全天相机云图去噪算法的研究

全天相机云图在天文观测领域具有重要价值,但云图所含噪声会造成不良影响。先后分析了星光噪声、月光噪声、日光噪声、雷电噪声、反光噪声和特殊噪声等对云图的影响,并总结出不同类型噪声的分布、区域大小等特点,最后结合与云层的相对位置关系提出了边界阈值法、时间轴法、反比例线性变换等8种图像处理去噪算法,并形成一个完整的去噪系统。通过实验对不同的算法加以比较,得出不同噪声情况下的最佳去噪方案。实验结果表明,该系统可以有效去除常见噪声,基本保持云层和天空的信息完整性,可简单便捷地实现云图去噪。

一种全天相机云图的自动处理方法

使用全天相机拍摄云图是现在天文界广泛使用的监测天空云量的方法。云量的估算结果对望远镜观测有重要的影响,目前对云量的估算完全由人工处理,费时、费力而且准确度不够高,判别过程也完全依赖个人的经验。为此,提出一种针对全天相机云图的云量自动计算方法。首先针对多云和少云云图分别使用时间分割法和差分法去除云图中月亮影响区域;然后对去除月亮影响区域后的多云云图进行二值化处理,将云与背景进行分割,并使用基于灰度值的聚类算法对少云云图的云的厚薄进行量化分类;最后计算总云量,并依据30 m口径望远镜(Thirty Meters Telescope,TMT)判读全天相机云图的方法对云图进行自动分类。实验结果表明,该方法可提高云图判读效率,在有效解放人工的同时,也达到了平均值为76. 67%的识别准确率。

一种基于全天相机云图的云量测量指标

全天相机云图是监测云量的重要手段,提出了一种新的云量测量量化指标——云分布密度(Cloud Distribution Density of ASI Images,ASICDD),并基于该指标建立全天相机云图自动分类系统。首先对云图进行去噪,利用最大类间方差法(Otsu)分割云区域;然后对去除背景的云区域图像使用云分布密度计算云量;最后使用4种传统的分类器(支持向量机、K最近邻、决策树和随机森林)根据计算数值进行自动分类并评估各分类器的性能。结果表明,云分布密度可作为评判全天相机云图云量的数值指标;基于云分布密度建立的云图自动分类系统实现了较高的识别准确率,其中随机森林法的分类效果最好,各类云图的识别准确率达到95%以上。