发明名称 |
一种基于改进k均值聚类算法的天空图像云空辨识方法 |
摘要 |
本发明提供一种基于改进k均值聚类算法的天空图像云空辨识方法,包括:提取所述天空图像中红颜色通道值R、绿颜色通道值G、蓝颜色通道值B以及R/B*100四个矩阵,提取特征矩阵;确定初始聚类数量以及初始聚类中心;基于改进k均值聚类算法,根据初始聚类中心进行聚类,获取新的聚类中心;根据新的聚类中心进行聚类并根据聚类结果确定各像素点所属区域类型,绘制云空辨识图像。本发明基于改进k均值聚类算法,提取效果较稳定,不仅把三个彩色分量作为一个整体进行聚类还添加了云空对比度较高的R/B*100列向量,与全局阈值仅对灰度图像进行云空识别相比,大大提高图像识别的适应能力,可以解决现有技术适应性差的问题。 |
申请公布号 |
CN105488538A |
申请公布日期 |
2016.04.13 |
申请号 |
CN201510929496.5 |
申请日期 |
2015.12.15 |
申请人 |
云南电网有限责任公司电力科学研究院;华北电力大学(保定) |
发明人 |
苏适;王飞;严玉廷;陆海;李浩涛;罗因博;杨家全 |
分类号 |
G06K9/62(2006.01)I |
主分类号 |
G06K9/62(2006.01)I |
代理机构 |
北京弘权知识产权代理事务所(普通合伙) 11363 |
代理人 |
逯长明;许伟群 |
主权项 |
一种基于改进k均值聚类算法的天空图像云空辨识方法,其特征在于,所述基于改进k均值聚类算法的天空图像云空辨识方法包括以下步骤:针对天空图像中各个像素点,分别提取所述天空图像中红颜色通道值R、绿颜色通道值G、蓝颜色通道值B以及R/B*100四个矩阵,并根据所述四个矩阵提取特征矩阵;根据所述天空图像中需要辨识的区域种类个数确定初始聚类数量,并基于历史图像数据设定各类别的初始聚类中心;基于改进k均值聚类算法,根据所述初始聚类中心对所述像素点的特征向量进行聚类,获取新的聚类中心;根据所述新的聚类中心对所述特征矩阵中的特征向量进行聚类;根据聚类结果确定各像素点所属区域类型并绘制云空辨识图像。 |
地址 |
650217 云南省昆明市经济技术开发区云大西路105号 |