ИСПОЛЬЗОВАНИЕ ПАНОРАМНЫХ ИЗОБРАЖЕНИЙ НЕБА ДЛЯ РАСЧЕТА ВЕКТОРА СОСТОЯНИЯ ОБЛАЧНОСТИ

Галилейский В. П.¹, Елизаров А. И.², Кокарев Д. В.³, Морозов А. М.⁴

¹Кандидат физико-математических наук, ²кандидат технических наук, ³инженер, ⁴ старший научный сотрудник, Федеральное государственное бюджетное учреждение науки Институт оптики атмосферы им. В.Е. Зуева СО РАН, г. Томск

ИСПОЛЬЗОВАНИЕ ПАНОРАМНЫХ ИЗОБРАЖЕНИЙ НЕБА ДЛЯ РАСЧЕТА ВЕКТОРА СОСТОЯНИЯ ОБЛАЧНОСТИ

Аннотация

В статье предлагается метод определения направления и видимой угловой скорости перемещения облачности на основе серии панорамных изображений облачного небосвода, полученных с помощью сверхширокоугольных объективов.

Ключевые слова: панорамные изображения, облачность, направление, угловая скорость, перемещение, геометрическая дисторсия.

Galileiskii V. P.¹, Elizarov А.I.², Kokarev D. V.³, Morozov A. M.⁴

¹Ph.D in Physics and mathematics, ²Ph.D, ³engineer, ⁴senior staff scientist, V.E. Zuev Institute of Atmospheric Optics SB RAS, Tomsk

CALCULATION THE STATE VECTOR OF CLOUDINESS BY USING A PANORAMIC IMAGE OF THE SKY

Abstract

This article gives a short overview to method of direction determining and visible angular velocity of movement determining of cloudiness based on set of panoramic images of cloudy sky, obtained by wide-angle lens.

Keywords: Panoramic images, cloudiness, direction, angular velocity, displacement, geometric distortion.

Облачность является важнейшим на планете погодным и климатообразующим фактором локального и глобального масштаба. Кроме того облачность и тип облачности является детектором температурного и влажностного состояния атмосферы на больших высотах, а также детектором и «визуализатором» горизонтального и вертикального переноса воздушных масс, что также важно при изучении физики облакообразования. Другая сторона фактора облачности – техногенная. Наличие и состояние облачности существенно влияет на условия видимости, надежность оптической связи, локации и передачи электромагнитной энергии на трассах внутри атмосферы и Земля-Космос. Поэтому понятна важность наблюдений состояния облачности и методов их обработки с целью оценки не только метеорологических характеристик облачности (высота, бал), но и направление, и скорость переноса.

В практике наблюдений «всего» небосвода широко используются однокамерные панорамные устройства со сверширокоугольными объективами типа “Fisheye” [1, 2, 3]. Чтобы обеспечить правильную интерпретацию изображений, полученных с помощью таких систем, необходимо корректно перенести образ  облачного поля с изображения на условную поверхность облачного горизонта на высоте H над Землей . Для оценки угловых характеристик облачности, знания действительной высоты облачности не требуется.

Рассмотрим два важнейших фактора влияющих на геометрию явления. Первый фактор – это видимые перспективные искажения в трехмерном пространстве. Наблюдаемый в зените вектор скорости облачности  в других направлениях распадается на три видимые компоненты: по азимуту , зенитному углу  и радиальную компоненту – по лучу зрения  [4]:

В угловом выражении этих скоростей , где L дальность, величина компонент будет вследствие перспективы существенно уменьшаться с приближением к горизонту. Кроме того, относительная доля компоненты , не связанная с видимым угловым перемещением по небосводу, в створе направления движения существенно возрастает за счет уменьшения двух остальных.

Второй фактор связан со средствами регистрации панорамных изображений облачного поля, в которых, как правило, применяются сверхширокоугольные объективы типа “Fisheye” с полем зрения близким к . Направленные вертикально вверх, в зенит, обеспечивают видимость от горизонта до горизонта. К сожалению, эти объективы страдают значительной геометрической дисторсией: осевые углы по мере приближения к краю поля зрения на изображении сжимаются. Таким образом, прямой пересчет координат точек изображения в угловые координаты приведет к значительным ошибкам. Для устранения ошибок, связанных с дисторсией, необходимо производить калибровку панорамных фотографических устройств, в ходе которых определяются калибровочная функция и углы ориентации (направления оптической оси) [5]:

             (1)

где Z – угловое расстояние от оптической оси, r – линейное расстояние от центра изображения до точки, p – экспериментально определяемые параметры калибровочной функции, x,y – сферические углы, задающие направление оптической оси относительно местного вертикала, ω – угол поворота изображения вокруг оптической оси относительно сторон горизонта для привязки к сторонам света.

Учитывая выше приведенные факторы, расчет реальных пространственных топоцентрических координат  на облачном горизонте относительно точки наблюдения соответствующих координатам  пикселов на изображении может быть произведен в три этапа:

• пересчет координат пикселов изображения  в сферические горизонтальные координаты  относительно фотокамеры:

        (2)

• коррекция координат  с учетом углов  для приведения к местному вертикалу и сторонам горизонта ;
• вычисление топоцентрических координат  на высоте H облачного слоя с радиусом относительно центра Земли

       (3)

Хотя облачный слой считается сферическим радиуса , но за счет большой величины земного радиуса применение прямоугольной координатной сетки на облачном горизонте не приводит к большим ошибкам: при реальной высоте облачности 10 км до зенитного угла 88° линейная ошибка не превышает 0.005% (соответственно, 100 км - 88° - 0.025%).

При условии сохранения калибровки панорамного устройства регистрации и высоты облачности  полученный массив данных соотношения координат  может быть многократно использован.

Из-за нелинейности соотношения координат  расстояние между соседними точками облачного горизонта увеличиваются от зенита к горизонту приблизительно в 10 раз. Поэтому для дальнейшей обработки может потребоваться провести интерполяцию поля яркости   на равномерную координатную сетку  с фиксированным шагом: .

В процессе межкадровой обработки серии изображений производится поиск относительного смещения  облачного поля за временной интервал между ними  и вычисление компонентов скорости  азимута  направления движения облачного поля и угловой скорости  в точке зенита:

 

Значения компонентов скорости и азимута  совместно с таблицей данных  несложно применить для прогноза на непродолжительный промежуток времени  положения облачности или просветов на небосводе. Знание реальных значений высоты облачности H позволяет сделать прогноз видимости в условиях облачности для прилегающего района.

Для всей серии изображений одного размера, составляется таблица пересчета координат, которая и будет использоваться для дальнейших расчетов.

На основе описанного выше метода была разработана методика расчета вектора состояния облачности, состоящая из следующих пунктов:

1. Проекция образа облачного неба на горизонт: 

2. Устранение избыточной информации, т.е. разделение изображения на два класса – небо и облачность;
3. Расчет смещения облачности в текущем кадре относительно предыдущего  за временной интервал между ними ;
4. Вычисление угловых характеристик движения облачности: азимута  и угловой скорости  в точке зенита 

Первая задача решается путем использования предварительно рассчитанного массива соотношения координат  и интерполяцией на равномерную сетку  поля яркости неба.

Задача разделения изображения на классы успешно решается с помощью алгоритмов основанных на использовании информации о цвете (цветовая модель RGB). Поскольку для чистого неба преобладающим будет являться синий цвет, то используя пороговые ограничения для отношения интенсивностей в цветовых каналах, можно достаточно точно разделить изображение на два условных класса – небо/облака (рис.1). Естественно, что на результат такого разделения в основном будет влиять тип используемой камеры и преобладающих атмосферных условий. При уточненном качественном описании цвета используют три его субъективных атрибута: цветовой тон, насыщенность и светлоту (цветовая модель HSV). Поэтому, для проведения более качественного обнаружения облачности, используется пороговый классификатор, основанный на использовании HSV цветовой модели. Информация о цветовом тоне H и насыщенности S позволяет построить надежное разделяющее правило, которое в меньшей мере, по сравнению с RGB системой, зависит от устройства получения изображения.

Рис. 1 - Обнаружение облачности с использованием цветовых моделей RGB и HSV: исходное изображение, RGB метод, HSV метод

Расчет направления перемещения облачности в кадре ведется с помощью алгоритма измерения подобия [6] между блоками изображений на основании суммы абсолютных разностей (SAD – sum of absolute differences). Участок, размер которого выбирается исходя из размеров изображения, предыдущего изображения является шаблоном для поиска на текущем изображении. Позиция на текущем кадре, где сумма абсолютных разностей с шаблоном будет минимальной, и будет считаться максимально похожей на участок предыдущего изображения. Таким образом, мы можем посчитать начало и конец вектора движения участка облачности (рис. 2). Далее, из уже составленной таблицы преобразования координат, мы пересчитываем координаты вектора в реальные размеры, и соответственно, зная время между кадрами, рассчитываем скорость перемещения облаков.

Рис.2 - Визуализация рассчитанных векторов перемещения облачности

Дальнейшие исследования направлены на создания методов анализа многоярусных облачных образований и возможности синхронизации панорамных снимков, с ежедневными реальными космическими снимками, для классификации облачности.

Литература

1. Галилейский В.П., Морозов А.М. Панорамный фотометрический комплекс // Оптика атмосферы. - 1990. - Т. 3, № 11. - С. 1131-1135.
2. Галилейский В.П., Морозов А.М., Ошлаков В.К. Панорамный фотометрический комплекс для контроля прямой и рассеянной солнечной радиации / Региональный мониторинг атмосферы. Ч.2. Новые приборы и методики измерений: Коллективная монография / Под общей редакцией М.В.Кабанова. Томск: изд-во "Спектр" Института Оптики Атмосферы СО РАН, 1997. - С. 146-160
3. Галилейский В.П. Средство видеоконтроля для широкого круга технологических задач / Галилейский В.П., Зуев К.Г., Колеватов А.С., Морозов А.М., Ошлаков В.К., Петров А.И. // Сб. Наука производству. Институт оптики атмосферы. – 2003. - № 9. - С.66-70.
4. Галилейский В.П., Гришин А.И., Морозов А.М. Пассивный моностатичный метод оценки высоты и скорости движения облачности // Оптика атмосферы и океана. - 2013. - Т. 26, № 3. - С. 253-257.
5. Сгоннов Д.А., Морозов А.М., Кокарев Д.В., Галилейский В.П. Программа определения калибровочной функции геометрического искажения сверхширокоугольных изображений по звездам (AllSky) // Свидетельство о государственной регистрации программы для ЭВМ №2014611444 от 3 февраля 2014. Правообладатель: ФГБУН ИОА СО РАН
6. Елизаров А.И., Галилейский В. П., Кокарев Д. В., Морозов А. М. Определение параметров облачности и составление прогноза с использованием API Google карт: тезисы докл. XXIV Всероссийской научной конференции «Распространение радиоволн».(Иркутск, 29 июня – 5 июля 2014 г.). - С.78-81.

 References

1. Galilejskij V.P., Morozov A.M. Panoramnyj fotometricheskij kompleks // Optika atmosfery. - 1990. - T. 3, № 11. - S. 1131-1135.
2. Galilejskij V.P., Morozov A.M., Oshlakov V.K. Panoramnyj fotometricheskij kompleks dlja kontrolja prjamoj i rassejannoj solnechnoj radiacii / Regional'nyj monitoring atmosfery. Ch.2. Novye pribory i metodiki izmerenij: Kollektivnaja monografija / Pod obshhej redakciej M.V. Kabanova. Tomsk: izd-vo "Spektr" Instituta Optiki Atmosfery SO RAN, 1997. - S. 146-160
3. Galilejskij V.P. Sredstvo videokontrolja dlja shirokogo kruga tehnologicheskih zadach / Galilejskij V.P., Zuev K.G., Kolevatov A.S., Morozov A.M., Oshlakov V.K., Petrov A.I. // Sb. Nauka proizvodstvu. Institut optiki atmosfery. – 2003. - № 9. - S.66-70.
4. Galilejskij V.P., Grishin A.I., Morozov A.M. Passivnyj monostatichnyj metod ocenki vysoty i skorosti dvizhenija oblachnosti // Optika atmosfery i okeana. - 2013. - T. 26, № 3. - S. 253-257.
5. Sgonnov D.A., Morozov A.M., Kokarev D.V., Galilejskij V.P. Programma opredelenija kalibrovochnoj funkcii geometricheskogo iskazhenija sverhshirokougol'nyh izobrazhenij po zvezdam (AllSky) // Svidetel'stvo o gosudarstvennoj registracii programmy dlja JeVM № 2014611444 ot 3 fevralja 2014. Pravoobladatel': FGBUN IOA SO RAN
6. Elizarov A.I., Galilejskij V. P., Kokarev D. V., Morozov A. M. Opredelenie parametrov oblachnosti i sostavlenie prognoza s ispol'zovaniem API Google kart: tezisy dokl. XXIV Vserossijskoj nauchnoj konferencii «Rasprostranenie radiovoln».(Irkutsk, 29 ijunja – 5 ijulja 2014 g.). - S.78-81.