基于特征点匹配的镜场云运动估计

摘要

实时监测云层运动情况并预测云层的运动趋势是保证塔式太阳能热发电系统安全运行的关键技术。然而现有的监测云层运动状态的技术成本较高、功能单一，对云层运动的预测效果不佳。因此本文开展了基于图像处理技术与卡尔曼滤波相结合以实现对云层监测方法的研究，在降低成本的同时有效的监测太阳能聚光镜场上空云层的运动趋势为镜场发出相应预警。
　　本文基于图像处理技术提出了实时监测镜场天空云层运动的分析方法，首先采用自适应中值滤波结合自适应维纳滤波的方法对天空图像进行预处理，实现了噪声的去除、较好的保留了天空图像的特性。然后通过对二值图像利用最大阈值分割找到太阳后，通过纹理图像结合最大类间方差法分割整副天空图像，其后去除太阳区域得到云层区域。最后采用基于Surf的特征点匹配算法结合卡尔曼滤波的方法得到在理想天空条件下云层运动速度的最优估计，有效地监测太阳能聚光镜场上空云层的运动趋势并计算出云层的实时移动速度及预测速度。
　　通过实验表明，本文研究提出的镜场天空云层监测系统切实可行，对图像的分割、云层的定位标定以及云层运动的预测都能够达到预期的效果，且计算结果准确性及实时性较好。本文利用图像处理技术结合卡尔曼滤波的方法为镜场天空云层的监测预警提供了有效可行的解决途径，为塔式太阳能发电技术提供可靠的前馈保障。

目录

声明

1 绪论

1.1研究背景及意义

1.2 研究历史和现状

1.3本文主要工作及内容

2天空图像的预处理方法研究

2.1引言

2.2图像预处理的基本方法

2.3 本文采用的算法

2.4 天空图像的去噪实验

2.5 本章小结

3天空图像分割方法研究

3.1引言

3.2 图像分割的基本方法

3.3 本文采用的算法

3.4 本章小结

4 特征点匹配结合卡尔曼滤波对云层运动进行预测

4.1 引言

4.2 天空图像云层匹配方法研究

4.3 Surf算法

4.4 基于卡尔曼滤波器的云运动估计

4.5 实验结果分析

4.6 本章小结

5 总结与展望

5.1 研究总结

5.2 研究展望

致谢

参考文献