一种基于梯度算法的太阳跟踪数据集生成方法技术

本发明专利技术公开一种基于梯度算法的太阳跟踪数据集生成方法，应用于图像处理领域，针对现有数据集未能有效反映云层厚度及其与太阳空间位置关系的问题；本发明专利技术通过提取多个不同天气不同厚度不同时刻的云层块，对所有云层块计算Sobel梯度，根据需要按照梯度值划分区间，归类不同厚度的云层块；然后，随机选取每一类厚度中的一张云层块图像，并对其源图像进行前后背景的区分，提取出源图像中的云层ROI区域；接着，将云层ROI区域进一步二值化，得到云层块ROI的二值图像mask；然后，利用云层块的mask和目标图像中太阳的位置信息进行不同覆盖度的图像融合；最后，得到不同天气条件下、不同云层块厚度、不同覆盖度的云层遮蔽太阳图像。

【技术实现步骤摘要】

本专利技术属于图像处理领域，特别涉及一种太阳跟踪数据集生成技术。

技术介绍

1、图像融合技术是图像处理领域的一个重要的子领域，旨在实现在源图像中选定的目标对象与目标背景之间的无缝融合，使合成后的图像更自然。对于源图像和目标图像之间存在明显不同纹理特征的时候，直接合成的图像会存在明显的边界。目前图像融合技术主要有基于光流法的图像融，基于最佳融合线的图像融合以及基于生成对抗网络的融合算法。基于光流法的配准效果较好，但是由于要计算稠密光流，所以其实时性较差；基于最佳融合线得到的图像虽然解决了重影现象，但是该算法通常需要结合其他算法进一步解决不同图像的曝光差异，致使算法复杂度提升；基于生成对抗网络的算法融合效果较好，但对于实时性和计算复杂度的要求上，该网络算法的收益不大。泊松融合方式作为一种通过构建泊松方程来求解像素最优解进行图像融合的算法，具有较好的效果，且基于梯度域的特点可以达到图像边界平滑过渡的目的，算法的复杂度也依赖于opencv库的提供得到很好的优化。

2、随着aiot时代的高速发展，人们的生活生产方式已经发送了巨大的变化。深度学习和机器学习本文档来自技高网...

【技术保护点】

1.一种基于梯度算法的太阳跟踪数据集生成方法，其特征在于，包括：

2.根据权利要求1所述的一种基于梯度算法的太阳跟踪数据集生成方法，其特征在于，步骤S2所述随机多次地对源图像中的云层块进行提取，具体为：随机从源图像中选取一张图像，通过OpenCV库中的selectROI方法，对该源图像进行多次随机地框选云层块ROI。

3.根据权利要求1所述的一种基于梯度算法的太阳跟踪数据集生成方法，其特征在于，步骤S3所述grabcut方法的实现过程为：

4.根据权利要求1所述的一种基于梯度算法的太阳跟踪数据集生成方法，其特征在于，步骤S4具体为：调用OpenCV库中...

【技术特征摘要】

1.一种基于梯度算法的太阳跟踪数据集生成方法，其特征在于，包括：

2.根据权利要求1所述的一种基于梯度算法的太阳跟踪数据集生成方法，其特征在于，步骤s2所述随机多次地对源图像中的云层块进行提取，具体为：随机从源图像中选取一张图像，通过opencv库中的selectroi方法，对该源图像进行多次随机地框选云层块roi。

3.根据权利要求1所述的一种基于梯度算法的太阳跟踪数据集生成方法，其特征在于，步骤s3所述grabcut方法的实现过程为：...

【专利技术属性】
技术研发人员：吴锁，刘海隆，李俊鹏，周强，唐子建，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：