一种基于图像识别的气象云图处理系统及方法与流程

本发明涉及气象图像处理领域，尤其涉及一种基于图像识别的气象云图处理系统及方法。

背景技术：

1、利用卫星云图可以识别不同的天气系统，确定它们的位置，估计其强度和发展趋势，为天气分析和天气预报提供依据；在海洋、沙漠、高原等缺少气象观测台站的地区，卫星云图所提供的资料，弥补了常规探测资料的不足，对提高预报准确率起了重要作用；

2、在现有技术中，技术人员将红外气象云图与可见光气象云图进行融合，进而获取更加精准的融合气象云图，为气象识别提供更为精准的判断基础；

3、但是在研究中发现，单独将红外气象云图与可见光气象云图进行融合得到的融合气象云图不够精准，某些像素点的精度不够完整，进而导致气象识别出现误差从而不能精准地识别出气象信息。

技术实现思路

1、本发明的目的在于提供一种基于图像识别的气象云图处理系统及方法，解决了现有技术中指出的上述技术问题。

2、本发明提供了一种基于图像识别的气象云图处理系统，包括红外线卫星、可见光卫星、图像处理融合服务器；

3、其中，所述红外线卫星，用于获取第一待显示气象云图，并根据所述第一待显示气象云图，生成红外线云图；

4、所述可见光卫星，用于获取第二待显示气象云图，并根据所述第二待显示气象云图，生成可见光云图；

5、所述红外线卫星获取的第一待显示气象云图与所述可见光卫星获取的第二待显示气象云图是基于同一区域得到两种不同形式的气象云图；

6、所述图像处理融合服务器，用于将所述红外线云图与所述可见光云图依次通过对齐、预处理、配准后通过基于ihs变换的图像融合方法进行融合获取融合气象云图；

7、较佳的，所述图像处理融合服务器，包括云图对齐模块、云图预处理模块、云图配准模块、云图融合模块；

8、其中，所述云图对齐模块，用于将所述红外线云图与所述可见光云图进行对齐，分别对应获取对齐后的红外线云图与对齐后的可见光云图；

9、所述云图预处理模块，用于对对齐后的红外线云图与对齐后的可见光云图分别进行图像预处理，分别对应获取处理后的红外线云图与处理后的可见光云图；

10、所述云图配准模块，用于对处理后的红外线云图与处理后的可见光云图进行图像配准，分别对应得到配准后的红外线云图图像与配准后的可见光云图图像；

11、所述云图融合模块，用于将配准后的红外线云图图像与配准后的可见光云图图像通过基于ihs变换的图像融合方法进行图像融合，得到融合气象云图。

12、较佳的，所述云图融合模块，具体用于将对齐后的红外线云图和可见光云图进行ihs变换，分别得到亮度分量i、色调分量h和饱和度分量s；

13、分别计算获取i的权重wi、h的权重wh、s的权重ws；

14、将i的权重wi、h的权重wh、s的权重ws进行融合，得到融合后的图像；

15、将融合后的图像进行反向ihs变换，得到最终的融合气象云图rgbnew。

16、较佳的，所述云图融合模块，在具体实施时，具体用于系统初始化，根据融合后的图像获取目标像素点及目标像素点对应的整体优化参数量化分值；通过反向ihs变换操作获取当前目标像素点对应的rgb目标像素点及rgb目标像素点的整体优化参数量化分值；并通过目标像素点对应的整体优化参数量化分值及rgb目标像素点的整体优化参数量化分值获取差值，从而进一步获取符合预设条件的优化rgb像素点；

17、并对不符合预设条件的rgb目标像素点对应的目标像素点通过迭代算法，根据目标像素点对应的整体优化参数量化分值，求取得到优化rgb像素点；

18、将优化rgb像素点进行融合，获取融合气象云图。

19、较佳的，所述云图融合模块，在具体实施时，具体用于获取融合后的图像的所有像素点，并将所有的像素点放入第一反向变换集合；第一反向变换集合是初始化为空的集合；

20、随机任意选择第一反向变换集合中的一个像素点为目标像素点；并获取目标像素点的整体优化参数量化分值ta；

21、迭代获取优化rgb像素点操作：对所述目标像素点执行反向ihs变换操作，获取rgb目标像素点以及rgb目标像素点的整体优化参数量化分值tb；并计算rgb目标像素点的整体优化参数量化分值tb与目标像素点的整体优化参数量化分值ta的差值t；

22、预设整体优化参数量化分值差值最低阈值t’，并判断差值t与整体优化参数量化分值差值最低阈值t’的大小关系；

23、若所述差值t大于或等于所述整体优化参数量化分值差值最低阈值t’，则判定确定当前rgb目标像素点为优化rgb目标像素点；并从第一反向变换集合中筛除目标像素点，然后重新选择新的目标像素点进行反向ihs变换操作，直至第一反向变换集合为空；

24、所述差值为ihs像素点转化成rgb像素点所产生的ihs像素点的整体优化参数量化分值ta减去rgb像素点的整体优化参数量化分值tb的差值变化量；

25、若差值t小于整体优化参数量化分值差值最低阈值t’，则将目标像素点放入第二反向变换集合；第二反向变换集合为初始为空的集合；

26、预设迭代最大次数阈值；将目标像素点进行优化后，得到优化后的目标像素点，重新返回上述迭代获取优化rgb像素点操作，进行首次迭代处理操作，记当前目标像素点的迭代次数为n；不断重复迭代处理操作，在每次迭代处理操作完成时，同时将目标像素点的迭代次数加1；直至目标像素的迭代次数等于迭代最大次数阈值，则将目标像素点的对应的最后一次迭代得到的rgb目标像素点确定为优化rgb目标像素点；

27、目标像素点迭代次数初始为0。

28、较佳的，所述云图融合模块，在具体实施时，具体用于获取当前目标像素点的亮度分量id、色调分量hd和饱和度分量sd；

29、分别对id的参数进行调整；对hd的参数进行调整；对sd的参数进行调整；分别计算获取id的权重wid’、hd的权重whd’、sd的权重wsd’；

30、所述id的权重wid’、hd的权重whd’、sd的权重wsd’计算方式分别为：

31、wid’=a’*id/(a’*id+b’*hd+c’*sd) ；

32、whd’=b’*hd/(a’*id+b’*hd+c’*sd) ；

33、wsd’=c’*sd/(a’*id+b’*hd+c’*sd) ；

34、式中，a’、b’、c’分别为调整后的新参数；

35、将当前目标像素点的id的权重wid’、hd的权重whd’、sd的权重wsd’进行融合，得到优化后的目标像素点。

36、相应地，本发明还提出了一种基于图像识别的气象云图处理方法，包括如下操作步骤：

37、基于同一区域，获取两种形式的待显示气象云图，即第一待显示气象云图和第二待显示气象云图；

38、根据第一待显示气象云图，开始生成红外线卫星的红外线云图；

39、根据第二待显示气象云图，由可见光卫星生成可见光云图；

40、其中，所述红外线云图是基于同一区域的第一待显示气象云图对应通过红外线卫星生成的；

41、其中，所述可见光云图是基于同一区域的第二待显示气象云图对应通过可见光卫星生成的；

42、将红外线云图与可见光云图依次通过对齐、预处理、配准后通过基于ihs变换的图像融合方法进行融合获取融合气象云图。

43、较佳的，将红外线云图与可见光云图依次通过对齐、预处理、配准后通过基于ihs变换的图像融合方法进行融合获取融合气象云图，具体包括如下操作步骤：

44、将红外线云图与可见光云图进行对齐，分别对应获取对齐后的红外线云图与对齐后的可见光云图；

45、对对齐后的红外线云图与对齐后的可见光云图分别进行图像预处理，分别对应获取处理后的红外线云图与处理后的可见光云图；

46、对处理后的红外线云图与处理后的可见光云图进行图像配准，分别对应得到配准后的红外线云图图像与配准后的可见光云图图像；

47、将配准后的红外线云图图像与配准后的可见光云图图像通过基于ihs变换的图像融合方法进行图像融合，得到融合气象云图。

48、较佳的，将配准后的图像进行图像融合，获取融合气象云图，具体包括如下操作步骤：

49、将对齐后的红外线云图和可见光云图进行ihs变换，分别得到亮度分量i、色调分量h和饱和度分量s；

50、分别计算获取i的权重wi、h的权重wh、s的权重ws；

51、将i的权重wi、h的权重wh、s的权重ws进行融合，得到融合后的图像；

52、将融合后的图像进行反向ihs变换，得到最终的融合气象云图rgbnew。

53、较佳的，将融合后的图像进行反向ihs变换，得到最终的融合气象云图，包括如下操作步骤：

54、系统初始化，根据融合后的图像获取目标像素点及目标像素点对应的整体优化参数量化分值；通过反向ihs变换操作获取当前目标像素点对应的rgb目标像素点及rgb目标像素点的整体优化参数量化分值；并通过目标像素点对应的整体优化参数量化分值及rgb目标像素点的整体优化参数量化分值获取差值，从而进一步获取符合预设条件的优化rgb像素点；

55、并对不符合预设条件的rgb目标像素点对应的目标像素点通过迭代算法，根据目标像素点对应的整体优化参数量化分值，求取得到优化rgb像素点；

56、将优化rgb像素点进行融合，获取融合气象云图。

57、较佳的，系统初始化，根据融合后的图像获取目标像素点及目标像素点对应的整体优化参数量化分值；通过反向ihs变换操作获取当前目标像素点对应的rgb目标像素点及rgb目标像素点的整体优化参数量化分值；并通过目标像素点对应的整体优化参数量化分值及rgb目标像素点的整体优化参数量化分值获取差值，从而进一步获取符合预设条件的优化rgb像素点；并对不符合预设条件的rgb目标像素点对应的目标像素点通过迭代算法，根据目标像素点对应的整体优化参数量化分值，求取得到优化rgb像素点，具体包括如下操作步骤：

58、获取融合后的图像的所有像素点，并将所有的像素点放入第一反向变换集合；第一反向变换集合是初始化为空的集合；

59、随机任意选择第一反向变换集合中的一个像素点为目标像素点；并获取目标像素点的整体优化参数量化分值ta；

60、迭代获取优化rgb像素点操作：对所述目标像素点执行反向ihs变换操作，获取rgb目标像素点以及rgb目标像素点的整体优化参数量化分值tb；并计算rgb目标像素点的整体优化参数量化分值tb与目标像素点的整体优化参数量化分值ta的差值t；

61、预设整体优化参数量化分值差值最低阈值t’，并判断差值t与整体优化参数量化分值差值最低阈值t’的大小关系；

62、若所述差值t大于或等于所述整体优化参数量化分值差值最低阈值t’，则判定确定当前rgb目标像素点为优化rgb目标像素点；并从第一反向变换集合中筛除目标像素点，然后重新选择新的目标像素点进行反向ihs变换操作，直至第一反向变换集合为空；

63、所述差值为ihs像素点转化成rgb像素点所产生的ihs像素点的整体优化参数量化分值ta减去rgb像素点的整体优化参数量化分值tb的差值变化量；

64、若差值t小于整体优化参数量化分值差值最低阈值t’，则将目标像素点放入第二反向变换集合；第二反向变换集合为初始为空的集合；

65、预设迭代最大次数阈值；将目标像素点进行优化后，得到优化后的目标像素点，重新返回上述迭代获取优化rgb像素点操作，进行首次迭代处理操作，记当前目标像素点的迭代次数为n；不断重复迭代处理操作，在每次迭代处理操作完成时，同时将目标像素点的迭代次数加1；直至目标像素的迭代次数等于迭代最大次数阈值，则将目标像素点的对应的最后一次迭代得到的rgb目标像素点确定为优化rgb目标像素点；

66、目标像素点迭代次数初始为0。

67、较佳的，将目标像素点进行优化，得到优化后的目标像素点，包括如下操作步骤：

68、获取当前目标像素点的亮度分量id、色调分量hd和饱和度分量sd；

69、分别对id的参数进行调整；对hd的参数进行调整；对sd的参数进行调整；分别计算获取id的权重wid’、hd的权重whd’、sd的权重wsd’；

70、将当前目标像素点的id的权重wid’、hd的权重whd’、sd的权重wsd’进行融合，得到优化后的目标像素点。

71、与现有技术相比，本发明实施例至少存在如下方面的技术优势：

72、分析本发明提供的上述一种基于图像识别的气象云图处理系统及方法可知，在具体应用时，首先基于同一区域，获取两种形式的待显示气象云图，即第一待显示气象云图和第二待显示气象云图；通过第一待显示气象云图生成红外气象云图；通过第二待显示气象云图生成可见光气象云图；将红外线云图与可见光云图依次通过对齐、预处理、配准后通过基于ihs变换的图像融合方法进行融合获取融合气象云图；

73、其中，通过对齐的操作使得两幅图像内容和形状相同，并且分辨率相同，方便后续的融合操作；其中，预处理是指通过对图像进行预处理，以实现减少图像噪点的技术目的，同时进一步提高图像的细节和清晰度；然后进行图像配准，找到两幅图像之间的相似性和差异性，并对其进行调整，使得两幅图像可以在空间上进行融合；最终通过基于ihs变换的图像融合方法将两幅图像进行融合，得到融合气象云图；在具体实施时对图像的i、h、s分量进行设置权重，使各分量进行不同权重等级的加强显示，更加突出地显示出图像中的细节，进而使后续获取融合气象云图的显示的准确率更高，使判断气象信息结果更加精准；同时在具体实施时，使最终获得的rgb目标像素点精度更加完整，进而使最终得到的融合气象云图rgbnew（即融合气象云图）的真实显示的像素精度更完整并且更加精准。