一種地基可見光云圖識別處理方法技術

本發明專利技術公開一種地基可見光云圖識別處理方法，其包括采集云圖、對輸入的彩色圖像進行去噪、增強等預處理，然后采用基于感知顏色空間的透明度分割出天空背景和云前景；再提取出云前景圖像的透明度值，同時輔以紋理特征共同作為不同云類別的區別特征；最后利用神經網絡結合云類別特征數據庫中進行云類型的分類，并存儲和顯示相應特征和結果。本發明專利技術適用于地基全天空可見光云的識別處理工作，可解決人工目判的局限，具備一定的自動化判別功能，方法實現容易、結構簡單、成本低，對常見的云識別分類具有較好效果，尤其是對于背景天空的純凈度要求不高的情況下，云空分離效果較一般的閾值判別法好。

【技術實現步驟摘要】
本專利技術涉及數字圖像處理
，特別是一種適用于氣象站氣象分析的地基可見光云圖識別處理方法。
技術介紹
云是地球上水文循環的一個重要環節，它與地面輻射相互作用共同影響著局地和全球尺度的能量平衡。不同類型云的輻射特性以及其分布情況，對天氣預報的準確性、全球氣候變化和飛行保障等具有重要意義。由于云時刻變化，目前國內外普遍依靠人的目力進行地基云類別的觀測，自動觀測仍在探索研究階段。其中以基于數字圖像處理技術進行云類屬識別處理為主，廣泛用到的是基于藍紅灰度比(或輻射亮度比)、不同云具有不同的紋理作為分割和分類依據，但最終的判別結果不夠理想，主要原因如下 第一，低能見度下，由于氣溶膠的增加造成天空色度的藍色成分削弱，有氣溶膠的天空將變得灰白，如利用藍紅灰度比進行云和天空的分離，會將氣溶膠大氣誤判為云；第二，云類別繁多，形態相異也相近，時刻變化復雜，圖像表現形式單一，僅是利用單純一種特征進行判別，識別率必定不高。
技術實現思路
針對現有技術中云識別率較低的問題，本專利技術提供一種識別處理效果好，且易于實現和管理的地基可見光云圖識別處理方法。因為考慮到云為半透明物體，而不同類別云具有不同的透明度值，本專利技術將傳統的云紋理特征與透明度結合，以更能充分表現不同云的特征，從而大幅提高識別率。為實現上述目的，本專利技術采取的技術方案為一種地基可見光云圖識別處理方法，包括以下步驟I)采集包含地基可見光云圖的原始圖像；2).將采集到的彩色的原始圖像由RGB空間變換到灰度空間，獲得與原始圖像相對應的灰度圖像；然后對灰度圖像進行濾波處理得到去噪圖像，再對去噪圖像進行非線性灰度變換以得到增強圖像，并將增強圖像由灰度空間變換到RGB空間，以獲得彩色增強圖像；3).利用基于感知顏色空間的自然圖像摳圖方法，從彩色增強圖像中將天空背景和云前景分離開來；4).從分離出的云前景中提取特征集；5).根據提取出的特征集中的數據，利用訓練好的神經網絡分類器進行云類型的分類判別，得到云類型的判別結果。為了便于獲知識別結果以及日后對識別歷史的查看，本專利技術還包括步驟6):顯示并存儲云類型的判別結果以及云特征集。進一步的，本專利技術步驟2中利用自適應維納濾波方法對灰度圖像進行濾波去噪處理，再利用免疫遺傳算法確定圖像非線性灰度變換增強參數，然后對圖像進行非線性灰度變換，得到增強圖像。優選的，本專利技術步驟4中，所述特征集包括云前景彩色云圖中RGB三通道的透明度均值、最大值和最小值，以及云前景灰度云圖0°、45°、90° >135°四個方向對應的二階矩、對比度、相關性和熵，各自的平均值，這些特征數據即可作為云類型識別的要素特征，以綜合多因素識別云類型，提高識別的準確率。更進一步的，本專利技術還包括收集不同云類型對應的特征作為云類型特征數據庫，并利用云類型特征數據庫進行神經網絡分類器的訓練。云類型特征數據庫中的特征值種類與步驟4中提取的特征集中的特征值種類相對應，基于這樣的云類型特征數據庫訓練的神經網絡分類器，在進行云類別識別時可較準確并迅速的得到云類型的識別結果。有益效果本專利技術利用透明度匹配算法對云圖進行了分離，在分離的基礎上提取出云圖的特 征值用于云類型的識別，識別的準確度大大提高；且本專利技術結構簡單，僅需現有的圖像采集器和計算機即可實現，為氣象站的準確預測災害天氣提供了技術保障；同時本專利技術的存儲顯示功能便于氣象信息的管理。附圖說明圖I所示為本專利技術的具體實施例的方法流程圖；圖2所示為本專利技術中非線性灰度變換圖像增強方法的流程圖；圖3所示為圖2圖像增強方法中免疫遺傳算法流程圖；圖4所示為基于感知顏色空間摳圖方法的透明度統計圖像分割示意圖；圖5所示為云類型識別BP神經網絡的結構模型示意圖。具體實施例方式為使本專利技術的內容更加明顯易懂，以下結合附圖和具體實施方式做進一步描述。如圖I所示，本專利技術的具體實施例方法包括步驟I)采集圖像，并將原始圖像由RGB空間變換到灰度空間，獲得原始圖像對應的灰度圖像；圖像在RGB空間與灰度空間的轉換可利用現有技術實現。2).對步驟I獲得的灰度圖像進行自適應維納濾波以得到去噪圖像，并對去噪圖像進行非線性灰度變換以得到增強圖像。其中自適應維納濾波器為現有技術，其根據局部圖像的差異來調整參數，對局部差異大的地方進行小的平滑操作，對局部差異小的地方進行大的平滑操作。如圖2所示，上述步驟中的圖像增強過程的具體流程為2. I)采用式(I)對去噪圖像f (i，j)進行歸一化處理。 /, ;、— /(/，./) —min(/(/，/))g(hJ) =-,t j,,·max(./(/,./))-誦(f (/, /))d)式(I)中，i和j表示圖像像素點所在的坐標行與列，f (i，j)表示坐標為(i，j)的原始圖像灰度值，g(i，j)為其處理后的灰度值。2. 2)對歸一化處理后的圖像，采用如圖3所示的現有的基本免疫遺傳算法尋求最佳變換參數α和β (O < α，β < 10)。針對不同圖像，α和β的值可利用免疫遺傳算法自動尋得最優參數，圖像不同，最優結果也不同。其中免疫遺傳算法的適應度函數涉及圖像的方差Fa。、信息熵Ε、像素差別Ffc以及信噪改變量In。等圖像質量緊密相關的四個性能評價參數，這四個評價指標是推動免疫遺傳算法尋找最佳參數的動力，即免疫遺傳算法中適應度函數的構成因素。適應度值越大，圖像質量越好。適應度函數表達式為Fitness = E · Inc · Fac+Fbr (2)其中，圖像的方差本文檔來自技高網...

【技術保護點】
一種地基可見光云圖識別處理方法，其特征是，包括以下步驟：1).？采集包含地基可見光云圖的原始圖像；2).？將采集到的彩色的原始圖像由RGB？空間變換到灰度空間，獲得與原始圖像相對應的灰度圖像；然后對灰度圖像進行濾波處理得到去噪圖像，再對去噪圖像進行非線性灰度變換以得到增強圖像，并將增強圖像由灰度空間變換到RGB空間，以獲得彩色增強圖像；3).？利用基于感知顏色空間的自然圖像摳圖方法，從彩色增強圖像中將天空背景和云前景分離開來；4).？從分離出的云前景中提取特征集；5).？根據提取出的特征集中的數據，利用訓練好的神經網絡分類器進行云類型的分類判別，得到云類型的判別結果。

【技術特征摘要】
1.一種地基可見光云圖識別處理方法，其特征是，包括以下步驟 1).采集包含地基可見光云圖的原始圖像； 2).將采集到的彩色的原始圖像由RGB空間變換到灰度空間，獲得與原始圖像相對應的灰度圖像；然后對灰度圖像進行濾波處理得到去噪圖像，再對去噪圖像進行非線性灰度變換以得到增強圖像，并將增強圖像由灰度空間變換到RGB空間，以獲得彩色增強圖像； 3).利用基于感知顏色空間的自然圖像摳圖方法，從彩色增強圖像中將天空背景和云前景分離開來； 4).從分離出的云前景中提取特征集； 5).根據提取出的特征集中的數據，利用訓練好的神經網絡分類器進行云類型的分類判別，得到云類型的判別結果。2.根據權利要求I所述的地基可見光云圖識別處理方法，其特征是，還包括步驟 6)...

【專利技術屬性】
技術研發人員：王敏，周樹道，陳曉穎，黃峰，
申請(專利權)人：中國人民解放軍理工大學氣象學院，
類型：發明
國別省市：