一种基于图像处理的天气预测方法与流程

本发明属于数字信息处理，具体涉及一种基于图像处理的天气预测方法。

背景技术：

1、短时天气预测可以方便对未来行程做出合理安排，提前预防天气变换给出行带来的不便。现有天气预测方法需要结合历史数据的内容，天气状况和各项环境数据，并采用复杂的数学物理方程进行推算，从而得到未来天气预测。但是由于天气预测的数学物理方程过于复杂，且影响因素众多，各项因素受环境影响变换速度快，存在预测精度较低的问题。

技术实现思路

1、针对现有技术中的上述不足，本发明提供的一种基于图像处理的天气预测方法解决了现有天气预测方法存在天气预测精度较低的问题。

2、为了达到上述发明目的，本发明采用的技术方案为：一种基于图像处理的天气预测方法，包括以下步骤：

3、s1、根据目标区域图像上像素值的分布情况，对异常区域进行滤波，得到滤波图；

4、s2、找到云层边界，对滤波图提取前景图；

5、s3、将前景图转换到hsi空间，提取i色调分量；

6、s4、根据i色调分量分布情况，对前景图进行分区处理，得到各色调区域；

7、s5、根据各色调区域i色调分量、各色调区域面积和rgb通道值，对未来短时天气进行预测。

8、进一步地，所述s1包括以下分步骤：

9、s11、计算目标区域图像的像素特征值；

10、s12、计算目标区域图像中每个局部区域的像素特征值；

11、s13、在目标区域图像的像素特征值和每个局部区域的像素特征值满足异常条件时，得到异常区域；

12、s14、对异常区域进行滤波，得到滤波区域，滤波区域和目标区域图像上非滤波区域构成滤波图。

13、上述进一步地方案的有益效果为：本发明中将每个局部区域的像素特征值与整个图像的像素特征值进行比较，找到大于整个图像的像素特征值的区域，从而将其命名为异常区域，而小于整个图像的像素特征值的区域，其像素值分布情况与整体相符，因此，无需对正常区域进行滤波，最大程度保留图像的原本特征，并滤除异常区域的噪声，若进行整个图像的整体滤波，将不存在噪声的区域进行滤波，会造成特征丢失，边界模糊。

14、进一步地，所述s13中异常条件为：

15、，

16、，

17、，

18、其中，为第个局部区域的像素特征值，为目标区域图像的像素特征值，为目标区域图像上第个像素值，为目标区域图像上像素值的数量，为第个局部区域上第个像素值，为第个局部区域上像素值的数量。

19、上述进一步地方案的有益效果为：本发明中通过目标区域图像上每个像素点的像素值减去平均像素值，从而体现出整体的像素值变化情况，得到整体的像素值变化幅度，再计算出每个局部区域的像素值变化幅度，找到满足异常条件的局部区域，实现针对性的处理，避免对正常区域滤波。

20、进一步地，所述s14中滤波公式为：

21、，

22、其中，为滤波区域上第个像素值，为异常区域上第个像素值，为异常区域上第个像素值周边的第个像素值。

23、上述进一步地方案的有益效果为：本发明中滤波时利用局部区域的像素特征值与目标区域图像的像素特征值之间的关系，在局部区域的像素特征值与目标区域图像的像素特征值差值越大时，对的滤波效果越强，在局部区域的像素特征值与目标区域图像的像素特征值差值越小，对的滤波效果越弱，实现自适应的根据异常情况进行滤波。

24、进一步地，所述s2包括以下分步骤：

25、s21、提取滤波图中所有满足边界条件的像素点，得到疑似边界像素点；

26、s22、根据疑似边界像素点的分布情况，去除离散像素点，得到连续像素点；

27、s23、根据连续像素点的位置，保留连续像素点中最外层像素点，得到云层边界；

28、s24、根据云层边界，对滤波图进行剪切，得到前景图。

29、上述进一步地方案的有益效果为：本发明中提取出所有满足边界条件的像素点，并将离散的像素点去除，保留连续像素点，从而根据连续像素点围成的区域，确定出云层边界，根据云层边界，对滤波图进行剪切，从而剔除背景部分，得到前景图。

30、进一步地，所述s21中边界条件为：

31、，

32、或

33、，

34、其中，为滤波图上任一像素点左侧的像素点的像素值，为滤波图上任一像素点右侧的像素点的像素值，为滤波图上任一像素点上侧的像素点的像素值，为滤波图上任一像素点下侧的像素点的像素值，为比例系数，为目标区域图像的像素特征值。

35、上述进一步地方案的有益效果为：本发明中从四个方向衡量像素点是否为边界像素点，根据上下左右的像素点的像素值分布情况，判断其是否存在像素值变化，且该变化大于，本发明中以目标区域图像的像素特征值作为判断条件，从而更好的根据整体图像像素值变化找到边界像素点。

36、进一步地，所述s4包括以下分步骤：

37、s41、设置多个i色调等级；

38、s42、在同一个i色调等级下，根据前景图中每个像素点的i色调分量与该i色调等级的匹配度，将匹配度高于设定阈值的像素点归为对应i色调等级的色调区域。

39、进一步地，所述s42中匹配度的计算公式为：

40、，

41、其中，为前景图中每个像素点的i色调分量与第个i色调等级的匹配度，为任一像素点的i色调分量，为最小i色调分量，为最大i色调分量，为i色调等级的数量，为i色调等级的编号。

42、上述进一步地方案的有益效果为：本发明设置了多个i色调等级，计算每个像素点的i色调分量与每个i色调等级的距离，从而找到属于同一个i色调等级的像素点，并将其归为一个区域，从而实现对前景图的分区。

43、进一步地，所述s5包括以下分步骤：

44、s51、根据各色调区域i色调分量和各色调区域面积，建立色调预测模型；

45、s52、根据各色调区域上像素点的rgb通道值分布情况，建立rgb通道预测模型；

46、s53、根据色调预测模型的输出和rgb通道预测模型的输出，建立天气预测模型，对未来短时天气进行预测。

47、进一步地，所述色调预测模型为：

48、，

49、其中，为色调预测模型的输出，为第个色调区域面积，为前景图的面积，为色调预测模型中第个色调区域面积的权重，为第个色调区域的i色调分量均值，为色调区域数量，为第个色调区域的i色调分量均值的权重，为第一修正系数；

50、所述rgb通道预测模型的表达式为：

51、，

52、其中，为rgb通道预测模型的输出，为rgb通道预测模型中第个色调区域面积的权重，为第个色调区域中r通道均值，为第个色调区域中g通道均值，为第个色调区域中b通道均值，为第个色调区域的rgb通道权重，为第二修正系数；

53、所述天气预测模型的表达式为：

54、，

55、，

56、其中，为天气预测模型的输出，为缓存参数，为以自然常数为底的指数函数，为色调预测模型的输出的权重，为rgb通道预测模型的输出的权重。

57、上述进一步地方案的有益效果为：本发明中色调预测模型基于各个色调区域面积占比，以及各色调区域的i色调分量均值，得到色调预测模型的输出，实现针对i色调分量和色调区域面积对天气的第一次预测；再根据各个色调区域面积占比，基于各色调区域上rgb通道值的情况，得到rgb通道预测模型的输出，实现针对rgb通道值和色调区域面积对天气的第二次预测，在天气预测模型中综合第一次预测和第二次预测，实现最终的天气预测，通过多个模型的关系，提高天气预测的精度。

58、本发明的有益效果为：本发明中根据目标区域图像上像素值的分布情况，筛选出异常区域，对异常区域滤波处理，从而避免对整个图像进行滤波处理，对整个图像进行滤波处理，容易造成边界模糊，较难找到云层边界，本发明中根据云层边界，对滤波图提取前景图，避免背景像素点影响天气预测精度，将前景图转换到hsi空间，提取能够体现色彩亮度变化的i色调分量，并根据i色调分量的分布情况，对前景图进行分区处理，根据分区后的各色调区域上的i色调分量、各色调区域面积和rgb通道值，对未来短时天气进行预测，本发明中同时考虑在hsi空间中i色调分量和rgb空间中rgb通道值的分布情况，由于hsi空间中i色调分量可明显体现亮度变化，能显著衡量天气的情况，再结合rgb空间中rgb通道值的分布情况，提高天气预测的精度。