原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
天空/云层图像的多级语义标注
布拉塔·德夫，斯特凡·温克勒
电气与学院南洋理工大学先进数字(ADSC)伊利诺伊大
(NTU)新加坡639798学厄巴纳‑香槟分校新加坡138632
分割方法中，聚类数量要么手动定义，要么先验已知。
如今，地面全天空成像仪（WSIs）拍摄的天空/云图像我们提出了法来自动确定天空/云图像是单聚类还
被广泛用于各种应用。在本文中，我们学习天空/云图像是多聚类。最后，我们在一个具有二层和三层标注的天
的语义信息，从而实现对像素的自动标注并赋予不同的空/云图像数据库上评估了我们标注方法。
类别。各种/类别建模为连续值的多变量
分布。通过一组训练图像，学习不同的分布，并随
后用于标注测试图像。我们还提出了一种确定聚类数量2.相关工作
的方法。我们方法是首个用于多类天空‑云图像标
执行图像的自动标注是计算机视觉中的一个常见问题。
注的方法，并取得了非常好的效果。
许多相关工作已经针对各种应用进行了研究。
IndexTerms—聚类，似然估计，地面天空成像共现模型是一种流行的方法用于图像标注。每幅图
像被划分为包含的区域，并分析每个区域与
之间的相关性[4,5]。还有几种其他方法[5–7]被提
1.引言出，它们假设整个数据分布依赖于一些潜在变量。这些潜
在变量可以是聚类、特征或数据的子空间。一旦从一
对云的研究及其特征分析在多个应用中具有重要意义，
组训练图像中学习到潜在变量，就会实施标注框架。
例如气候建模、天气预测、能发电或空对地通信
[1,2]。如今，云分析广泛使用地面天空相机获取的图像
[3]。这些相机能够具有高空间和时间分辨率的天在生成不同的子空间变换或创建图像的各种判别特
空/云图像。征时，聚类数量要么是先验假设的，要么是使用一组固
有参数进行估计的。为特定应用确定正确的聚类数量非
语义分割是天空/云图像分析的重要组成部分。由于常重要。在文献中介绍的各种技术中，间隙技术显示出
云没有明确的结构、形状、大小或颜色，因此具有前景，并已被应用于多种领域。张和朱[8]提出了熵间隙
性。传统上，图像会手动标注不同的。然而，手动统计方法，该方法考虑了数据集熵的变化。杨等人[9]
标注繁琐且不精确，因此需要自动语义标注方法。在从图像中提取边缘信息时计算了每个像素的间隙值。
本文中，我们提出了一种概率框架，用于将图像区域标注为薄云、
在云分割方面的先前工作提出了若干技术，以针对
厚云或晴朗天空。使用一组具有手动标注的训练图像，我们计算了不
同类别的联合概率分布。我们假设图像可以分割为不的区域，不同的天空/云图像获得二值分割图像[10–13]。在我们
并且属于同一类别的不同
文档评论（0）