在太阳辐射超短期预测研究中，将云图像中的云团设置为图像识别的主要目标物，其核心技术可以归纳为通过云团的识别、提取，进行传感器可视范围内云团的运动估计，实现云团的运动趋势预测。
图6-17 地基天空成像仪采集的图像
6.6.2.1 图像预处理
图像预处理是指对天空成像仪获取的图像进行数字化分析，突出图像中云图和天空的信息。对于原始图像，由于机械元件或者信道传输等因素都存在着一定程度的噪声干扰，噪声会影响图像质量，导致图像模糊。同时，在图像监测过程中客观存在能见度低、大气悬浮颗粒密度高等因素，所采集的图像样本会发生图像边缘模糊，造成线条、轮廓解析度低等问题，这都不利于云团的提取。为了消除以上干扰，采取中值滤波、图像锐化等方法进行图像预处理。
1.中值滤波
中值滤波可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及颗粒噪声最为有效。中值滤波的原理是把图像中单点的灰度值用该点领域中各点值的中值来替代。
2.图像锐化
经过中值滤波，对图像中被模糊的细节予以突出，一般可采用基于拉普拉斯算子的二阶微分图像增强。
3.图像复原(www.xing528.com)
由于全天空云图在采集过程中，遮挡物的影像会影响后续的云图处理，利用霍夫检测对遮光带和镜头支臂进行定位，并利用周边像素填充的方法实现图像复原，去除遮光带和镜头支臂，实现图像复原。
6.6.2.2 云团识别
为了在彩色云图中提取云团，可利用颜色特征进行云团识别。根据大气、云粒子对可见光不同的散射原理，当天空为晴空时，蓝光波段的散射远远大于红光波段的散射，所以晴空呈现蓝色；而云粒子对可见光的散射，在不同波段散射的程度是相当的，所以天空云体呈现白色。
设定合理的红蓝比阈值便可以有效地区分云团和天空，进而产生二值化图像。有研究指出，根据大量图像分析，以红蓝比值大于0.6的像元为云点，低于0.6为非云点，能得到较好的识别效果，但是由于各个地方大气环境的不同，红蓝比阈值的设定必须运用大量图像数据进行多次反复的样本学习才能设置合理的红蓝比阈值。假设红蓝比阈值为θ，可得到二值图。
由于某些小云点，或者图像中与云颜色类似的气溶胶颗粒都有可能被误判为云团，这不仅增加后续图像计算中的计算量，还会对整体分析云团移动带来干扰。为了有利于云的运动分析，尽量在图像中保留相对较大、较集中的云团，采用如下处理方法：先对二值化图像进行膨胀，再进行腐蚀的形态学开运算，形态学开运算可以平滑对象轮廓，去掉细小突出部分。
图6-18所示为地基云图二值化识别，图（a）为原始图像，图（b）为相应的二值化图像。其中，二值图像中的白色区域为通过数字提取技术得到的云团影像。
图6-18 地基云图二值化识别
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
