一种地基云自动检测方法

摘要

本发明公开一种地基云自动检测方法，其中包括可见光云图的采集；对云图蓝红两波段图像进行非线性动态范围的灰度调整得到两波段增强图像，再对两波段增强图像差值处理得到特征图；对特征图进行Shearlet变换得到多尺度不同方向的子带系数；然后对各子带系数模值图像的纹理特征进行抽取；最终采用聚类算法对抽取的特征向量进行分类实现云图的自动检测。本发明可解决人工目判的局限，实现可见光云图的自动检测，且具有较好的鲁棒性和准确性。

权利要求

1.一种地基云自动检测方法，其特征在于，该方法包括以下步骤：步骤1：利用成像设备对可见光云图采集；

步骤2：输入采集好的云图进行各颜色通道的分离，再对蓝红两波段云图像进行非线性动态范围的灰度调整获取云图的蓝波段增强图像B′和红波段增强图像R′，然后将两波段增强图像的差值图(B′-R′)归一化到[0 255]，得到特征图像；

步骤3：特征图像进行多尺度多方向的Shearlet分解；

步骤4：在步骤3的基础上对各尺度不同方向子带系数取模值，并对各子带的模值图像进行特征抽取；

步骤5：利用聚类算法对步骤4抽取的特征向量进行分类，最终实现可见光云的自动检测；

所述步骤4的具体计算过程如下：

步骤4.1以云图蓝红两波段增强图像的差值图作为特征图进行Shearlet变换，得到一系列子带；

步骤4.2各尺度不同方向的子带系数进行非局部均值滤波，来降低相同纹理区域的特征的变换，同时增加不同区域的区别；

步骤4.3滤波后的各子带系数取模值，计算第1层的d方向上的模值图像I1d在(2n+1)×(2n+1)大小窗口下的局部能量 和局部能量方差其中x、y表示各子带模值图像中的位置，u1为滑动窗口内 的均值， 为窗口内能量的方差作为待分类的特征向量，即云图F中像素点(x，y)最终的特征向量表示为：

2.根据权利要求1所述的一种地基云自动检测方法，其特征在于，步骤4所述的分类算法为：模糊C均值聚类算法。

说明书

一种地基云自动检测方法

技术领域

[0001] 本发明属于图像处理技术领域，尤其是一种地基云自动检测方法。

背景技术

[0002] 云作为地球上水文循环的一个重要环节，其与地面辐射相互作用共同影响着局部和全球范围的能量平衡。因此，准确地获取云的信息，对天气预报的准确性、全球范围内的气候变化以及飞行保障等都有十分重要的意义。目前云的检测主要靠人工做出判断，这种方法费时、费力并且带有很强的主观局限性。同时由于受人为主观因素影响以及夜间光照条件的限制，人工云量观测具有较大的主观误差，且人工消耗很大，给云的观测资料的定量化应用带来不便，因此实现云量的自动检测是当前的迫切需要。

[0003] 目前的地基云检测算法主要是以阈值为基础，即以红蓝波段的灰度值(或辐射亮度)对比作为云和晴空的判断依据。Long等提出了用固定阈值进行云的检测，这种方法在晴朗天空下对厚云的检测效果较好，但考虑到天空云图的复杂性，固定阈值不能使所有图像获得好的检测结果。之后杨俊等人提出的应用最大类间方差阈值法可对不同的云图自适应计算阈值，但由于云的形态千变万化以及光照的影响，对整幅云图采用一个全局阈值并不能获得很好的检测精度。

发明内容

[0004] 为了解决地基云自动检测的问题，本发明的目的是充分利用地基可见光云图的纹理特征，实现云的自动检测，具有很强的鲁棒性和正确性。

[0005] 本发明专利所解决的技术问题可采用如下的技术解决方案来实现：

[0006] 一种地基云自动检测方法，其特征在于包括以下步骤：

[0007] 步骤1：利用成像设备对可见光云图采集；

[0008] 步骤2：输入采集好的云图进行各颜色通道的分离，再对云图蓝红两波段图像进行非线性动态范围的灰度调整获取云图蓝波段增强图像B′与红波段增强图像R′，然后将两波段增强图像的差值图(B′-R′)的像素归一化到[0 255]，得到特征图像；

[0009] 步骤3：特征图像进行多尺度多方向的Shearlet分解；

[0010] 步骤4：在步骤3的基础上对各尺度不同方向子带系数进行非局部均值滤波处理，来降低相同纹理区域特征的变换，同时增加不同纹理区域的区别。然后对滤波后的子带系数取模值，计算第l层的d方向上模值图像Ild在(2n+1)×(2n+1)大小窗口下的局部能量和局部能量方差

[0011]

[0012]

[0013] 其中x、y表示各子带模值图像中的位置，ul为滑动窗口内 的均值， 为窗口内能量的方差作为待分类的特征向量，即云图F中像素点(x，y)最终的特征向量表示为：

[0014] 步骤5：利用模糊C均值聚类算法对步骤4抽取的特征向量进行分类，最终实现云的自动检测。

[0015] 本发明的有益效果是：本发明使用Shearlet变换提取云图的不同尺度、方向的纹理特征，并利用模糊C均值聚类算法对纹理特征矩阵进行分类，最终达到地基云的自动检测。本发明减弱了太阳光照对地基云的影响，同时充分利用云图的颜色特征和纹理特征，具有很强的鲁棒性和较高的准确性；本发明结构简单，利用现有的图形采集设备和普通计算机即可进行实现，提高了实用性和适 用性。

附图说明

[0016] 图1是一种地基云自动检测方法的总体流程图

[0017] 图2是根据本发明的实施例在云图数据集上部分检测效果图

具体实施方式

[0018] 如图1所示，本发明的具体实施方法包括如下具体步骤：

[0019] 1)利用成像设备采集天空云图像。

[0020] 2)对输入的RGB云图分解成为R、G、B三个颜色通道的图像，再分别对R颜色通道和B颜色通道的图像进行非线性动态范围的灰度调整分别得到R颜色通道(红波段)的增强图像R′和B颜色通道(蓝波段)的增强图像B′。

[0021] 3)对增强的云图蓝红波段图像进行差值处理，得到单一通道的(B′-R′)图像。再将单通道(B′-R′)图像的像素归一化到[0 255]，得到特征图像。

[0022] 4)利用Shearlet变换对特征图像进行多尺度分解，然后利用剪切矩阵对得到的多尺度图像进行剪切操作，进行方向分解，获得不同尺度、不同方向的子带系数。

[0023] 5)对得到的各子带系数采用非局部均值滤波，来降低相同纹理区域内特征的变换，增加不同区域的区别。各尺度不同方向子带系数I={D(x)|x∈I}滤波后的估计值为NL[D(x)]：

[0024]

[0025] 其中w(x，y)表示像素点x与像素点y的相似程度，G(D(x))与G(D(y))分别表示以x和y两像素点为中心的邻域窗口，G(D(x))与G(D(y))的相似度由它们之间的欧式距离决 定，即权值定义为：

[0026]

[0027] 参数h控制指数函数的衰减速度，权值满足条件0≤w(x，y)≤1且∑w(x，y)=1，Z(x)为权值归一化因子，其计算公式为：

[0028]

[0029] 6)对各尺度不同方向经过滤波后的子带系数取模值，然后计算第l层的d方向上模值图像Ild在(2n+1)×(2n+1)大小窗口下的局部能量 和局部能量方差

[0030]

[0031]

[0032] 其中x、y表示各子带模值图像中的位置，ul为滑动窗口内 的均值， 为窗口内能量的方差作为待分类的特征向量，即云图F中像素点(x，y)最终的特征向量表示为：

[0033] 7)利用模糊C均值聚类算法，将云图区域中各像素点的能量方差组成的特征向量，进行分类，具体过程如下：

[0034] A定义上步中的特征向量为X={x1，x2，...，xn}，特征向量初始化给定分类中心数C(2≤C≤n)，指数因子m，迭代截至误差ε，算法最大迭代次数Tmax，utj表示第j个样本属于第i个中心的隶属度，隶属度矩阵U=[utj]，xj表示第j个样本，定义V={v1，v2，...，vc}是矢量X上的集合，表示C个聚类中心向量。

[0035] B对t=1，2，…，Tmax进行迭代计算，计算Vt=[v1，tv2，t…，vC，t]，其中[0036]

[0037] 计算Ut=[utj，t]c×n，其中vtj，t的确定过程为：令dtj，t=||xj-v1，t||2，如果dtj，t=0，则utj，t=1，且对k≠i，ukj，t=0；如果dtj，t＞0，则

[0038] C如果||Ut-Ut-1||＜ε，则终止迭代输出图片，否则对下一个t进行计算。图2为根据本发明的实施例在云图数据集上的部分检测效果图。