УДК 535.8 Применение оптики в целом
ГРНТИ 29.31 Оптика
ОКСО 03.04.02 Физика
ББК 223 Физика
ТБК 6135 Оптика
BISAC SCI053000 Physics / Optics & Light
В работе рассматриваются подходы к сегментации Allsky изображений, с целью обнаружения облачности. Сравниваются методы на основе цветовых индексов, алгоритмы машинного обучения и нейросетевые модели. Цветовые пороговые методы, такие как cloud index, показали высокую чувствительность при простоте реализации, но низкую универсальность. Классические алгоритмы машинного обучения обеспечивают более гибкую адаптацию, но ограничены в учете пространственного контекста. Результаты нейросетевой сегментации оказались менее точными, что объясняется недостаточным объемом обучающей выборки. Сделан вывод о перспективности комбинированных решений, объединяющих простые эвристики, машинное обучение и глубокие нейросети для повышения точности и надежности анализа облачности.
облачность, методы сегментации, алгоритмы машинного обучения
1. Галилейский В.П., Елизаров А.И., Кокарев Д.В., Матвиенко Г.Г., Морозов А.М. Программно-техническая система мониторинга и контроля оптико-физического состояния атмосферы. Часть 1. Панорамно-оптическая станция // Оптика атмосферы и океана. Физика атмосферы: Сборник докладов XXVII Международного симпозиума. [Электронный ресурс]. ISBN 978-5-94458-187-7. - Томск: Изд-во ИОА СО РАН, 2021. C. F5-F9.
2. Kalisch J. Estimation of the total cloud cover with high temporal resolution and parametrization of short-term fluctuations of sea surface insolation / Kalisch J., Macke A. // Meteorologische Zeitschrift – 2008. – Т. 17 – № 5 – С. 603–611.
3. Long C.N. Retrieving Cloud Characteristics from Ground-Based Daytime Color All-Sky Images / Long C.N., Sabburg J.M., Calbó J., Pagès D. // Journal of Atmospheric and Oceanic Technology – 2006. – Т. 23 – № 5 – С. 633–652.
4. Xie W. et al. SegCloud: A novel cloud image segmentation model using a deep convolutional neural network for ground-based all-sky-view camera observation //Atmospheric Measurement Techniques. – 2020. – Т. 13. – №. 4. – С. 1953-1961.
5. Latry C., Panem C., Dejean P. Cloud detection with SVM technique //2007 IEEE International Geoscience and Remote Sensing Symposium. – IEEE, 2007. – С. 448-451.
6. Wei J. et al. Cloud detection for Landsat imagery by combining the random forest and superpixels extracted via energy-driven sampling segmentation approaches //Remote Sensing of Environment. – 2020. – Т. 248. – С. 112005.