[發(fā)明專利]一種基于云量特征的全天空云圖云量分類方法

在審

• 申請?zhí)枺?/td>: 202210062442.3
• 申請日: 2022-01-19
• 公開（公告）號: CN114399667A
• 公開（公告）日: 2022-04-26
• 發(fā)明（設(shè)計）人: 邱波;李曉彤;張立文
• 申請（專利權(quán)）人: 邱波;李曉彤;張立文
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G06T5/00;G06T7/00;G06T7/136;G06T7/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于云量特征的全天空云圖云量分類方法，其特征在于，包括如下步驟：

(1)獲取輸入的全天空云圖，對全天空云圖進行標記分類，得到對應(yīng)的標簽；

(2)對所述全天空云圖進行預(yù)處理，得到預(yù)處理全天空云圖；

(3)檢測預(yù)處理全天空云圖中的云區(qū)域，得到僅包含云的灰度圖像；

(4)根據(jù)所述僅包含云的灰度圖像提取得到每張全天空云圖的云量特征；

(5)將所述全天空云圖的云量特征和對應(yīng)的標簽輸入隨機森林分類器，得到分類模型；

(6)獲取待處理全天空云圖的云量特征，將其輸入至所述分類模型中，得到相應(yīng)的類別。

2.根據(jù)權(quán)利要求1所述的基于云量特征的全天空云圖云量分類方法，其特征在于，所述步驟(1)具體為：

獲取輸入的全天空云圖并進行基于云量的標記分類，得到對應(yīng)的標簽。

3.根據(jù)權(quán)利要求1所述的基于云量特征的全天空云圖云量分類方法，其特征在于，所述步驟(2)包括以下步驟：

(21)對所述全天空云圖進行圖像裁剪，僅保留中央有效區(qū)域；

(22)對所述裁剪后的圖像進行圖像去噪去除太陽區(qū)域，得到預(yù)處理全天空云圖。

4.根據(jù)權(quán)利要求3所述的基于云量特征的全天空云圖云量分類方法，其特征在于，所述步驟(22)中，去除太陽區(qū)域具體包括以下步驟：

(221)獲取所述裁剪后的全天空云圖的灰度圖像；

(222)獲取與所述全天空云圖具有相同太陽仰角的晴空背景云圖的灰度圖像；

(223)將裁剪后的全天空云圖的灰度圖像減去與所述全天空云圖具有相同太陽仰角的晴空背景云圖的灰度圖像，去除太陽區(qū)域后得到預(yù)處理全天空云圖。

5.根據(jù)權(quán)利要求1所述的基于云量特征的全天空云圖云量分類方法，其特征在于，所述步驟(3)包括以下步驟：

(31)將預(yù)處理全天空云圖通過閾值分割算法得到二值化圖像；

(32)將所述二值化圖像與預(yù)處理全天空云圖進行相乘得到僅包含云的灰度圖像。

6.根據(jù)權(quán)利要求5所述的基于云量特征的全天空云圖云量分類方法，其特征在于，所述步驟(31)中，所述閾值分割算法為OTSU算法，該算法通過類間方差最大化實現(xiàn)最佳分割。

7.根據(jù)權(quán)利要求1所述的基于云量特征的全天空云圖云量分類方法，其特征在于，所述步驟(4)具體為：

根據(jù)所述僅包含云的灰度圖像和與所述全天空云圖具有相同太陽仰角的晴空背景云圖的灰度圖像對應(yīng)像素位置的灰度值，計算得到輸入全天空云圖的云量特征。

8.根據(jù)權(quán)利要求1所述的基于云量特征的全天空云圖云量分類方法，其特征在于，所述步驟(4)中，云量特征分別為云重、云面積比值和云散布度。所述云重表示云區(qū)域的厚薄程度，所述云面積比值表示云區(qū)域面積占全天空云圖有效區(qū)域面積的比值，所述云散布度表示云區(qū)域圍繞全天空云圖中心的分布情況。

9.根據(jù)權(quán)利要求1所述的基于云量特征的全天空云圖云量分類方法，其特征在于，所述步驟(5)具體為：

將根據(jù)步驟(4)得到的每張全天空云圖的云量特征與該全天空云圖對應(yīng)的類別標簽輸入隨機森林分類器，訓練得到全天空云圖的分類模型。