CN111121781A - 基于地基云图的太阳定位和太阳光干扰判别方法 - Google Patents

Abstract

本发明涉及数字图像处理技术，为实现仅利用地基云图实现云图中的太阳定位，并提出一个判别准确且时间复杂度低的太阳光干扰判别算法，实现对地基云图中太阳光干扰的判别。为此，本发明采取的技术方案是，基于地基云图的太阳定位和太阳光干扰判别方法，首先进行太阳定位：确定太阳在地平坐标系中的坐标—太阳天顶角和太阳方位角；然后，确定太阳在像素坐标系中的坐标—行和列；最后，建立地平坐标到像素坐标的坐标变换，通过实时计算太阳的地平坐标便可确定图像中太阳的位置；计算太阳亮度和饱和度差；获取判别是否存在太阳光干扰的模型，通过太阳亮度和饱和度差判定是否存在太阳光干扰。本发明主要应用于数字图像处理场合。

Description

基于地基云图的太阳定位和太阳光干扰判别方法

技术领域

本发明涉及数字图像处理技术领域，尤其是基于地基云图的太阳定位算法和基于地基云 图的太阳光干扰判别算法。

背景技术

云是天气系统的重要特征之一，能够表征大气状态，成为气象分析和气象监测等领域的 重点研究目标。地球表面接收到的太阳辐照与云团有着密不可分的关系，在光伏发电领域， 云团识别是光伏功率预测的重要环节。然而，云团识别在太阳光的干扰下识别准确率大大降 低，为削弱太阳光的影响，确定地基图像中太阳的位置并在此基础上对太阳光干扰实现判别 具有其实际意义。除此之外，太阳定位和太阳光干扰判别也会辅助光伏功率预测中其它的研 究环节。

现有的太阳定位方法首先对相机执行几何角度标定获得图像和天体半球的关系。相机标 定通常使用到OcamCalib工具，确定图像中像素与光学系统中心的距离和像素天顶角之间的 关系。然后可计算出图像中每个像素所对应的天顶角和方位角。为避免相机天顶位置的偏离， 需采集晴空图像，使用检测出的太阳实际位置校正相机位置。最后通过太阳的天顶角和方位 角获得图像中的太阳位置。目前部分研究项目使用到气象平台的云图数据，但是由于无法实 现现场标定设备相机，使得定位太阳成为亟待解决的问题。太阳光干扰判别的主要目的是判 别天空是否受太阳光干扰。天空的光照分布极其复杂，单一的亮度或者饱和度无法反映真实 的太阳光干扰程度。判别过程中，计算的时间复杂度也需要着重考虑。因此，急需提出一个 判别准确且时间复杂度低的太阳光干扰判别方法。

发明内容

为克服现有技术的不足，本发明旨在实现仅利用地基云图实现云图中的太阳定位，并提 出一个判别准确且时间复杂度低的太阳光干扰判别算法，实现对地基云图中太阳光干扰的判 别。为此，本发明采取的技术方案是，基于地基云图的太阳定位和太阳光干扰判别方法，首 先进行太阳定位：确定太阳在地平坐标系中的坐标—太阳天顶角和太阳方位角；然后，确定 太阳在像素坐标系中的坐标—行和列；最后，建立地平坐标到像素坐标的坐标变换，通过实 时计算太阳的地平坐标便可确定图像中太阳的位置；

计算太阳亮度和饱和度差；

获取判别是否存在太阳光干扰的模型，通过太阳亮度和饱和度差判定是否存在太阳光干 扰。

太阳定位具体步骤：

(1)确定太阳在地平坐标系中的坐标

太阳的地平坐标由太阳天顶角α和太阳方位角β确定，实时的太阳天顶角和太阳方位角 根据日期、时间和经纬度计算得到；

(2)确定太阳在像素坐标系中的坐标

选择包含有清晰太阳的图像，手动标注太阳的像素坐标；

(3)建立太阳地平坐标到像素坐标的坐标变换模型

为了分析地平坐标和像素坐标之间的关系，绘制三维散点图，设地平坐标中的太阳天顶 角和太阳方位角分别作为x轴和y轴，像素坐标的行和列依次作为z轴，由此得到两个散点 图：一个行散点图和一个列散点图，通过观察所用数据绘制出的行散点图和列散点图的分布 特点——曲面分布，采用多项式曲面拟合方法，确定最终坐标变换模型，太阳的行坐标变换 公式和列坐标变换公式如下：

其中，u是预测太阳在图像中的行，v是预测太阳在图像中的列，在连续优化后，最终 确定行散点图拟合得到的行坐标变换公式和列散点图拟合得到的列坐标变换公式中的参数 p_mn；

将计算出的太阳的地平坐标代入坐标变换模型，确定图像中太阳的像素坐标，实现地基 云图中的太阳定位。

采用多项式曲面拟合方法拟合过程中，尝试考虑太阳天顶角和太阳方位角从1阶到5阶 的的各种组合，行散点图在二阶的太阳天顶角和四阶的太阳方位角有最好的表现，而列散点 图在二阶的太阳天顶角和三阶的太阳方位角表现最好。

太阳亮度和饱和度差计算步骤如下：

(1)太阳亮度

太阳亮度——太阳中心3*3的像素块的亮度平均值，太阳亮度计算公式：

其中，n表示像素块中的像素元素的总数，i表示像素块中的像素元素的序号，I_i表示第 i个像素元素的亮度；

(2)饱和度差

饱和度差——整幅图像(a₄)区域的饱和度平均值减去第一层(a₁)区域的饱和度平均值， 饱和度差计算公式：

其中，n_w是a₄区域所包含的像素元素的总数，n₁是a₁区域包含的像素元素的总数，S_i是 第i个像素元素的饱和度，云图中设定的三个层边界(c₁、c₂、c₃)将感兴趣区域划分为四层区 域(l₁、l₂、l₃、l₄)，设定区域a₁、a₂、a₃、a₄如下：

a₁＝l₁

a₂＝l₁∪l₂

a₃＝l₁∪l₂∪l₃

a₄＝l₁∪l₂∪l₃∪l₄。

最终，获取判别是否存在太阳光干扰的模型，即：

若太阳亮度小于180且饱和度差小于0.1，则不存在太阳光干扰，否则存在太阳光干扰。

本发明的特点及有益效果是：

本发明对地基云图中的太阳进行了定位，结果准确，算法简便，而且具有很好的普适性， 对于无法实地对采集设备进行标定的情况尤其适用。本发明可判别太阳光干扰，为云团识别 提供关键信息。

附图说明：

图1基于地基云图的太阳定位和太阳光干扰判别方法流程图。

图2地平坐标系中太阳的位置。

图3标注有太阳的地基云图。

图4散点图，图中：

(a)行散点图

(b)列散点图。

图5散点图的拟合曲面，图中：

(a)行散点图的拟合曲面

(b)列散点图的拟合曲面

图6区域设定。

具体实施方式

为解决太阳光对地基云图中云团识别的影响，实时定位太阳并判别太阳光干扰至关重要。 本发明提出了基于地基云图的太阳定位方法和太阳光干扰判别算法。太阳定位算法简单且具 有普适性，尤其适用于无法实地测试地基设备的情况。太阳光干扰判别算法中，提出了由两 项指标构成的判别模型，使得算法在准确判别太阳光干扰的同时保持了低的时间复杂度。本 发明技术方案的流程图如图1所示，具体的主要内容包括：

1、太阳定位

与传统太阳定位方法相比，本发明提出了一种更为简便的方法来定位图像中的太阳。首 先，确定太阳在地平坐标系中的坐标——太阳天顶角和太阳方位角；然后，确定太阳在像素 坐标系中的坐标——行和列；最后，建立地平坐标到像素坐标的坐标变换。以这种方式，通 过实时计算太阳的地平坐标便可确定图像中太阳的位置。

太阳定位具体步骤：

(1)确定太阳在地平坐标系中的坐标

天体坐标系将天空划分为两个半球：可见地平线上方物体的上半球，和不可见地平线下 方物体的下半球。地平坐标系是以观测者的局部地平线为基本平面的天体坐标系。物体的坐 标表示为天顶角和方位角。图2直观地显示了地平坐标系中太阳的位置，太阳的地平坐标由 太阳天顶角α和太阳方位角β确定。实时的太阳天顶角和太阳方位角可根据日期、时间和经 纬度计算得到。

(2)确定太阳在像素坐标系中的坐标

选择包含有清晰太阳的图像，手动标注太阳的像素坐标。如图3所示，云图图像中的红 色像素点为手动标注的太阳在图像中的位置。

(3)建立太阳地平坐标到像素坐标的坐标变换模型

为了分析地平坐标和像素坐标之间的关系，绘制三维散点图，设地平坐标中的太阳天顶 角和太阳方位角分别作为x轴和y轴，像素坐标的行和列依次作为z轴，由此得到两个散点 图：一个行散点图和一个列散点图，如图4所示。通过观察所用数据绘制出的行散点图和列 散点图的分布特点——曲面分布，采用了多项式曲面拟合方法。拟合过程中，尝试考虑太阳 天顶角和太阳方位角从1阶到5阶的的各种组合。为获取最佳拟合结果，选用了四项评估指 标。结果表明，行散点图在二阶的太阳天顶角和四阶的太阳方位角有最好的表现，而列散点 图在二阶的太阳天顶角和三阶的太阳方位角表现最好；最终坐标变换模型得以确定。太阳的 行坐标变换公式和列坐标变换公式如下：

其中，u是预测太阳在图像中的行，v是预测太阳在图像中的列。在连续优化后，最终 确定行散点图拟合得到的行坐标变换公式和列散点图拟合得到的列坐标变换公式中的参数p_mn。图5显示了拟合的曲面，证实了拟合思想的正确性。

至此，只需将计算出的太阳的地平坐标代入坐标变换模型，就可以确定图像中太阳的像 素坐标，实现地基云图中的太阳定位。

2、太阳光干扰判别

为判别太阳光干扰是否在天空中存在，设定两项指标：太阳亮度和饱和度差。

(2)太阳亮度

太阳亮度——太阳中心3*3的像素块的亮度平均值，太阳亮度计算公式：

其中，n表示像素块中的像素元素的总数，i表示像素块中的像素元素的序号，I_i表示第 i个像素元素的亮度。

该指标可以表明太阳是否在图像中显现。当存在太阳光干扰时，通常是太阳在图像中显 现，太阳中心的像素趋于饱和，亮度趋近于最大值。然而，当不存在太阳光干扰时，通常是 太阳未在图像中显现，亮度显著较低。作为判断太阳光干扰的第一个指标，其计算简单而且 实现了对大部分图像的判别，大大降低了算法的时间复杂度。

(2)饱和度差

饱和度差——整幅图像(a₄)区域的饱和度平均值减去第一层(a₁)区域的饱和度平均值， 饱和度差计算公式：

其中，n_w是a₄区域所包含的像素元素的总数，n₁是a₁区域包含的像素元素的总数，S_i是 第i个像素元素的饱和度。根据VPER云团识别算法(专利号：201810127035.X，公开)中的区域设定，云图中设定的三个层边界(c₁、c₂、c₃)将感兴趣区域划分为四层区域(l₁、l₂、l₃、l₄)，如图6所示。设定区域a₁、a₂、a₃、a₄如下：

a₁＝l₁

a₂＝l₁∪l₂

a₃＝l₁∪l₂∪l₃

a₄＝l₁∪l₂∪l₃∪l₄

当太阳未在图像中显现时，天空仍然可能存在太阳光的干扰。存在太阳光干扰的地基云 图的饱和度是从a₁到a₄阶梯性增加的。然而，不存在太阳光干扰的天空几乎都是云，地基云 图饱和度分布均匀。a₁区域的饱和度可以指出太阳周边天空的状况，判断是否存在强光或者 是否存在受太阳光影响产生的色彩变化的云。饱和度差可以表明第一层和整幅图像的天空状 况是否一致。如果参数值小可以判定天空的饱和度分布均匀，即不存在太阳光干扰，否则为 存在太阳光干扰。

最终，获取判别是否存在太阳光干扰的模型，即：

若太阳亮度小于180且饱和度差小于0.1，则不存在太阳光干扰，否则存在太阳光干扰。

下面结合附图和具体实例，进一步详细说明本发明。

1、太阳定位

与传统太阳定位方法相比，本发明提出了一种更为简便的方法来定位图像中的太阳。首 先，确定太阳在地平坐标系中的坐标——太阳天顶角和太阳方位角；然后，确定太阳在像素 坐标系中的坐标——行和列；最后，建立地平坐标到像素坐标的坐标变换。以这种方式，通 过实时计算太阳的地平坐标便可确定图像中太阳的位置。

太阳定位具体步骤：

(1)确定太阳在地平坐标系中的坐标。天体坐标系将天空划分为两个半球：可见地平线 上方物体的上半球，和不可见地平线下方物体的下半球。上半球的极点叫做天顶。地平坐标 系是以观测者的局部地平线为基本平面的天体坐标系。物体的坐标表示为天顶角和方位角。 图2直观地显示了地平坐标系中太阳的位置，其中α是太阳天顶角，表示天顶与太阳之间的 角度。β是太阳方位角，定义了太阳沿着局部地平线的相对方向。实时的太阳天顶角可根据 日期、时间和经纬度计算得到：

式中，δ是由日期计算得到的太阳赤纬角，

为当地的地理纬度，τ为由日期、时间和 经度计算得到的太阳时角。太阳方位角的计算公式如下：

由此，获取到日期、时间和经纬度信息后，太阳的地平坐标可实时计算获取。

(2)确定太阳在像素坐标系中的坐标。选择包含有清晰太阳的图像，手动标注太阳的像 素坐标。如图3所示，云图图像中的红色像素点为手动标注的太阳在图像中的位置。

(3)建立太阳地平坐标到像素坐标的坐标变换模型。为了分析地平坐标和像素坐标之间 的关系，绘制三维散点图，设地平坐标中的太阳天顶角和太阳方位角分别作为x轴和y轴， 像素坐标的行和列依次作为z轴，由此得到两个散点图：一个行散点图和一个列散点图，如 图4所示。通过观察所用数据绘制出的行散点图和列散点图的分布特点——曲面分布，采用 了多项式曲面拟合方法。

拟合过程中，尝试考虑太阳天顶角和太阳方位角从1阶到5阶的的各种组合。为获取最 佳拟合结果，选用了误差平方和、均方根误差、决定系数和校正决定系数四项评估指标。计 算经验值和估计值之间的差异总和的误差平方和越小，拟合越紧密。类似地，当指示样本分 散程度的均方根误差接近0时，模型拟合程度好。决定系数越大，表示回归模型越贴合实际 本身。当额外的解释变量被添加时，决定系数存在自动并虚假增加的可能，因此也采用了改 进后的校正决定系数。根据四项评估指标，确定最终拟合的坐标变换公式。

结果表明，行散点图在二阶的太阳天顶角和四阶的太阳方位角有最好的表现，而列散点 图在二阶的太阳天顶角和三阶的太阳方位角表现最好；最终坐标变换模型得以确定。太阳的 行坐标变换公式和坐标变换公式如下：

其中，u是预测太阳在图像中的行，v是预测太阳在图像中的列。在连续优化后，最终 确定行散点图拟合得到的行坐标变换公式和列散点图拟合得到的列坐标变换公式中的参数 p_mn。图5显示了拟合的曲面，证实了拟合思想的正确性。

至此，只需将计算出的太阳的地平坐标代入坐标变换模型，就可以确定图像中太阳的像 素坐标，实现地基云图中的太阳定位。

2、太阳光干扰判别

为判别太阳光干扰是否在天空中存在，设定两项指标：太阳亮度和饱和度差。

(1)太阳亮度——太阳中心3*3的像素块的亮度平均值，太阳亮度计算公式：

其中，n表示像素块中的像素元素的总数，i表示像素块中的像素元素的序号，I_i表示第 i个像素元素的亮度。该指标可以表明太阳是否在图像中显现。当存在太阳光干扰时，通常太 阳在图像中显现，太阳中心的像素趋于饱和，亮度趋近于最大值。然而，当不存在太阳光干 扰时，通常太阳未在图像中显现，亮度显著较低。作为判断太阳光干扰的第一个指标，其计 算简单而且实现了对大部分图像的判别，大大降低了算法的时间复杂度。

(2)饱和度差——整幅图像(a₄)区域的饱和度平均值减去第一层(a₁)区域的饱和度 平均值，饱和度差计算公式：

其中，n_w是a₄区域所包含的像素元素的总数，n₁是a₁区域包含的像素元素的总数，S_i是 第i个像素元素的饱和度。

根据VPER云团识别算法(专利号：201810127035.X，公开)中的区域设定，云图中设定 的三个层边界(c₁、c₂、c₃)将感兴趣区域划分为四层区域(l₁、l₂、l₃、l₄)，如图6所示。设定区域a₁、a₂、a₃、a₄如下：

a₁＝l₁

a₂＝l₁∪l₂

a₃＝l₁∪l₂∪l∪₃

a₄＝l₁∪l₂∪l₃∪l₄

当太阳未在图像中显现时，天空仍然可能存在太阳光的干扰。存在太阳光干扰的地基云 图的饱和度是从a₁到a₄阶梯性增加的。然而，不存在太阳光干扰的天空几乎都是云，地基云 图饱和度分布均匀。a₁区域的饱和度可以指出太阳周边天空的状况，判断是否存在强光或者 是否存在受太阳光影响产生的色彩变化的云。饱和度差可以表明第一层和整幅图像的天空状 况是否一致。如果参数值小可以判定天空的饱和度分布均匀，即不存在太阳光干扰，否则为 存在太阳光干扰。

最终，设定判断图像是否存在太阳光干扰的阈值，太阳亮度为180，饱和度差为0.1。给 出如下判别模型：若太阳亮度小于180且饱和度差小于0.1，则不存在太阳光干扰，否则存 在太阳光干扰。

本发明对地基云图中的太阳进行了定位，并对太阳光干扰进行了判别。本发明方法简单， 仅需根据历史地基云图中提取出来的图像信息实现实时的太阳定位。综合两项指标的结果可 实现对太阳光干扰的判别。基于地基云图的太阳定位算法和太阳光干扰判别算法计算量小且 适用范围广。

以上所述仅为本发明的较佳实施例，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、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于地基云图的太阳定位和太阳光干扰判别方法，其特征是，首先进行太阳定位：确定太阳在地平坐标系中的坐标—太阳天顶角和太阳方位角；然后，确定太阳在像素坐标系中的坐标—行和列；最后，建立地平坐标到像素坐标的坐标变换，通过实时计算太阳的地平坐标便可确定图像中太阳的位置；

计算太阳亮度和饱和度差；

获取判别是否存在太阳光干扰的模型，通过太阳亮度和饱和度差判定是否存在太阳光干扰。

2.如权利要求1所述的基于地基云图的太阳定位和太阳光干扰判别方法，其特征是，太阳定位具体步骤：

(1)确定太阳在地平坐标系中的坐标

太阳的地平坐标由太阳天顶角α和太阳方位角β确定，实时的太阳天顶角和太阳方位角根据日期、时间和经纬度计算得到；

(2)确定太阳在像素坐标系中的坐标

选择包含有清晰太阳的图像，手动标注太阳的像素坐标；

(3)建立太阳地平坐标到像素坐标的坐标变换模型

为了分析地平坐标和像素坐标之间的关系，绘制三维散点图，设地平坐标中的太阳天顶角和太阳方位角分别作为x轴和y轴，像素坐标的行和列依次作为z轴，由此得到两个散点图：一个行散点图和一个列散点图，通过观察所用数据绘制出的行散点图和列散点图的分布特点——曲面分布，采用多项式曲面拟合方法，确定最终坐标变换模型，太阳的行坐标变换公式和列坐标变换公式如下：

其中，u是预测太阳在图像中的行，v是预测太阳在图像中的列，在连续优化后，最终确定行散点图拟合得到的行坐标变换公式和列散点图拟合得到的列坐标变换公式中的参数p_mn；

将计算出的太阳的地平坐标代入坐标变换模型，确定图像中太阳的像素坐标，实现地基云图中的太阳定位。

3.如权利要求1所述的基于地基云图的太阳定位和太阳光干扰判别方法，其特征是，采用多项式曲面拟合方法拟合过程中，尝试考虑太阳天顶角和太阳方位角从1阶到5阶的的各种组合，行散点图在二阶的太阳天顶角和四阶的太阳方位角有最好的表现，而列散点图在二阶的太阳天顶角和三阶的太阳方位角表现最好。

4.如权利要求1所述的基于地基云图的太阳定位和太阳光干扰判别方法，其特征是，太阳亮度和饱和度差计算步骤如下：

(1)太阳亮度

太阳亮度——太阳中心3*3的像素块的亮度平均值，太阳亮度计算公式：

其中，n表示像素块中的像素元素的总数，i表示像素块中的像素元素的序号，I_i表示第i个像素元素的亮度；

(2)饱和度差

饱和度差——整幅图像(a₄)区域的饱和度平均值减去第一层(a₁)区域的饱和度平均值，饱和度差计算公式：

其中，n_w是a₄区域所包含的像素元素的总数，n₁是a₁区域包含的像素元素的总数，S_i是第i个像素元素的饱和度，云图中设定的三个层边界(c₁、c₂、c₃)将感兴趣区域划分为四层区域(l₁、l₂、l₃、l₄)，设定区域a₁、a₂、a₃、a₄如下：

a₁＝l₁

a₂＝l₁∪l₂

a₃＝l₁∪l₂∪l₃

a₄＝l₁∪l₂∪l₃∪l₄。

5.如权利要求1所述的基于地基云图的太阳定位和太阳光干扰判别方法，其特征是，最终，获取判别是否存在太阳光干扰的模型，即：若太阳亮度小于180且饱和度差小于0.1，则不存在太阳光干扰，否则存在太阳光干扰。

Images