CN116630447A - 一种基于图像处理的天气预测方法 - Google Patents
一种基于图像处理的天气预测方法 Download PDFInfo
- Publication number
- CN116630447A CN116630447A CN202310907169.4A CN202310907169A CN116630447A CN 116630447 A CN116630447 A CN 116630447A CN 202310907169 A CN202310907169 A CN 202310907169A CN 116630447 A CN116630447 A CN 116630447A
- Authority
- CN
- China
- Prior art keywords
- tone
- pixel
- region
- image
- area
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000001914 filtration Methods 0.000 claims abstract description 38
- 230000002159 abnormal effect Effects 0.000 claims abstract description 29
- 238000010586 diagram Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 230000010365 information processing Effects 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 8
- 238000005192 partition Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像处理的天气预测方法,属于数字信息处理技术领域,本发明中根据目标区域图像上像素值的分布情况,筛选出异常区域,对异常区域滤波处理,找到云层边界,本发明中根据云层边界,对滤波图提取前景图,将前景图转换到HSI空间,提取能够体现色彩亮度变化的I色调分量,并根据I色调分量的分布情况,对前景图进行分区处理,根据分区后的各色调区域上的I色调分量、各色调区域面积和RGB通道值,对未来短时天气进行预测,本发明中同时考虑I色调分量和RGB通道值的分布情况,由于HSI空间中I色调分量可明显体现亮度变化,能显著衡量天气的情况,再结合RGB空间中RGB通道值的分布情况,提高天气预测的精度。
Description
技术领域
本发明属于数字信息处理技术领域,具体涉及一种基于图像处理的天气预测方法。
背景技术
短时天气预测可以方便对未来行程做出合理安排,提前预防天气变换给出行带来的不便。现有天气预测方法需要结合历史数据的内容,天气状况和各项环境数据,并采用复杂的数学物理方程进行推算,从而得到未来天气预测。但是由于天气预测的数学物理方程过于复杂,且影响因素众多,各项因素受环境影响变换速度快,存在预测精度较低的问题。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于图像处理的天气预测方法解决了现有天气预测方法存在天气预测精度较低的问题。
为了达到上述发明目的,本发明采用的技术方案为:一种基于图像处理的天气预测方法,包括以下步骤:
S1、根据目标区域图像上像素值的分布情况,对异常区域进行滤波,得到滤波图;
S2、找到云层边界,对滤波图提取前景图;
S3、将前景图转换到HSI空间,提取I色调分量;
S4、根据I色调分量分布情况,对前景图进行分区处理,得到各色调区域;
S5、根据各色调区域I色调分量、各色调区域面积和RGB通道值,对未来短时天气进行预测。
进一步地,所述S1包括以下分步骤:
S11、计算目标区域图像的像素特征值;
S12、计算目标区域图像中每个局部区域的像素特征值;
S13、在目标区域图像的像素特征值和每个局部区域的像素特征值满足异常条件时,得到异常区域;
S14、对异常区域进行滤波,得到滤波区域,滤波区域和目标区域图像上非滤波区域构成滤波图。
上述进一步地方案的有益效果为:本发明中将每个局部区域的像素特征值与整个图像的像素特征值进行比较,找到大于整个图像的像素特征值的区域,从而将其命名为异常区域,而小于整个图像的像素特征值的区域,其像素值分布情况与整体相符,因此,无需对正常区域进行滤波,最大程度保留图像的原本特征,并滤除异常区域的噪声,若进行整个图像的整体滤波,将不存在噪声的区域进行滤波,会造成特征丢失,边界模糊。
进一步地,所述S13中异常条件为:
,
,
,
其中,为第/>个局部区域的像素特征值,/>为目标区域图像的像素特征值,/>为目标区域图像上第/>个像素值,/>为目标区域图像上像素值的数量,/>为第/>个局部区域上第/>个像素值,/>为第/>个局部区域上像素值的数量。
上述进一步地方案的有益效果为:本发明中通过目标区域图像上每个像素点的像素值减去平均像素值,从而体现出整体的像素值变化情况,得到整体的像素值变化幅度,再计算出每个局部区域的像素值变化幅度,找到满足异常条件的局部区域,实现针对性的处理,避免对正常区域滤波。
进一步地,所述S14中滤波公式为:
,
其中,为滤波区域上第/>个像素值,/>为异常区域上第/>个像素值,/>为异常区域上第/>个像素值周边的第/>个像素值。
上述进一步地方案的有益效果为:本发明中滤波时利用局部区域的像素特征值与目标区域图像的像素特征值之间的关系,在局部区域的像素特征值与目标区域图像的像素特征值差值越大时,对/>的滤波效果越强,在局部区域的像素特征值与目标区域图像的像素特征值差值越小,/>对/>的滤波效果越弱,实现自适应的根据异常情况进行滤波。
进一步地,所述S2包括以下分步骤:
S21、提取滤波图中所有满足边界条件的像素点,得到疑似边界像素点;
S22、根据疑似边界像素点的分布情况,去除离散像素点,得到连续像素点;
S23、根据连续像素点的位置,保留连续像素点中最外层像素点,得到云层边界;
S24、根据云层边界,对滤波图进行剪切,得到前景图。
上述进一步地方案的有益效果为:本发明中提取出所有满足边界条件的像素点,并将离散的像素点去除,保留连续像素点,从而根据连续像素点围成的区域,确定出云层边界,根据云层边界,对滤波图进行剪切,从而剔除背景部分,得到前景图。
进一步地,所述S21中边界条件为:
,
或
,
其中,为滤波图上任一像素点左侧的像素点的像素值,/>为滤波图上任一像素点右侧的像素点的像素值,/>为滤波图上任一像素点上侧的像素点的像素值,为滤波图上任一像素点下侧的像素点的像素值,/>为比例系数,/>为目标区域图像的像素特征值。
上述进一步地方案的有益效果为:本发明中从四个方向衡量像素点是否为边界像素点,根据上下左右的像素点的像素值分布情况,判断其是否存在像素值变化,且该变化大于,本发明中以目标区域图像的像素特征值作为判断条件,从而更好的根据整体图像像素值变化找到边界像素点。
进一步地,所述S4包括以下分步骤:
S41、设置多个I色调等级;
S42、在同一个I色调等级下,根据前景图中每个像素点的I色调分量与该I色调等级的匹配度,将匹配度高于设定阈值的像素点归为对应I色调等级的色调区域。
进一步地,所述S42中匹配度的计算公式为:
,
其中,为前景图中每个像素点的I色调分量与第/>个I色调等级的匹配度,/>为任一像素点的I色调分量,/>为最小I色调分量,/>为最大I色调分量,/>为I色调等级的数量,/>为I色调等级的编号。
上述进一步地方案的有益效果为:本发明设置了多个I色调等级,计算每个像素点的I色调分量与每个I色调等级的距离,从而找到属于同一个I色调等级的像素点,并将其归为一个区域,从而实现对前景图的分区。
进一步地,所述S5包括以下分步骤:
S51、根据各色调区域I色调分量和各色调区域面积,建立色调预测模型;
S52、根据各色调区域上像素点的RGB通道值分布情况,建立RGB通道预测模型;
S53、根据色调预测模型的输出和RGB通道预测模型的输出,建立天气预测模型,对未来短时天气进行预测。
进一步地,所述色调预测模型为:
,
其中,为色调预测模型的输出,/>为第/>个色调区域面积,/>为前景图的面积,为色调预测模型中第/>个色调区域面积/>的权重,/>为第/>个色调区域的I色调分量均值,/>为色调区域数量,/>为第/>个色调区域的I色调分量均值/>的权重,/>为第一修正系数;
所述RGB通道预测模型的表达式为:
,
其中,为RGB通道预测模型的输出,/>为RGB通道预测模型中第/>个色调区域面积/>的权重,/>为第/>个色调区域中R通道均值,/>为第/>个色调区域中G通道均值,/>为第/>个色调区域中B通道均值,/>为第/>个色调区域的RGB通道权重,/>为第二修正系数;
所述天气预测模型的表达式为:
,
,
其中,为天气预测模型的输出,/>为缓存参数,/>为以自然常数为底的指数函数,/>为色调预测模型的输出/>的权重,/>为RGB通道预测模型的输出/>的权重。
上述进一步地方案的有益效果为:本发明中色调预测模型基于各个色调区域面积占比,以及各色调区域的I色调分量均值,得到色调预测模型的输出,实现针对I色调分量和色调区域面积对天气的第一次预测;再根据各个色调区域面积占比,基于各色调区域上RGB通道值的情况,得到RGB通道预测模型的输出/>,实现针对RGB通道值和色调区域面积对天气的第二次预测,在天气预测模型中综合第一次预测和第二次预测,实现最终的天气预测,通过多个模型的关系,提高天气预测的精度。
本发明的有益效果为:本发明中根据目标区域图像上像素值的分布情况,筛选出异常区域,对异常区域滤波处理,从而避免对整个图像进行滤波处理,对整个图像进行滤波处理,容易造成边界模糊,较难找到云层边界,本发明中根据云层边界,对滤波图提取前景图,避免背景像素点影响天气预测精度,将前景图转换到HSI空间,提取能够体现色彩亮度变化的I色调分量,并根据I色调分量的分布情况,对前景图进行分区处理,根据分区后的各色调区域上的I色调分量、各色调区域面积和RGB通道值,对未来短时天气进行预测,本发明中同时考虑在HSI空间中I色调分量和RGB空间中RGB通道值的分布情况,由于HSI空间中I色调分量可明显体现亮度变化,能显著衡量天气的情况,再结合RGB空间中RGB通道值的分布情况,提高天气预测的精度。
附图说明
图1为一种基于图像处理的天气预测方法的流程图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,一种基于图像处理的天气预测方法,包括以下步骤:
S1、根据目标区域图像上像素值的分布情况,对异常区域进行滤波,得到滤波图;
所述S1包括以下分步骤:
S11、计算目标区域图像的像素特征值;
S12、计算目标区域图像中每个局部区域的像素特征值;
S13、在目标区域图像的像素特征值和每个局部区域的像素特征值满足异常条件时,得到异常区域;
S14、对异常区域进行滤波,得到滤波区域,滤波区域和目标区域图像上非滤波区域构成滤波图。
本发明中将每个局部区域的像素特征值与整个图像的像素特征值进行比较,找到大于整个图像的像素特征值的区域,从而将其命名为异常区域,而小于整个图像的像素特征值的区域,其像素值分布情况与整体相符,因此,无需对正常区域进行滤波,最大程度保留图像的原本特征,并滤除异常区域的噪声,若进行整个图像的整体滤波,将不存在噪声的区域进行滤波,会造成特征丢失,边界模糊。
所述S13中异常条件为:
,
,
,
其中,为第/>个局部区域的像素特征值,/>为目标区域图像的像素特征值,/>为目标区域图像上第/>个像素值,/>为目标区域图像上像素值的数量,/>为第/>个局部区域上第/>个像素值,/>为第/>个局部区域上像素值的数量。
本发明中通过目标区域图像上每个像素点的像素值减去平均像素值,从而体现出整体的像素值变化情况,得到整体的像素值变化幅度,再计算出每个局部区域的像素值变化幅度,找到满足异常条件的局部区域,实现针对性的处理,避免对正常区域滤波。
所述S14中滤波公式为:
,
其中,为滤波区域上第/>个像素值,/>为异常区域上第/>个像素值,/>为异常区域上第/>个像素值周边的第/>个像素值。
本发明中滤波时利用局部区域的像素特征值与目标区域图像的像素特征值之间的关系,在局部区域的像素特征值与目标区域图像的像素特征值差值越大时,对的滤波效果越强,在局部区域的像素特征值与目标区域图像的像素特征值差值越小,对/>的滤波效果越弱,实现自适应的根据异常情况进行滤波。
S2、找到云层边界,对滤波图提取前景图;
所述S2包括以下分步骤:
S21、提取滤波图中所有满足边界条件的像素点,得到疑似边界像素点;
S22、根据疑似边界像素点的分布情况,去除离散像素点,得到连续像素点;
S23、根据连续像素点的位置,保留连续像素点中最外层像素点,得到云层边界;
S24、根据云层边界,对滤波图进行剪切,得到前景图。
本发明中提取出所有满足边界条件的像素点,并将离散的像素点去除,保留连续像素点,从而根据连续像素点围成的区域,确定出云层边界,根据云层边界,对滤波图进行剪切,从而剔除背景部分,得到前景图,本发明中前景图为仅剩云层的图像。
所述S21中边界条件为:
,
或
,
其中,为滤波图上任一像素点左侧的像素点的像素值,/>为滤波图上任一像素点右侧的像素点的像素值,/>为滤波图上任一像素点上侧的像素点的像素值,为滤波图上任一像素点下侧的像素点的像素值,/>为比例系数,/>为目标区域图像的像素特征值。
本发明中从四个方向衡量像素点是否为边界像素点,根据上下左右的像素点的像素值分布情况,判断其是否存在像素值变化,且该变化大于,本发明中以目标区域图像的像素特征值作为判断条件,从而更好的根据整体图像像素值变化找到边界像素点。
S3、将前景图转换到HSI空间,提取I色调分量;
S4、根据I色调分量分布情况,对前景图进行分区处理,得到各色调区域;
所述S4包括以下分步骤:
S41、设置多个I色调等级;
S42、在同一个I色调等级下,根据前景图中每个像素点的I色调分量与该I色调等级的匹配度,将匹配度高于设定阈值的像素点归为对应I色调等级的色调区域。
所述S42中匹配度的计算公式为:
,
其中,为前景图中每个像素点的I色调分量与第/>个I色调等级的匹配度,/>为任一像素点的I色调分量,/>为最小I色调分量,/>为最大I色调分量,/>为I色调等级的数量,/>为I色调等级的编号。
本发明设置了多个I色调等级,计算每个像素点的I色调分量与每个I色调等级的距离,从而找到属于同一个I色调等级的像素点,并将其归为一个区域,从而实现对前景图的分区。
S5、根据各色调区域I色调分量、各色调区域面积和RGB通道值,对未来短时天气进行预测。
所述S5包括以下分步骤:
S51、根据各色调区域I色调分量和各色调区域面积,建立色调预测模型;
S52、根据各色调区域上像素点的RGB通道值分布情况,建立RGB通道预测模型;
S53、根据色调预测模型的输出和RGB通道预测模型的输出,建立天气预测模型,对未来短时天气进行预测。
所述色调预测模型为:
,
其中,为色调预测模型的输出,/>为第/>个色调区域面积,/>为前景图的面积,为色调预测模型中第/>个色调区域面积/>的权重,/>为第/>个色调区域的I色调分量均值,/>为色调区域数量,/>为第/>个色调区域的I色调分量均值/>的权重,/>为第一修正系数;
所述RGB通道预测模型的表达式为:
,
其中,为RGB通道预测模型的输出,/>为RGB通道预测模型中第/>个色调区域面积/>的权重,/>为第/>个色调区域中R通道均值,/>为第/>个色调区域中G通道均值,/>为第/>个色调区域中B通道均值,/>为第/>个色调区域的RGB通道权重,/>为第二修正系数;
所述天气预测模型的表达式为:
,
,
其中,为天气预测模型的输出,/>为缓存参数,/>为以自然常数为底的指数函数,/>为色调预测模型的输出/>的权重,/>为RGB通道预测模型的输出/>的权重。
本发明中色调预测模型基于各个色调区域面积占比,以及各色调区域的I色调分量均值,得到色调预测模型的输出,实现针对I色调分量和色调区域面积对天气的第一次预测;再根据各个色调区域面积占比,基于各色调区域上RGB通道值的情况,得到RGB通道预测模型的输出/>,实现针对RGB通道值和色调区域面积对天气的第二次预测,在天气预测模型中综合第一次预测和第二次预测,实现最终的天气预测,通过多个模型的关系,提高天气预测的精度。
本发明中根据目标区域图像上像素值的分布情况,筛选出异常区域,对异常区域滤波处理,从而避免对整个图像进行滤波处理,对整个图像进行滤波处理,容易造成边界模糊,较难找到云层边界,本发明中根据云层边界,对滤波图提取前景图,避免背景像素点影响天气预测精度,将前景图转换到HSI空间,提取能够体现色彩亮度变化的I色调分量,并根据I色调分量的分布情况,对前景图进行分区处理,根据分区后的各色调区域上的I色调分量、各色调区域面积和RGB通道值,对未来短时天气进行预测,本发明中同时考虑在HSI空间中I色调分量和RGB空间中RGB通道值的分布情况,由于HSI空间中I色调分量可明显体现亮度变化,能显著衡量天气的情况,再结合RGB空间中RGB通道值的分布情况,提高天气预测的精度。
Claims (10)
1.一种基于图像处理的天气预测方法,其特征在于,包括以下步骤:
S1、根据目标区域图像上像素值的分布情况,对异常区域进行滤波,得到滤波图;
S2、找到云层边界,对滤波图提取前景图;
S3、将前景图转换到HSI空间,提取I色调分量;
S4、根据I色调分量分布情况,对前景图进行分区处理,得到各色调区域;
S5、根据各色调区域I色调分量、各色调区域面积和RGB通道值,对未来短时天气进行预测。
2.根据权利要求1所述的基于图像处理的天气预测方法,其特征在于,所述S1包括以下分步骤:
S11、计算目标区域图像的像素特征值;
S12、计算目标区域图像中每个局部区域的像素特征值;
S13、在目标区域图像的像素特征值和每个局部区域的像素特征值满足异常条件时,得到异常区域;
S14、对异常区域进行滤波,得到滤波区域,滤波区域和目标区域图像上非滤波区域构成滤波图。
3.根据权利要求2所述的基于图像处理的天气预测方法,其特征在于,所述S13中异常条件为:
,
,
,
其中,为第/>个局部区域的像素特征值,/>为目标区域图像的像素特征值,/>为目标区域图像上第/>个像素值,/>为目标区域图像上像素值的数量,/>为第/>个局部区域上第/>个像素值,/>为第/>个局部区域上像素值的数量。
4.根据权利要求3所述的基于图像处理的天气预测方法,其特征在于,所述S14中滤波公式为:
,
其中,为滤波区域上第/>个像素值,/>为异常区域上第/>个像素值,/>为异常区域上第/>个像素值周边的第/>个像素值。
5.根据权利要求1所述的基于图像处理的天气预测方法,其特征在于,所述S2包括以下分步骤:
S21、提取滤波图中所有满足边界条件的像素点,得到疑似边界像素点;
S22、根据疑似边界像素点的分布情况,去除离散像素点,得到连续像素点;
S23、根据连续像素点的位置,保留连续像素点中最外层像素点,得到云层边界;
S24、根据云层边界,对滤波图进行剪切,得到前景图。
6.根据权利要求5所述的基于图像处理的天气预测方法,其特征在于,所述S21中边界条件为:
,
或
,
其中,为滤波图上任一像素点左侧的像素点的像素值,/>为滤波图上任一像素点右侧的像素点的像素值,/>为滤波图上任一像素点上侧的像素点的像素值,/>为滤波图上任一像素点下侧的像素点的像素值,/>为比例系数,/>为目标区域图像的像素特征值。
7.根据权利要求1所述的基于图像处理的天气预测方法,其特征在于,所述S4包括以下分步骤:
S41、设置多个I色调等级;
S42、在同一个I色调等级下,根据前景图中每个像素点的I色调分量与该I色调等级的匹配度,将匹配度高于设定阈值的像素点归为对应I色调等级的色调区域。
8.根据权利要求7所述的基于图像处理的天气预测方法,其特征在于,所述S42中匹配度的计算公式为:
,
其中,为前景图中每个像素点的I色调分量与第/>个I色调等级的匹配度,/>为任一像素点的I色调分量,/>为最小I色调分量,/>为最大I色调分量,/>为I色调等级的数量,/>为I色调等级的编号。
9.根据权利要求1所述的基于图像处理的天气预测方法,其特征在于,所述S5包括以下分步骤:
S51、根据各色调区域I色调分量和各色调区域面积,建立色调预测模型;
S52、根据各色调区域上像素点的RGB通道值分布情况,建立RGB通道预测模型;
S53、根据色调预测模型的输出和RGB通道预测模型的输出,建立天气预测模型,对未来短时天气进行预测。
10.根据权利要求9所述的基于图像处理的天气预测方法,其特征在于,所述色调预测模型为:
,
其中,为色调预测模型的输出,/>为第/>个色调区域面积,/>为前景图的面积,/>为色调预测模型中第/>个色调区域面积/>的权重,/>为第/>个色调区域的I色调分量均值,为色调区域数量,/>为第/>个色调区域的I色调分量均值/>的权重,/>为第一修正系数;
所述RGB通道预测模型的表达式为:
,
其中,为RGB通道预测模型的输出,/>为RGB通道预测模型中第/>个色调区域面积的权重,/>为第/>个色调区域中R通道均值,/>为第/>个色调区域中G通道均值,/>为第个色调区域中B通道均值,/>为第/>个色调区域的RGB通道权重,/>为第二修正系数;
所述天气预测模型的表达式为:
,
,
其中,为天气预测模型的输出,/>为缓存参数,/>为以自然常数为底的指数函数,/>为色调预测模型的输出/>的权重,/>为RGB通道预测模型的输出/>的权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310907169.4A CN116630447B (zh) | 2023-07-24 | 2023-07-24 | 一种基于图像处理的天气预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310907169.4A CN116630447B (zh) | 2023-07-24 | 2023-07-24 | 一种基于图像处理的天气预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116630447A true CN116630447A (zh) | 2023-08-22 |
CN116630447B CN116630447B (zh) | 2023-10-20 |
Family
ID=87610258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310907169.4A Active CN116630447B (zh) | 2023-07-24 | 2023-07-24 | 一种基于图像处理的天气预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116630447B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116824586A (zh) * | 2023-08-31 | 2023-09-29 | 山东黑猿生物科技有限公司 | 图像处理方法及应用该方法的黑蒜生产质量在线检测系统 |
Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050094889A1 (en) * | 2003-10-30 | 2005-05-05 | Samsung Electronics Co., Ltd. | Global and local statistics controlled noise reduction system |
US20120288192A1 (en) * | 2011-05-13 | 2012-11-15 | Wolfgang Heidrich | Color highlight reconstruction |
CN103985091A (zh) * | 2014-04-30 | 2014-08-13 | 西安理工大学 | 基于亮度暗先验与双边滤波的单幅图像去雾方法 |
CN104217405A (zh) * | 2014-09-23 | 2014-12-17 | 闽江学院 | 融合局部与全局信息的图像椒盐噪声滤波方法 |
US20160300011A1 (en) * | 2013-08-06 | 2016-10-13 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Method of Deconvolution of Mixed Molecular Information in a Complex Sample to Identify Organism(s) |
CN106296612A (zh) * | 2016-08-09 | 2017-01-04 | 南京工业大学 | 一种图像质量评价和天气状况引导的分级式监控视频清晰化系统及方法 |
WO2018086299A1 (zh) * | 2016-11-11 | 2018-05-17 | 广东电网有限责任公司清远供电局 | 基于图像处理的绝缘子缺陷检测方法及系统 |
CN108088448A (zh) * | 2017-11-21 | 2018-05-29 | 武汉中海庭数据技术有限公司 | 一种高精度车道组与传统道路的匹配方法及装置 |
CN108230265A (zh) * | 2017-12-11 | 2018-06-29 | 南京理工大学 | 一种用于显示异常水体的声学图像处理方法 |
US20190013669A1 (en) * | 2017-07-04 | 2019-01-10 | Green Running Limited | System and method for utility management |
CN110443262A (zh) * | 2019-08-22 | 2019-11-12 | 上海海洋大学 | 基于计算机视觉的鱼体新鲜度快速无损检测方法及其装置 |
CN110717892A (zh) * | 2019-09-18 | 2020-01-21 | 宁波大学 | 一种色调映射图像质量评价方法 |
CN111028260A (zh) * | 2019-12-17 | 2020-04-17 | 上海眼控科技股份有限公司 | 图像预测方法、装置、计算机设备和存储介质 |
CN111401634A (zh) * | 2020-03-13 | 2020-07-10 | 成都信息工程大学 | 一种获取气候信息处理方法、系统、存储介质 |
CN111659126A (zh) * | 2020-07-08 | 2020-09-15 | 腾讯科技(深圳)有限公司 | 匹配进程的分配方法、装置、服务器、终端及存储介质 |
CN112311358A (zh) * | 2019-07-23 | 2021-02-02 | 施耐德电气美国股份有限公司 | 用于对热学系统进行建模的自适应滤波器组 |
CN113191979A (zh) * | 2021-04-30 | 2021-07-30 | 云南师范大学 | 一种分区域sar图像非局部均值去噪方法 |
CN113469889A (zh) * | 2020-03-30 | 2021-10-01 | 杭州海康威视数字技术股份有限公司 | 一种图像降噪的方法及装置 |
CN113759375A (zh) * | 2021-09-15 | 2021-12-07 | 云南师范大学 | 基于统计特性的sar图像非局部均值去噪方法 |
CN114004514A (zh) * | 2021-11-04 | 2022-02-01 | 四川省气象灾害防御技术中心 | 一种大气臭氧污染发生气象条件等级判别方法 |
CN114708165A (zh) * | 2022-04-11 | 2022-07-05 | 重庆理工大学 | 一种联合超像素的边缘感知纹理滤波方法 |
CN114926360A (zh) * | 2022-05-25 | 2022-08-19 | 郑州航空工业管理学院 | 基于噪声估计的图像降噪处理工作方法 |
CN115829883A (zh) * | 2023-02-16 | 2023-03-21 | 汶上县恒安钢结构有限公司 | 一种异性金属结构件表面图像去噪方法 |
CN115937269A (zh) * | 2022-11-16 | 2023-04-07 | 炜呈智能电力科技(杭州)有限公司 | 基于图像金字塔的图像差异区域检测方法 |
-
2023
- 2023-07-24 CN CN202310907169.4A patent/CN116630447B/zh active Active
Patent Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050094889A1 (en) * | 2003-10-30 | 2005-05-05 | Samsung Electronics Co., Ltd. | Global and local statistics controlled noise reduction system |
US20120288192A1 (en) * | 2011-05-13 | 2012-11-15 | Wolfgang Heidrich | Color highlight reconstruction |
US20160300011A1 (en) * | 2013-08-06 | 2016-10-13 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Method of Deconvolution of Mixed Molecular Information in a Complex Sample to Identify Organism(s) |
CN103985091A (zh) * | 2014-04-30 | 2014-08-13 | 西安理工大学 | 基于亮度暗先验与双边滤波的单幅图像去雾方法 |
CN104217405A (zh) * | 2014-09-23 | 2014-12-17 | 闽江学院 | 融合局部与全局信息的图像椒盐噪声滤波方法 |
CN106296612A (zh) * | 2016-08-09 | 2017-01-04 | 南京工业大学 | 一种图像质量评价和天气状况引导的分级式监控视频清晰化系统及方法 |
WO2018086299A1 (zh) * | 2016-11-11 | 2018-05-17 | 广东电网有限责任公司清远供电局 | 基于图像处理的绝缘子缺陷检测方法及系统 |
US20190013669A1 (en) * | 2017-07-04 | 2019-01-10 | Green Running Limited | System and method for utility management |
CN108088448A (zh) * | 2017-11-21 | 2018-05-29 | 武汉中海庭数据技术有限公司 | 一种高精度车道组与传统道路的匹配方法及装置 |
CN108230265A (zh) * | 2017-12-11 | 2018-06-29 | 南京理工大学 | 一种用于显示异常水体的声学图像处理方法 |
CN112311358A (zh) * | 2019-07-23 | 2021-02-02 | 施耐德电气美国股份有限公司 | 用于对热学系统进行建模的自适应滤波器组 |
CN110443262A (zh) * | 2019-08-22 | 2019-11-12 | 上海海洋大学 | 基于计算机视觉的鱼体新鲜度快速无损检测方法及其装置 |
CN110717892A (zh) * | 2019-09-18 | 2020-01-21 | 宁波大学 | 一种色调映射图像质量评价方法 |
CN111028260A (zh) * | 2019-12-17 | 2020-04-17 | 上海眼控科技股份有限公司 | 图像预测方法、装置、计算机设备和存储介质 |
CN111401634A (zh) * | 2020-03-13 | 2020-07-10 | 成都信息工程大学 | 一种获取气候信息处理方法、系统、存储介质 |
CN113469889A (zh) * | 2020-03-30 | 2021-10-01 | 杭州海康威视数字技术股份有限公司 | 一种图像降噪的方法及装置 |
CN111659126A (zh) * | 2020-07-08 | 2020-09-15 | 腾讯科技(深圳)有限公司 | 匹配进程的分配方法、装置、服务器、终端及存储介质 |
CN113191979A (zh) * | 2021-04-30 | 2021-07-30 | 云南师范大学 | 一种分区域sar图像非局部均值去噪方法 |
CN113759375A (zh) * | 2021-09-15 | 2021-12-07 | 云南师范大学 | 基于统计特性的sar图像非局部均值去噪方法 |
CN114004514A (zh) * | 2021-11-04 | 2022-02-01 | 四川省气象灾害防御技术中心 | 一种大气臭氧污染发生气象条件等级判别方法 |
CN114708165A (zh) * | 2022-04-11 | 2022-07-05 | 重庆理工大学 | 一种联合超像素的边缘感知纹理滤波方法 |
CN114926360A (zh) * | 2022-05-25 | 2022-08-19 | 郑州航空工业管理学院 | 基于噪声估计的图像降噪处理工作方法 |
CN115937269A (zh) * | 2022-11-16 | 2023-04-07 | 炜呈智能电力科技(杭州)有限公司 | 基于图像金字塔的图像差异区域检测方法 |
CN115829883A (zh) * | 2023-02-16 | 2023-03-21 | 汶上县恒安钢结构有限公司 | 一种异性金属结构件表面图像去噪方法 |
Non-Patent Citations (5)
Title |
---|
P DAS等: ""Adaptive denoising of 3D volumetric MR images using local variance based estimator"", 《ELSEVIER》, pages 1 - 12 * |
RUDRAPPA等: ""Pixel saturation applied for cloud cover estimation in ground based all sky Image"", 《JOURNAL OF PHARMACEUTICAL NEGATIVE PESULTS》, pages 173 - 176 * |
单广翠: ""一种基于局部方差的图像低对比度区域判定方法"", 《软件导刊》, vol. 13, no. 3, pages 147 - 149 * |
王雪等: ""雹云图像的识别指标设计"", 《哈尔滨理工大学学报》, vol. 21, no. 1, pages 45 - 50 * |
金嘉棋等: ""基于机器视觉的区域太阳直接辐射动态预测方法研究"", 《太阳能学报》, vol. 42, no. 6, pages 247 - 255 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116824586A (zh) * | 2023-08-31 | 2023-09-29 | 山东黑猿生物科技有限公司 | 图像处理方法及应用该方法的黑蒜生产质量在线检测系统 |
CN116824586B (zh) * | 2023-08-31 | 2023-12-01 | 山东黑猿生物科技有限公司 | 图像处理方法及应用该方法的黑蒜生产质量在线检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116630447B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108549874B (zh) | 一种目标检测方法、设备及计算机可读存储介质 | |
CN116630447B (zh) | 一种基于图像处理的天气预测方法 | |
CN107103591B (zh) | 一种基于图像雾霾浓度估计的单幅图像去雾方法 | |
CN106779232B (zh) | 一种城市内涝的建模预测方法 | |
WO2023071464A1 (zh) | 图像处理方法、装置及存储介质 | |
CN110532876A (zh) | 夜晚模式镜头付着物的检测方法、系统、终端和存储介质 | |
US20170178341A1 (en) | Single Parameter Segmentation of Images | |
CN112668534B (zh) | 基于数字正射影像和数字表面模型反演林区植被高度的方法 | |
CN115131375B (zh) | 一种矿石自动分割方法 | |
CN112465708A (zh) | 基于暗通道改进的图像去雾方法 | |
CN116342440B (zh) | 一种基于人工智能的车载视频监控管理系统 | |
CN110532875A (zh) | 夜晚模式镜头付着物的检测系统、终端和存储介质 | |
CN111127337B (zh) | 图像局部区域高光调整方法、介质、设备及装置 | |
CN115909033A (zh) | 一种摄像机镜头凝冻状态评估方法及装置 | |
CN108198178B (zh) | 大气程辐射值的确定方法和装置 | |
CN116109511A (zh) | 红外图像边缘增强的方法和系统 | |
CN114067534B (zh) | 基于机器视觉的地质灾害预警方法及系统 | |
CN114663682B (zh) | 一种提高抗干扰性能的目标显著性检测方法 | |
Abbaspour et al. | A new fast method for foggy image enhancement | |
CN115880181A (zh) | 一种增强图像对比度的方法、装置及终端 | |
CN110322431B (zh) | 雾霾图像质量评价方法、系统、存储介质及电子设备 | |
CN115376106A (zh) | 基于雷达图的车型识别方法、装置、设备及介质 | |
KR20140011118A (ko) | 평가 전달량에 기초한 안개 영상 보상 방법 | |
CN112215104A (zh) | 一种基于超像素分割的海冰提取方法、装置和设备 | |
CN111445394A (zh) | 空对地观测的可见光图像自适应增强方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |