一种基于晴空库的云团识别方法技术

本发明专利技术公开了一种基于晴空库的云团识别方法，包括以下步骤：S1:云图采集及预处理；S2:云团粗提取；S3:晴空库搜索及最佳背景确定；S4:晴空背景消除；S5:差值图像对比度增强；S6:云团精细提取。由此完成对地基云图内云团的精准识别。本发明专利技术具有识别过程简单快捷、识别精度高、识别方法更具普适性等特点。识别方法更具普适性等特点。识别方法更具普适性等特点。

【技术实现步骤摘要】
一种基于晴空库的云团识别方法


[0001]本专利技术涉及图像处理
，尤其涉及一种基于晴空库的云团识别方法。

技术介绍

[0002]云团运动及其变化直接影响着全球的气候状况，是牵制地球接收太阳辐射的主要因素。随着太阳能等可再生能源装机量的不断攀升，为保证整个光伏系统的平稳运行，对于云团的观测得到了越来越多的关注。这是由于云层遮挡所导致的光伏功率骤变是造成太阳能资源随机波动最为主要的因素。
[0003]传统的对于云团分析多依靠气象卫星的观测图像，卫星图像可以提供大范围的云层信息，但卫星图像的刷新速率大多在30分钟及以上，多被应用于小时级的气象监测，显然无法满足针对光伏场站高时间分辨率观测的工作需求。地基观测方法的出现为此提供了有效的解决方案。地基设备安装简单、操作灵活、成本更低同时具有快速的实时相应功能，这使其成为成为云团识别观测的重要手段。
[0004]获取云团信息需要首先将云团从地基云图中分割开来。区别于普通刚体，云团作为气液固三态的混合体，其边缘轮廓界限模糊，使分割工作具有高度的挑战性。
[0005]目前已存在多种云团识别的方法，不同方法各有其优点及局限。
[0006]如公开号为CN104966291B的中国专利文献公开了一种基于地基云图的云团自动检测方法，以归一化红蓝比NBR做为判据结合最小交叉熵方法确定阈值完成云团的检测。但阈值分割的方法对于图像噪声反应敏感，识别结果同样受天空背景状况的约束。同时在雾霾等弱天气条件下，云团边界模糊难以与天空元素相区别，单阈值的分割结果容易发生云团的误判，导致识别精度的降低。
[0007]公开号为CN108509844B的中国专利文献公开了一种基于地基云图VPER云团识别方法，通过提取云图RGB颜色通道的颜色特征，对不同区域内各颜色通道影响权重赋值达到云团分割的目的。该方法将天空划定为不同区域以消除光照条件变化的影响，但全天空的亮度变化是连续的，非连续的区域化处理依旧与真实天空条件有所出入，同时采用固定权重设置阈值的分割思路也无法完全消除背景环境变化的干扰，因而难以真正有效地解决低精度云团识别的困难。

技术实现思路

[0008]针对现有技术的不足，本专利技术公开了一种基于晴空库的云团识别方法，能较好地解决传统基于色彩通道的云团识别方法易受由天空背景状况变化所带来的识别不精准问题，提高了识别结果的精度。
[0009]一种基于晴空库的云团识别方法，包括以下步骤：
[0010]S1:对地基云图进行预处理操作，将太阳旋转至图像正上方，包括以下步骤：
[0011]S11:根据所述地基云图的拍摄时间计算当前时刻下的太阳高度角及太阳方位角；
[0012]S12:根据所述太阳方位角，将所述地基云图逆时针旋转相应角度使所述地基云图
内太阳位于图像正上方的位置；
[0013]S2:采用Ostu自适应阈值法对所述预处理图像进行粗分割，记录所述粗分割图像内所有天空元素所在像素的位置信息；
[0014]S3:在晴空库中搜索并确定在所述粗分割天空元素所在位置范围内与所述预处理图像吻合度最高最佳晴空背景，包括以下步骤：
[0015]S31:根据步骤1所得太阳高度角确定所述晴空背景在所述晴空库内的子库位置；
[0016]S32:遍历所述子库内所有晴空图片，分别计算所述预处理图像和各张晴空图像在步骤2所得天空像素范围内的皮尔森相关系数表示两者的相似程度，取相关系数最大值的晴空图片为最佳晴空背景；
[0017]S4:将所述预处理图像与所述最佳晴空背景的RGB图像转化为灰度图像，后对两幅图像进行做差运算完成晴空背景消除，得到差值图像；
[0018]S5:对所述差值图像进行直方图均衡化处理，增强图像对比度；
[0019]S6:采用Kmeans聚类算法对所述增强图像进行精细分割，最终提取出云团区域。
[0020]优选地，所述步骤S3中晴空库的建立方法如下：
[0021]以太阳高度角为依据在所述晴空库内建立90个子库，分别存放不同太阳高度角下的晴空图片。各晴空图片首先经旋转操作将太阳调整至图像正上方的位置，后根据所述晴空图片太阳所在高度角的大小将其保存至相应所述子库。重复此操作直至所有晴空图片均被放置在晴空库内由此完成晴空库的建立。
[0022]本专利技术由于采用以上技术方案，相比于现有技术，本专利技术的有益效果在于：
[0023](1)本专利技术所采用的晴空背景包含了全天空的各种信息，因而无需考虑因天空亮度的不均匀分布为各区域识别条件带来的差异，简化了识别过程的同时保证了整体的识别精度；
[0024](2)本专利技术通过对地基云图进行旋转操作固定太阳位置，使识别过程无需考虑太阳运动的影响，同时背景相减后可同时消除一般方法难以识别的太阳区域，更为高效精准。
附图说明
[0025]图1为本专利技术的一种基于晴空库的云团识别方法的流程示意图。
[0026]图2(a)为由全天空成像仪采集的原始地基云图。
[0027]图2(b)为经预处理操作的地基云图。
[0028]图2(c)为所得最佳晴空背景。
[0029]图2(d)为差值图像。
[0030]图2(e)为对比度增强后的差值图像。
[0031]图2(f)为云团识别结果。
具体实施方式
[0032]以下结合附图及具体实施方式对本专利技术进行详细说明。
[0033]如图1所示，本专利技术实施例提供的一种基于晴空库的云团识别方法，包括以下步骤：
[0034]S1:对地基云图进行预处理操作，将太阳旋转至图像正上方，包括以下步骤：
[0035]S11:根据地基云图的拍摄时间计算当前时刻下的太阳高度角及太阳方位角；
[0036]S12:根据所述太阳方位角，将地基云图逆时针旋转相应角度使所述地基云图内太阳位于图像正上方的位置；
[0037]S2:采用Ostu自适应阈值法对所述预处理图像进行粗分割，记录所述粗分割图像内所有天空元素所在像素的位置信息；
[0038]S3:在晴空库中搜索并确定在所述粗分割天空元素所在位置范围内与所述预处理图像吻合度最高最佳晴空背景，包括以下步骤：
[0039]S31:根据步骤1所得太阳高度角确定所述晴空背景在所述晴空库内的子库位置；
[0040]S32:遍历所述子库内所有晴空图片，分别计算所述预处理图像和各张晴空图像在步骤2所得天空像素范围内的皮尔森相关系数，取相关系数最大值的晴空图片为最佳晴空背景；
[0041]S4:将所述预处理图像与所述最佳晴空背景的RGB图像转化为灰度图像，后对两幅图像进行做差运算完成晴空背景消除，得到差值图像；
[0042]S5:对所述差值图像进行直方图均衡化处理，增强图像对比度；
[0043]S6:采用Kmeans聚类算法对所述增强图像进行精细分割，最终提取出云团区域。
[0044]作为一种优选的实施方式，本专利技术所采用的晴空库的建立方法如本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于晴空库的云团识别方法，其特征是，包括以下步骤：S1:对地基云图进行预处理操作，将太阳旋转至图像正上方；S2:采用Ostu自适应阈值法对所述预处理图像进行粗分割，记录所述粗分割图像内所有天空元素所在像素的位置信息；S3:在晴空库中搜索并确定在所述粗分割天空元素范围内与所述预处理图像吻合度最高最佳晴空背景；S4:将所述预处理图像与所述最佳晴空背景的RGB图像转化为灰度图像，后对两幅图像进行做差运算完成晴空背景消除，得到差值图像；S5:对所述差值图像进行直方图均衡化处理，增强图像对比度；S6:采用Kmeans聚类算法对所述增强图像进行精细分割，最终提取出云团区域。2.如权利要求1所述的基于晴空库的云团识别方法，其特征在于，所述步骤S1具体包括：S11:根据所述地基云图的拍摄时间计算当前时刻下的太阳高度角及太阳方位角；S12:根据所述太阳方位角，将所述地基...

【专利技术属性】
技术研发人员：颜子璇，牛一森，邹良林，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：