河北工业大学在基于AI的云图处理和二维光谱处理方面的工作进展

Presentation on theme: "河北工业大学在基于AI的云图处理和二维光谱处理方面的工作进展"— Presentation transcript:

1 河北工业大学在基于AI的云图处理和二维光谱处理方面的工作进展
导师：邱波 报告人：郑子鹏 景德镇 /11

2

3 二维光谱图中的一些问题 二维光谱的 弯曲形变 泊松噪声 新视角（如减天光等）

4 二维光谱图中的问题：弯曲形变的校正

5 二维光谱图中的问题：弯曲形变的校正

6 二维光谱图中的问题：弯曲形变的校正 一、弯曲分析 二、法向映射和曲线距离校正算法 三、有限元分析校正算法 四、总结

7 成因分析 特点分析 二维光谱图中的问题：弯曲形变的校正 法向映射校正算法 曲线距离校正算法 有限元分析校正算法 光谱仪的影响
CCD阵列的影响 成因分析 单条光谱：提取中心线后类似多项式函数曲线 整体趋势：以图中心线为基准，类似枕形畸变 特点分析 法向映射校正算法 曲线距离校正算法 有限元分析校正算法

8 二维光谱图中的问题：弯曲形变的校正 法向映射 校正算法 特殊恒星的搜寻 多波段分类 变星分类 曲线距离

9 二维光谱图中的问题：弯曲形变的校正 光谱预处理 峰值法光纤中心定位 各光谱中心点提取 异常值处理 曲线拟合 校正实验及结果 切线方程
法线斜率 理想映射直线的选取 映射 插值 得到理想直线 算法改进 待映射直线的横坐标选取 加入判定条件 得到结果

10 二维光谱图中的问题：弯曲形变的校正 光谱预处理-曲线拟合（多项式拟合）

11 二维光谱图中的问题：弯曲形变的校正 选取左侧第一根光谱为研究对象，对其进行法向映射，所得结果为：

12 二维光谱图中的问题：弯曲形变的校正 结果分析 校正前后的叠加谱线对比

13 二维光谱图中的问题：弯曲形变的校正 前图局部放大图

14 二维光谱图中的问题：弯曲形变的校正 峰值点的变化图

15 二维光谱图中的问题：弯曲形变的校正 校正前后偏差图 法向映射 曲线距离

16 二维光谱图中的问题：弯曲形变的校正 总结 分析了二维光谱弯曲形变的特点 有针对性地提出可行的校正算法
提出法向映射和曲线距离校正算法，并通过实验证明了其有效性 结合力学中的有限元分析方法，提出校正方法，初步得到形变的反力分布情况

17 云图中的云量 地基云图 天基云图 云量指云图中由某种特定类型的云（部分云量）或全部类型的云（总云量）覆盖天空的估计数量

18 云量计算的意义 与空间望远镜不同，地面望远镜因为处于地面，成像品质必然受到所在地的大气活动影响。因此，需要根据天文观测的要求慎重选择观象台址。由于天体的辐射到达地面以前要穿过地球的大气层，所以地球大气条件对天文观测有很大的影响。在光学观测方面的影响有： 云量会影响观测的时间 大气的吸收会使星光减弱 大气温度和密度的起伏变化，会使大气折射率出现不均匀的状态，引起望远镜中的星像抖动、扭曲或弥散，并减弱进入接受器的星光 大气吸收和不稳定性会降低望远镜的观测质量

19 全天相机云图里的云量 根据TMT（Thirty Meters Telescope）判读全天相机的准则：分别在天顶距44.7°和 65°处画圆
Clear类 Inner类 外圆（蓝色线标注）以内无云 内圈（绿色线标注）有云 有云 无云 内圆内 外圆内 无云 50%云 Outer类 Covered类 内圈无云，外圈到内圈之间有云 外圆以内厚云覆盖超过50%

20 云量自动计算系统中的问题 一、干扰噪声的分类和处理 二、云的区域检测 已有结果 三、云量的三个参数的计算和测量 尚无完整结果
四、自动TMT分类及其它 已有结果 尚无完整结果

21 云量计算问题一：干扰噪声的分类和处理 星光噪声 月光噪声（无云） 月光噪声（有云） 雷电噪声 反光噪声 积雪噪声

22 云量计算问题一：干扰噪声的分类和处理 噪声种类 特点 星光 类似椒盐噪声，灰度值高，所占像素点小，分布无规律性 月光
灰度值极高，所占像素点多，并且分为有无云层遮挡两种情况 雷电 灰度值较高，分布呈树杈形，根部粗，枝叶较细 反光 基于RGB通道强度不同，基于HSV通道饱和度较低，常伴随月光出现 积雪 类似镜头盖把镜头盖住，并不能得到云层信息 白光 用灰度值极高的像素替代了原有包含图像信息的像素，丢失了信息

23 云量计算问题一：干扰噪声的分类和处理 星光噪声的去除 低通滤波放大图，其中左图为滤波前，右图为滤波后
中值滤波放大图，其中左图为滤波前，右图为滤波后

24 云量计算问题一：干扰噪声的分类和处理 月光噪声的去除 时间分割法 差分法 适用于多云处理 适用于少云处理
（1）月亮区域点：判断目标云图中某点的灰度值与其邻近的连续30张云图中对应点的灰度值差值的绝对值是否小于某一固定阈值 通过对全天相机云图的观察，月亮在连续40分钟之内位置的变化可以忽略不计。因此从云图中筛选出某天的零点到上午6点30分之间，两两间隔约为40分钟的10幅有月无云的云图，称之为背景图,如图(b)。其它云图称之为原图,如图(a) 。 （2）月亮边界点：检查该点的灰度值是否在目标云图该点位置局部范围内取得极大值。当该点灰度值取得极大值时，则该点是月亮中的一点，并将其灰度值置0。 原图 结果图

25 云量计算问题一：干扰噪声的分类和处理 雷电噪声的去除 形态学开运算去除雷电噪声，其中左图为滤波前，右图为滤波后

26 云量计算问题一：干扰噪声的分类和处理 反光噪声的去除 RGB通道法去除反光噪声，其中左图为滤波前，右图为滤波后

27 云量计算问题二：云的区域检测——薄云 原图像均衡化后的结果、原图像自适应二值化后的结果、将二值化后的轮廓画在原图像上

28 云量计算问题二：云的区域检测——中层云 原图像、Ardely算法均衡化后的图像、OTSU算法二值化后的图像、将二值化的轮廓画在原图像中

29 云量计算问题二：云的区域检测——厚云 使用大津（ OTSU ）二值化算法后，得到的图像中的白色部分即为检测到的云层部分

30 云量计算问题三：云量的三个参数 云面积 云重 云散布度 云区域所占云图面积的大小/比例 云厚薄的量化指标 体现出云整体的厚重程度
云区域围绕中心点的分布情况指标 不同厚薄的云分布在距离云图中心不同的位置上，对观测会造成截然不同的影响

31 云量计算问题四：自动TMT分类及其它 基于CNN的云图分类结果 0.8250 0.9860 0.7860 0.8530 0.8625
Inner Covered Outer Clear 总数（张） 人工观测分类结果（张） 82 52 8 38 180 自动识别分类结果（张） 84 10 34 判读正确的结果（张） 68 51 6 33 155 识别准确率（%） 0.8250 0.9860 0.7860 0.8530 0.8625

32 河北工业大学天文信息技术课题组 ——筚路蓝缕，一个人到一群人 2018河北工业大学 优秀研究生团队

33 谢谢！ 诚愿合作！共创奇迹！ QQ：873545351 Wechat & Tel : 15010588200