1、2023，59（13）热点与综述地基云图分割方法研究进展石超君1，2，李星宽1，张珂1，2，韩磊乐1，杨世芳31.华北电力大学 电子与通信工程系，河北 保定 0710032.华北电力大学 河北省电力物联网技术重点实验室，河北 保定 0710033.华北电力大学 电力工程系，河北 保定 071003摘要：云量的变化和分布对光伏发电功率预测、天文望远镜观测站选址和气象预报等均具有重要影响。地基云观测是云观测的重要方式，是对卫星云观测数据的有效补充，其主要反映天空局部区域云底信息和云层分布、变化及运动情况。地基云图分割是构建地基云图自动观测系统的基础，因此相关研究具有重要意义。得益于深度学习的飞速发
2、展，深度卷积神经网络的通用语义分割模型被不断拓展应用到地基云图分割领域，并取得了良好分割性能。然而由于地基云图内在的特殊性和复杂性，特别是考虑到不同类别云层厚度不同并且边缘难以区分等问题，基于深度学习的地基云图分割方法仍面临着精度及效率等方面的严峻挑战。从阈值、传统机器学习和深度学习三方面出发，对地基云图分割方法进行全面综述；总结了当前地基云图分割常用的数据集；对比了各类地基云图分割方法在GDNCI和WSISEG两种数据集上的性能，并分析了各类方法在两种数据集中的优劣；最后进行了全面总结，并对地基云图分割中待解决的问题与未来的研究方向进行了展望。关键词：地基云图分割；阈值分割；机器学习；深度学
3、习；地基云图分割数据集文献标志码：A中图分类号：TP301doi：10.3778/j.issn.1002-8331.2210-0037Research Progress of Ground Cloud Image Segmentation MethodSHI Chaojun1，2,LI Xingkuan1,ZHANG Ke1，2,HAN Leile1,YANG Shifang31.Department of Electronic and Communication Engineering,North China Electric Power University,Baoding,Hebei07
4、1003,China2.Hebei Key Laboratory of Power Internet of Things Technology,North China Electric Power University,Baoding,Hebei071003,China3.Department of Electrical Engineering,North China Electric Power University,Baoding,Hebei 071003,ChinaAbstract：The change and distribution of cloud cover have an im
5、portant influence on photovoltaic power forecast,astro-nomical telescope station location and weather forecast.Cloud-based observation is an important way of cloud observation,which mainly reflects the information of cloud base and the distribution,change and movement of clouds in local areasof the
6、sky.Segmentation of foundation cloud image is the foundation of building an automatic observation system offoundation cloud image,so the related research is of great significance.Thanks to the rapid development of deep learning,the general semantic segmentation model has been continuously expanded a
7、nd applied to the field of ground-based cloudimage segmentation,and achieved good segmentation performance.However,considering that different types of cloudshave different thicknesses and edges are difficult to distinguish,the segmentation method of ground cloud images basedon deep learning still fa
8、ces severe challenges in accuracy and efficiency.Firstly,from three aspects：threshold,traditional基金项目：国家自然科学基金（62076093，62206095，52207154）；中央高校基本科研业务费专项资金（2022MS078，2020MS099，2021MS067）。作者简介：石超君（1992），男，博士，讲师，CCF会员，研究方向为深度学习、地基云图分割、光伏发电功率预测；李星宽（1999），男，硕士研究生，研究方向为深度学习、地基云图分割；张珂（1980），通信作者，男，博士，教授，CC
9、F高级会员，主要研究方向为深度学习、计算机视觉、生物特征识别，E-mail：；韩磊乐（1995），男，硕士研究生，研究方向为深度学习、地基云图分类；杨世芳（1994），女，博士，讲师，研究方向为高电压外绝缘。收稿日期：2022-10-07修回日期：2023-01-03文章编号：1002-8331（2023）13-0001-16Computer Engineering and Applications计算机工程与应用1Computer Engineering and Applications计算机工程与应用2023，59（13）云是日常生活中常见而重要的自然现象，其为大气中水滴、冰晶或二者混合组
10、成飘浮在天空中形状各异的聚合体，占全球陆地总面积的60%以上1。云通过抑制太阳短波和长波辐射两种方式在维持大气辐射收支平衡中起重要作用2。此外，云在地球热量平衡和水汽循环中也扮演着重要角色。它不仅反映了当前大气运动和水汽变化，对未来天气和气候变化也起到了重要调节和指示作用，是影响全球气候变化的关键因素之一3-4。云量变化和分布在一定程度上对光伏发电功率预测的精确性5-6、天文望远镜观测站选址的合理性7、气象预报的准确性8、大气环境监测的有效性9-10以及气候演化分析11等均具有重要影响。因此，通过云观测准确获取天空云量信息意义重大。自古以来，云观测都是一项十分重要且充满挑战的任务。随着各种硬件
11、设备和仪器的不断发明与改进，及人工智能相关技术在天文12、气象13、电力14、医疗15、交通16、金融17等诸多领域逐渐被广泛应用，云观测方式正逐步由人工观测转向自动化观测。自动化观测是基于成像设备模拟人眼对云进行观测。目前，自动化观测主要分为卫星云观测（卫星遥感）18-19和地基云观测（地基遥感）20，观测结果如图1所示。其中，卫星云观测主要采用卫星遥感设备，可获取多波段（包括可见光、红外、紫外和微波）图像，所获图像称为卫星云图，如图1（a）所示；地基云观测主要采用地基全天空成像仪，所获图像称为地基云图，如图1（b）所示。卫星云观测的相关研究早于地基云观测，其已在云顶高度测量和大尺度云状识别
12、等任务中取得不错成果，可获得昼夜连续、全球分布的云信息21。然而，卫星云观测仅能观测到云顶部信息，对于中下层云或云底部信息及局部区域云信息描述不够清晰，导致目前卫星云观测仍不能满足相关科学研究需求22。地基云观测是针对卫星云观测资料不足而进行的有效补充，是准确获取局部天空云量信息的重要方式23，其主要反映天空局部区域云底部信息及云层分布、变化和运动情况，可进一步有效准确获取云量24、云高25和云状三要素，也是对卫星云观测结果准确性的验证。因此，地基云观测是云观测相关研究的重要环节。近年来随着科技不断发展，跨领域、跨学科交叉研究已成为新的科学前沿阵地。地基云观测除了直接应用于气象预测和气候演化分
13、析外，光伏发电功率预测、天文望远镜观测站选址等诸多科研任务也受天空云量变化的影响。因此，准确获取一段时间内局部区域天空云量信息显得尤为重要。地基云观测主要观测白天和夜间天空云量，而现有技术难以实现夜间地基云图自动分割，需要人工观测判读云量。人工观测判读云量需要大量观测人员进行观测和处理，成本较高。其观测结果存在较强主观性，易受到观测人员经验、心理及视力等方面的影响，同一观测环境可能得到不同观测结果26。而地基云图自动分割可消除观测人员对观测结果的主观影响，可快速、精确地分割地基云图，大幅缩短观测时间。因此，昼夜地基云图自动分割方法研究近年来受到相关学者们的广泛关注。本文以地基云图为研究对象，对
14、基于阈值、传统机器学习和深度学习的地基云图分割方法进行了整理，如图2所示，同时介绍了地基云图分割通用数据集，并选取了部分方法在不同数据集上进行实验，最后对地基云图分割的发展方向进行展望。1基于阈值的地基云图分割方法阈值分割是传统图像分割中最常用且简单高效的方法之一。传统阈值分割大部分直接选取灰度图进行处理分割，而对地基云图进行分割时，往往通过图像RGB三通道中的红色R通道及蓝色B通道的相对差异进行阈值分割。基于阈值分割的云图分割方法主要有固定阈值法、全局自适应阈值法、局部阈值法和混合阈值法。1.1基于固定阈值的地基云图分割方法晴朗天空下，区分云和天空的物理依据是判断天空和云的颜色差异。由于大气
15、分子散射与波长的四次方machine learning and deep learning,the segmentation methods of foundation cloud image are comprehensively summa-rized.Secondly,the data sets commonly used in the segmentation of foundation cloud images are summarized.In addi-tion,the performances of various ground cloud image segmentation
16、 methods on GDNCI and WSISEG datasets are com-pared,and the advantages and disadvantages of various methods in the two datasets are analyzed.Finally,the problems tobe solved and the future research direction in the segmentation of foundation cloud images are prospected.Key words：segmentation of foundation cloud image;threshold segmentation;machine learning;deep learning;groundcloud image segmentation dataset（a）卫星云图（b）地基云图图1卫星云和地基云观测结果Fig.1Observation results of satellite cloud and ground cloud22
