐标值，分段线性拟合得到所述云分界线。
在步骤109中，所述二维散点图的横轴的端点坐标值为(1，0)，所述二维散点图的纵轴的端点坐标值为(0，1)。
需要说明的是，经过分段线性拟合得到的所述云分界线为一条折线。
步骤110、根据所述二维散点图和所述云分界线，对所述天空图像进行判断，得到云识别结果。
本发明实施例采用分段线性拟合的方法得到的云分界线为折线，能够有效快速的进行云识别。
图4为一种利用经验种子且采用曲性拟合的云识别方法流程示意图。
步骤101、从地基全天候鱼眼相机获取天空图像，并从所述天空图像中读取每个像元的像元亮度值。
步骤102、根据所述每个像元的像元亮度值计算每个像元的天空指数、亮度指数，并根据所述天空指数、亮度指数构建二维散点图。
步骤108、确定第一、第二、第三、第四经验种子在所述二维散点图上的坐标值分别为(0.1，0.64)，(0.35，0.31)，(0.7，0.12)，(0.8，0.05)。
步骤111、根据所述第一、第二、第三、第四经验种子的坐标值和所述二维散点图的横、纵坐标轴的端点坐标值，通过最小二乘法和三次曲线法拟合得到云分界曲线。
需要说明的是，在步骤111中，最小二乘法，又称最小平方法，是一种数学优化技术，它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。
三次曲线的函数的通用方程可写为：
y＝a3x3+a2x2+a1x+a0 (6)
其中，y表示拟合曲线的纵坐标是，x1、x2、x3表示拟合曲线的横坐标值，a0、a1、a2和a3，a3≠0为三次曲线的拟合系数。最小二乘法和三次曲线法所应满足的数学表示条件为：
Figure GDA0002424173740000091
其中，I表示拟合得到的数据与实际数据之间误差的平方和，
Figure GDA0002424173740000092
为拟合采用的三次多项式，ak为多项式系数，yi表示实际数据，即所述二维散点图上的点，min代表使得这些求得的数据与实际数据之间误差的平方和为最小。
步骤112、将所述云分界曲线确定为所述云分界线。
步骤113、根据所述二维散点图和所述云分界线，对所述天空图像进行判断，得到云识别结果。
本发明实施例中云分界线采用曲线拟合的方式得到，能够精确区分晴空和云，提高了云识别算法的准确度。
图5为一种利用云判定阈值点且采用线性拟合的云识别方法流程示意图。
步骤101、从地基全天候鱼眼相机获取天空图像，并从所述天空图像中读取每个像元的像元亮度值。
步骤102、根据所述每个像元的像元亮度值计算每个像元的天空指数、亮度指数，并根据所述天空指数、亮度指数构建二维散点图。
步骤108、确定第一、第二、第三、第四经验种子在所述二维散点图上的坐标值分别为(0.1，0.64)，(0.35，0.31)，(0.7，0.12)，(0.8，0.05)。
步骤111、根据所述第一、第二、第三、第四经验种子的坐标值和所述二维散点图的横、纵坐标轴的端点坐标值，通过最小二乘法和三次曲线法拟合得到云分界曲线。
步骤114、在所述云分界曲线上，根据所述第一、第二、第三、第四经验种子的横坐标值确定四个点分别为第一、第二、第三、第四云判定阈值点。
在步骤114中，所述第一、第二、第三、第四云判定阈值点与所述第一、第二、第三、第四经验种子的纵坐标分别相减得到的数值的绝对值均小于等于0.1。
需要说明的是，所述第一经验种子和所述第一云判定阈值点的横坐标值为0.1，所述第二经验种子和所述第二云判定阈值点的横坐标值为0.35，所述第三经验种子和所述第三云判定阈值点的横坐标值为0.7，所述第四经验种子和所述第四云判定阈值点的横坐标值为0.8，所述第一云判定阈值点的纵坐标值为所述云分界曲线上横坐标0.1对应的纵坐标值，所述第二云判定阈值点的纵坐标值为所述云分界曲线上横坐标0.35对应的纵坐标值，所述第三云判定阈值点的纵坐标值为所述云分界曲线上横坐标0.7对应的纵坐标值，所述第四云判定阈值点的纵坐标值为所述云分界曲线上横坐标0.8对应的纵坐标值。
步骤115、根据所述第一、第二、第三、第四云判定阈值点和所述二维散点图的横、纵坐标轴的端点坐标值，分段线性拟合得到云分界折线。
步骤116、将所述云分界折线确定为所述云分界线。
步骤117、根据所述二维散点图和所述云分界线，对所述天空图像进行判断，得到云识别结果。
需要说明的是，根据所述云分界线云识别的结果相比根据所述云分界曲线云识别的结果精度误差小于等于5％。
本发明实施例根据所述经验种子和云分界曲线确定云判定阈值点，再根据云判定阈值点分段线性拟合得到云分界线，所述方法能够快速的实现云检测判读，效率高。
图6为一种包含大气污染判断的云识别方法流程示意图。
步骤101、从地基全天候鱼眼相机获取天空图像，并从所述天空图像中读取每个像元的像元亮度值。
步骤102、根据所述每个像元的像元亮度值计算每个像元的天空指数、亮度指数，并根据所述天空指数、亮度指数构建二维散点图。
步骤103、根据所述二维散点图，拟合生成云分界线。
步骤104、根据所述二维散点图和所述云分界线，对所述天空图像进行判断，得到云识别结果。
在步骤104中，根据所述二维散点图和所述云分界线，对所述天空图像进行判断，得到云识别结果的步骤，进一步包含：当所述像元的天空指数、亮度指数在所述云分界线上时，判定所述天空图像的云识别结果为晴空和云的分界区；当所述像元的天空指数、亮度指数在所述云分界线的上方时，判定所述天空图像的云识别结果为晴空；当所述像元的天空指数、亮度指数在所述云分界线的下方时，判定所述天空图像的云识别结果为云。
步骤118、从MODIS卫星遥感二级气溶胶产品中获取每个像元的气溶胶光学厚度值。
需要说明的是，在步骤118中，所述从MODIS卫星遥感二级气溶胶产品中获取的每个像元为云识别结果为晴空的像元。
步骤119、根据所述每个像元的天空指数、亮度指数、气溶胶光学厚度值计算大气浑浊度指数。
在步骤119中，所述根据所述每个像元的天空指数、亮度指数、气溶胶光学厚度值计算大气浑浊度指数，进一步包含：根据所述气溶胶光学厚度值计算归一化气溶胶光学厚度值为
AODn＝AOD/2 (3)
其中，AODn、AOD分别为所述归一化气溶胶光学厚度值、气溶胶光学厚度值；当所述像元的天空指数大于0.5时，所述大气浑浊度指数为
ATI＝0.7×AODn+0.3×BI×SI (4)
当所述像元的天空指数小于0.5时，所述大气浑浊度指数为
ATI＝0.8×AODn+0.2×SI/BI (5)
其中，ATI、BI、SI为所述大气浑浊度指数、亮度指数、天空指数。
需要说明的是，所述大气浑浊度指数是一个0到1之间的归一化判定值，数值越接近0，代表污染越轻，数值越接近1代表污染越严重。
步骤120、确定第一、第二大气污染判定阈值。
在步骤120中，所述第一大气污染判定阈值为0.3，所述第二大气污染判定阈值为0.7。
步骤121、根据所述第一、第二大气污染判定阈值和大气浑浊度指数，对所述云识别结果为晴空的天空图像进行判断，得到大气污染判定结果。
在步骤121中，根据所述第一、第二大气污染判定阈值和大气浑浊度指数，对所述云识别结果为晴空的天空图像进行判断，得到大气污染判定结果，进一步包含：当所述大气浑浊度指数大于等于0且小于等于第一大气污染判定阈值时，所述晴空区域的大气污染判定结果为空气优；当所述大气浑浊度指数大于第一大气污染判定阈值且小于等于第二大气污染判定阈值时，所述晴空区域的大气污染判定结果为空气良；当所述大气浑浊度指数大于第二大气污染判定阈值且小于等于1时，所述晴空区域的大气污染判定结果为空气差。
本发明提供了一种方法可以在晴空有效、快速、准确判定大气污染情况，为云和霾的微物理、光学特性的研究提供了有效的帮助。
图7为利用经验种子线性拟合云分界线示意图。
在所述二维散点图中，所述第一经验种子T1’的坐标值为(0.1，0.64)，所述第二经验种子T2’的坐标值为(0.35，0.31)，所述第三经验种子T3’的坐标值(0.7，0.12)，所述第四经验种子T4’的坐标值(0.8，0.05)，根据所述第一经验种子、第二经验种子、第三经验种子、第四经验种子采用分段线性拟合的方式得到的云分界线为一条折线。
所述云分界线上方的点表示晴空，所述云分界线下方的点表示云，所述云分界线上的点表示晴空和云的分界区。
图8为利用经验种子曲线拟合云分界线示意图。
在所述二维散点图中，所述第一经验种子T1’的坐标值为(0.1，0.64)，所述第二经验种子T2’的坐标值为(0.35，0.31)，所述第三经验种子T3’的坐标值(0.7，0.12)，所述第四经验种子T4’的坐标值(0.8，0.05)，根据所述第一经验种子、第二经验种子、第三经验种子、第四经验种子采用最小二乘法和三次曲线法相结合的方式拟合得到的云分界线为一条曲线。
图9为云判定阈值点选取方法示意图。
在所述二维散点图中，所述第一经验种子T1’的坐标值为(0.1，0.64)，所述第二经验种子T2’的坐标值为(0.35，0.31)，所述第三经验种子T3’的坐标值(0.7，0.12)，所述第四经验种子T4’的坐标值(0.8，0.05)，根据所述第一经验种子、第二经验种子、第三经验种子、第四经验种子采用最小二乘法和三次曲线法相结合的方式拟合得到的云分界线为一条曲线。
所述第一云判定阈值点T1、第二云判定阈值点T2、第三云判定阈值点T3、第四云判定阈值点T4在所述云分界线上，所述第一云判定阈值点的横坐标为0.1，所述第二云判定阈值点的横坐标为0.35，所述第三云判定阈值点的横坐标为0.7，所述第四云判定阈值点的横坐标为0.8。
所述第一云判定阈值点T1的纵坐标值为所述云分界线上横坐标0.1对应的纵坐标值，所述第二云判定阈值点T2的纵坐标值为所述云分界线上横坐标0.35对应的纵坐标值，所述第三云判定阈值点T3的纵坐标值为所述云分界线上横坐标0.7对应的纵坐标值，所述第四云判定阈值点T4的纵坐标值为所述云分界线上横坐标0.8对应的纵坐标值。
所述第一云判定阈值点T1与所述第一经验种子T1’的纵坐标差的绝对值小于等于0.1，所述第二云判定阈值点T2与所述第二经验种子T2’的纵坐标差的绝对值小于等于0.1，所述第三云判定阈值点T3与所述第三经验种子T3’的纵坐标差的绝对值小于等于0.1，所述第四云判定阈值点T4与所述第四经验种子T4’的纵坐标差的绝对值小于等于0.1。
图10为利用云判定阈值点线性拟合云分界线示意图。
在所述二维散点图中，所述第一云判定阈值点为T1，所述第二云判定阈值点为T2，所述第三云判定阈值点为T3，所述第四云判定阈值点为T4。
根据所述第一云判定阈值点T1、所述第二云判定阈值点T2，所述第三云判定阈值点T3、所述第四云判定阈值点T4，线性拟合得到的云分界线为一条折线。
需要说明的是，在图7～9中，仅示意性地表示出少量散点。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理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权利要求范围之内。

Claims (6)

1.一种云识别方法，利用地基全天候鱼眼相机，其特征在于，包括以下步骤：
从地基全天候鱼眼相机获取天空图像，并从所述天空图像中读取每个像元的像元亮度值；
根据所述每个像元的像元亮度值计算每个像元的天空指数、亮度指数，并根据所述天空指数、亮度指数构建二维散点图；
根据所述二维散点图，拟合生成云分界线；
根据所述二维散点图和所述云分界线，对所述天空图像进行判断，得到云识别结果：
当所述像元的天空指数、亮度指数在所述云分界线上时，判定所述天空图像的云识别结果为晴空和云的分界区；
当所述像元的天空指数、亮度指数在所述云分界线的上方时，判定所述天空图像的云识别结果为晴空；
当所述像元的天空指数、亮度指数在所述云分界线的下方时，判定所述天空图像的云识别结果为云；
对所述云识别结果为晴空的天空图像进行大气污染状况判定，包含：从MODIS卫星遥感二级气溶胶产品中获取每个像元的气溶胶光学厚度值；根据所述每个像元的天空指数、亮度指数、气溶胶光学厚度值计算大气浑浊度指数，数值代表污染轻、重。
2.如权利要求1所述的一种云识别方法，其特征在于，根据所述每个像元的像元亮度值计算每个像元的天空指数、亮度指数为
SI＝(DNBlue-DNRed)/(DNBlue+DNRed)
BI＝(DNBlue+DNRed+DNGreen)/3
其中，SI、BI分别为所述天空指数、亮度指数，DNBlue、DNRed、DNGreen分别为全天候鱼眼相机蓝波段、红波段、绿波段的像元亮度值。
3.如权利要求1所述的一种云识别方法，其特征在于，所述根据所述二维散点图，拟合生成云分界线之前，还包括以下步骤：
根据所述每个像元的亮度指数，去除亮度指数大于0.97的太阳饱和区域的像元。
4.如权利要求1所述的一种云识别方法，其特征在于，还包括对所述云识别结果为晴空的天空图像进行大气污染状况判定的步骤，进一步包含：
确定第一、第二大气污染判定阈值；
根据所述第一、第二大气污染判定阈值和大气浑浊度指数，对所述云识别结果为晴空的天空图像进行判断，得到大气污染判定结果。
5.如权利要求1所述的一种云识别方法，其特征在于，所述根据所述每个像元的天空指数、亮度指数、气溶胶光学厚度值计算大气浑浊度指数，进一步包含：
根据所述气溶胶光学厚度值计算归一化气溶胶光学厚度值为
AODn＝AOD/2
其中，AODn、AOD分别为所述归一化气溶胶光学厚度值、气溶胶光学厚度值；
当所述像元的天空指数大于0.5时，所述大气浑浊度指数为
ATI＝0.7×AODn+0.3×BI×SI
当所述像元的天空指数小于0.5时，所述大气浑浊度指数为
ATI＝0.8×AODn+0.2×SI/BI
其中，ATI、BI、SI为所述大气浑浊度指数、亮度指数、天空指数。
6.如权利要求4所述的一种云识别方法，其特征在于，根据所述第一、第二大气污染判定阈值和大气浑浊度指数，对所述云识别结果为晴空的天空图像进行判断，得到大气污染判定结果，进一步包含：
当所述大气浑浊度指数大于等于0且小于等于第一大气污染判定阈值时，所述晴空区域的大气污染判定结果为空气优；
当所述大气浑浊度指数大于第一大气污染判定阈值且小于等于第二大气污染判定阈值时，所述晴空区域的大气污染判定结果为空气良；
当所述大气浑浊度指数大于第二大气污染判定阈值且小于等于1时，所述晴空区域的大气污染判定结果为空气差。
CN201710346747.6A 2017-05-17 2017-05-17 一种云识别方法 Active CN107169457B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710346747.6A CN107169457B (zh) 2017-05-17 2017-05-17 一种云识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710346747.6A CN107169457B (zh) 2017-05-17 2017-05-17 一种云识别方法

Publications (2)

Publication Number Publication Date
CN107169457A CN107169457A (zh) 2017-09-15
CN107169457B true CN107169457B (zh) 2020-07-03

Family

ID=59816438

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710346747.6A Active CN107169457B (zh) 2017-05-17 2017-05-17 一种云识别方法

Country Status (1)

Country Link
CN (1) CN107169457B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110836870B (zh) * 2019-11-27 2021-06-25 中国科学院南京地理与湖泊研究所 基于gee的大区域湖泊透明度快速制图方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103605171A (zh) * 2013-09-10 2014-02-26 国家电网公司 全天空成像仪及基于全天空成像仪的云层特性分析方法
CN104766339A (zh) * 2015-04-29 2015-07-08 上海电气集团股份有限公司 一种地基天空图像的云团自动检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103605171A (zh) * 2013-09-10 2014-02-26 国家电网公司 全天空成像仪及基于全天空成像仪的云层特性分析方法
CN104766339A (zh) * 2015-04-29 2015-07-08 上海电气集团股份有限公司 一种地基天空图像的云团自动检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
GROUND-BASED CLOUD IMAGE CATEGORIZATION USING DEEP CONVOLUTIONAL VISUAL FEATURES;Liang Ye 等;《2015 IEEE International Conference》;20151231;第4808-4812页 *
利用全天空可见光图像反演天空辐亮度;霍娟 等;《气象学报》;20101231;第68卷(第6期);第800-807页 *
地基全天空成像系统云与气溶胶参数反演及其应用研究;霍娟;《中国博士学位论文全文数据库基础科学辑》;20070515(第5期);第2-9页 *
基于局部阈值插值的地基云自动检测方法;杨俊 等;《气象学报》;20101231;第68卷(第6期);第1007-1017页 *

Also Published As

Publication number Publication date
CN107169457A (zh) 2017-09-15

Similar Documents

Publication Publication Date Title
Chauvin et al. Cloud detection methodology based on a sky-imaging system
CN107424133B (zh) 图像去雾方法、装置、计算机可存储介质和移动终端
US8509476B2 (en) Automated system and method for optical cloud shadow detection over water
US20050175253A1 (en) Method for producing cloud free and cloud-shadow free images
Brusa et al. Increasing the precision of canopy closure estimates from hemispherical photography: Blue channel analysis and under-exposure
Hwang et al. Correction for light scattering combined with sub-pixel classification improves estimation of gap fraction from digital cover photography
JP6964834B2 (ja) 画像処理装置および画像処理方法
CN109300133B (zh) 一种城市河网区水体提取方法
US20240046421A1 (en) Image restoration method based on physical scattering model
JP2019537151A (ja) 画像処理装置、画像処理方法及び画像処理プログラム
Díaz et al. Model-based local thresholding for canopy hemispherical photography
WO2021212319A1 (zh) 红外图像处理方法、装置、系统及可移动平台
CN107169457B (zh) 一种云识别方法
CN107424134B (zh) 图像处理方法、装置、计算机可读存储介质和计算机设备
Saito et al. Cloud discrimination from sky images using a clear-sky index
CN111175231A (zh) 冠层植被指数的反演方法、装置及服务器
KR102373278B1 (ko) 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법
Roy et al. Sky analysis from CCD images: cloud cover
CN111667432B (zh) 一种基于物理模型的遥感影像阴影去除方法
CN106960421A (zh) 基于统计特性和亮度估计的夜晚图像去雾方法
CN113608246A (zh) 一种光学卫星tdiccd积分级数和增益设置方法及成像装置
JP6856066B2 (ja) 情報処理装置、情報処理システム、情報処理方法およびコンピュータプログラム
Schwalbe et al. Profile based sub-pixel-classification of hemispherical images for solar radiation analysis in forest ecosystems
CN115115542B (zh) 一种基于云平台遥感影像镶嵌后色差条带的快速修复方法
Kusabiraki et al. Development of a Night-time Weather Estimation Algorithm Using Image Processing with Low-Cost Devices

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
GR01 Patent grant
GR01 Patent grant