Erkennung dünner Wolken in All-Sky-Bildern unter Verwendung von Markov-Zufallsfeldern

Die Erkennung dünner Wolken in All-Sky-Bildern ist eine Herausforderung für bodengestützte Himmelsbildsysteme aufgrund des niedrigen Kontrasts und der vagen Grenzen zwischen Wolken- und Himmelregionen. Wir betrachten die Wolkenerkennung als ein Labeling-Problem basierend auf dem Modell des Markov-Zufallsfeldes. In diesem Modell wird jedes Pixel durch einen kombinierten Feature-Vektor dargestellt, der darauf abzielt, die Diskrepanz zwischen dünnen Wolken und Himmel zu verbessern. Die Verteilung jedes Labels im Merkmalsraum wird als Gaussian-Modell definiert. Räumliche Informationen werden durch ein generalisiertes Potts-Modell codiert. Während der Schätzung werden dünne Wolken durch Minimierung der posterioren Energie mit einem iterativen Verfahren erkannt. Sowohl subjektive als auch objektive Evaluierungsergebnisse zeigen eine höhere Genauigkeit des Algorithmus im Vergleich zu einigen anderen Algorithmen.