TÜM GÖKYÜZÜ KAMERASINDAN ALINAN GÖRÜNTÜLER KULLANILARAK BULUTLULUK ÖLÇÜMÜ YAPILMASI


BAŞLAR İ., HELHEL S., ÖZIŞIK T., KAHYA G.

IEEE 22nd Signal Processing and Communications Applications Conference (SIU 2014), Trabzon, Türkiye, 23 - 25 Nisan 2014, cilt.1, sa.1, ss.1-5

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Cilt numarası: 1
  • Basıldığı Şehir: Trabzon
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.1-5
  • Akdeniz Üniversitesi Adresli: Evet

Özet

Gökyüzündeki bulutluluğun tespiti, faaliyette olan gözlemevlerinde ve gözlemevi yer seçimi çalışmalarında büyük önem taşımaktadır. Günümüze kadar bulutluluğun tespiti için farklı yöntemler kullanılmıştır. Günümüzde ise kameraların da gelişimiyle, bulutluluk ölçümlerinde tüm gökyüzü kamerası kullanılması önemli yer tutmaktadır. Bu çalışmada TÜBİTAK Ulusal Gözlemevi Bakırlıtepe Yerleşkesi’nde kullanılmakta olan tüm gökyüzü kamerasından alınan görüntüler ile bulutluluk analizi yapan bir sistem üzerinde çalışılmıştır. Amaç, alınan görüntüleri görüntü işleme tekniklerini uygulayarak analiz etmek ve bulutluluk oranını hesaplamaktır. Gündüz ve gece olmak üzere iki farklı zaman dilimindeki görüntüler kendi arasında, bulundukları zaman dilimine göre ayrılarak farklı metotlarla analiz edilmiştir. Görüntülerin tek bir yöntem yerine sınıflara ayrılarak farklı metotlarla incelenmesi halinde başarı oranının yükseldiği görülmüştür.

Cloud detection is an important subject for both observatories already operating and site selection for an observatory. There are some methods used for cloud detection until now. Nowadays cloud detection using all sky cameras is the most promising method by the help of sophisticated cameras. In this work we studied automatic cloudiness analysis system by using the images taken by all sky camera located at TÜBİTAK National Observatory. Different approaches applied to both day time and night time images to calculate the sky coverage. Image classification methods are improved for applying the suitable image processing method. We discovered that classifying images to classes and applying different methods according to their classes increases performance of cloud detection system.