具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

实施例1

请参看图1，图1为本申请实施例提供了一种静止卫星全天时云检测方法的流程示意图。其中，该静止卫星全天时云检测方法包括：

S101、获取待处理遥感影像，并对待处理遥感影像进行标准化预处理，得到预处理影像。

本申请实施例中，对待处理遥感影像进行标准化预处理，具体包括辐射校正、几何校正等，同时，还可以提取出待处理遥感影像的反射率和亮温2项指标等，对此本申请实施例不作限定。

S102、判断预处理影像的光照是否充足，如果是，执行步骤S104~步骤S106；如果否，执行步骤S103以及步骤S106。

本申请实施例中，在判断预处理影像的光照是否充足时，可以根据预处理影像的位置信息和时间信息，判断影像光照是否充足：若影像几何中心像素所在地理位置在影像获取的时间点，位于日出以前或日落以后，判定光照不充足。若影像获取时间为几何中心像素所在位置的日出到日落之间，则判断光照充足。

具体地，先根据预处理影像的位置信息确定影像几何中心像素所在地理位置，然后根据影像几何中心像素所在地理位置计算预处理影像对应日出日落时间，最后根据影像的时间信息和日出日落时间判断光照是否充足。

作为一种可选的实施方式，当判断出预处理影像的光照不充足时，还可以包括以下步骤：

S103、对预处理影像进行基于11微米波长通道的初始云识别处理，得到初始云识别数据，并执行步骤S106。

S104、对预处理影像进行归一化处理，得到归一化影像。

本申请实施例中，若影像光照条件为“充足”，采用可见光通道归一化算法。

作为一种可选的实施方式，可以利用准伯朗面调整方法对可见光反照率进行归一化处理：由于光源条件的影响，导致可见光通道反照率在不同时刻存在较大的差异，因此，需要将反照率进行归一化处理。一方面，归一化处理操作能够增加可见光通道的可用时次，另一方面也能够增加模型的拟合速度。

S105、对归一化影像进行初始云识别，得到初始云识别数据。

本申请实施例中，实施步骤S105，能够实现对归一化影像进行基于0.64微米波长通道的初始云识别处理，得到初始云识别数据。

本申请实施例中，通过对归一化影像进行初始云识别，能够对归一化影像中的每个像素进行“云”和“非云”的初步识别，进而得到初始云识别数据，该初始云识别数据包括云像素集合C_j（即“云”类C₀）和非云像素集合（“非云”类C₁），即C_j = {C₀，C₁}。

作为一种可选的实施方式，可以采用基于Otsu阈值方法，来实现对归一化影像的初始云识别。

S106、对初始云识别数据进行聚类处理，得到云检测结果。

本申请实施例中，采用聚类方法，能够增强云检测的识别准确率和识别效率。

本申请实施例中，对初始云识别数据进行聚类处理，可以采用K-Means聚类算法等，对此本申请实施例不作限定。

作为一种可选的实施方式，对初始云识别数据进行聚类处理，得到云检测结果，可以包括以下步骤：

第一步：根据初始云识别数据确定云像素集合和非云像素集合；

第二步：计算云像素集合的第一聚类质心，以及计算非云像素集合的第二聚类质心；

第三步：遍历初始云识别数据中的每个像素点，计算每个像素点到第一聚类质心的第一距离以及每个像素到第二聚类质心的第二距离；

第四步：根据第一距离和第二距离，对初始云识别数据中的每个像素点进行重新分类，从而得到新的划分像素集合；

第五步：重复上述第二步~第四步，直至达到预设终止循环条件；

第六步：将最终得到的划分像素集合确定为云检测结果，该划分像素集合包括最终的云像素集合和最终的非云像素集合。

在上述实施方式中，对每个类，即“云”类C₀和“非云”类C₁，计算聚类质心a_j，计算公式为：

；

其中，j=0，1；当j=0时，C_j为C₀，a_j为a₀，a₀具体为第一聚类质心，当j=1时，C_j为C₁，a_j为a₁，a₁具体为第二聚类质心；a_j={ a₀，a₁}。

其中，x的值具体为像素点对应的灰度值，在上述计算公式中，当j=0时，x为C₀中像素点的灰度值，表示C₀中所有像素点的灰度值的总和；同理当j=1时，表示C₁中所有像素点的灰度值的总和。

在上述实施方式中，遍历初始云识别数据中的每个像素点x_i，计算每个像素点x_i到第一聚类质心a₀的第一距离d₀，以及每个像素点x_i到第二聚类质心a₁的第二距离d₁，计算公式为：

；

其中，i=1，2，…M×N，j=0，1；

在上述实施方式中，根据第一距离和第二距离，对初始云识别数据中的每个像素点进行重新分类时，将其分到距离最小的聚类中心所对应的类中,从而得到新的类划分C_j= {C₀，C₁}。举例来说，假设一像素点A，其对应的第一距离为d_A0以及第二距离为d_A1，如果计算得到的d_A0≤d_A1时，则将该像素点A划分到“云”类C₀中，如果计算得到的d_A0＞d_A1时，则将该像素点A划分到“非云”类C₁中。

在上述实施方式中，预设终止循环条件包括达到预设迭代次数、聚类中心不再变化、聚类中心的变化幅度不超过预设阈值等等中的一种或者多种，对此本申请实施例不作限定。

本申请实施例中，该方法的执行主体可以为计算机、服务器等计算装置，对此本实施例中不作任何限定。

在本申请实施例中，该方法的执行主体还可以为智能手机、平板电脑等智能设备，对此本实施例中不作任何限定。

可见，实施本实施例所描述的静止卫星全天时云检测方法，能够简单快速实现云检测，准确度高，计算量小，复杂度小。

实施例2

请参看图2，图2为本申请实施例提供的一种静止卫星全天时云检测方法的流程示意图。如图2所示，其中，该静止卫星全天时云检测方法包括：

S201、获取待处理遥感影像，并对待处理遥感影像进行标准化预处理，得到预处理影像。

S202、获取预处理影像的位置信息和时间信息。

S203、根据位置信息确定预处理影像的影像几何中心像素对应的地理位置。

S204、计算地理位置对应的日出日落时间。

作为一种可选的实施方式，计算地理位置对应的日出日落时间，可以包括以下步骤：

第一步：根据预设的格林威治时间计算预处理影像的拍摄日期天数；

第二步：根据预存的历史日出日落时间和拍摄日期天数计算拍摄日期天数对应的世纪数；

第三步：根据世纪数计算太阳的平黄径、太阳的平近点角以及地球的倾角；

第四步：根据太阳的平黄径以及太阳的平近点角计算太阳的黄道经度；

第五步：根据地球的倾角和太阳的黄道经度计算太阳的偏差；

第六步：根据太阳的平近点角、太阳的黄道经度以及历史日出日落时间计算格林威治时间的太阳时间角；

第七步：根据地理位置的经纬位置以及太阳的偏差计算修正值；

第八步：根据太阳时间角、经纬位置、历史日出日落时间以及修正值计算初步日出日落时间；

第九步：根据历史日出日落时间以及初步日出日落时间确定地理位置对应的日出日落时间。

在上述实施方式中，预设的格林威治时间为公元2000年1月1日。

在上述实施方式中，计算预处理影像的拍摄日期天数，即计算从格林威治时间公元2000年1月1日到计算日（即拍摄预处理影像的日期）天数days。

在上述实施方式中，计算拍摄日期天数对应的世纪数，即计算从格林威治时间公元2000年1月1日到计算日的世纪数t，公式为：t＝(days+UTo／360)／36525；其中，days为预处理影像的拍摄日期天数，UTo为预存的历史日出日落时间，在首次计算时，UTo＝180°。

在上述实施方式中，计算太阳的平黄径L的计算公式为：L=280.460+36000.770×t。

在上述实施方式中，计算太阳的平近点角G的计算公式为：G＝357.528+35999.050×t。

在上述实施方式中，计算太阳的黄道经度λ的计算公式为：λ＝L+1.915×sinG+0.020×sin(2G)。

在上述实施方式中，计算地球的倾角ε的计算公式为：ε＝23.4393-0.0130×t。

在上述实施方式中，计算太阳的偏差δ的计算公式为：δ＝arcsin(sinε×sinλ)。

在上述实施方式中，计算格林威治时间的太阳时间角GHA的计算公式为：GHA=UTo-180-1.915×sinG-0.020×sin(2G)+2.466×sin(2λ)-0.053×sin(4λ)。

在上述实施方式中，计算修正值e的计算公式为：e=arcos{[sin(h)-sin(Glat)sin(δ)]/cos(Glat)cos(δ)}，其中，h为日出日落时太阳的位置，为预设值，具体地h＝-0.833°，Glat为地理位置的纬度。

在上述实施方式中，地理位置的经纬位置包括地理位置经度Long和地理位置的纬度G1at。

在上述实施方式中，计算初步日出日落时间的计算公式为：UT’＝UTo-(GHA+Long±e)，其中，“+”表示计算日出时间,“-”表示计算日落时间。

作为进一步可选的实施方式，根据历史日出日落时间以及初步日出日落时间确定地理位置对应的日出日落时间，还可以包括以下步骤：

根据历史日出日落时间以及初步日出日落时间确定格林威治日出日落时间；

将格林威治日出日落时间转换为以小时表示的时间，得到地理位置对应的日出日落时间。

在上述实施方式中，在根据历史日出日落时间以及初步日出日落时间确定地理位置对应的日出日落时间时，先比较UTo和UT’之差的绝对值，如果UTo和UT’之差的绝对值小于预设阈值，则UT即为所求的格林威治日出日落时间；具体地，该预设阈值可以设置为0.1°即0.007小时。

在上述实施方式中，如果UTo和UT’之差的绝对值不小于预设阈值，则可以将UT’作为新的历史日出日落时间值，重复执行上述第二步~第九步，直至UTo和UT’之差的绝对值小于预设阈值时停止，将最终计算的UT’作为格林威治日出日落时间UT。

在上述实施方式中，计算得到的格林威治日出日落时间以度为单位进行表示的，即180°=12小时，因此需要转化为以小时表示的时间，再加上上述地理位置所在的时区数Zone，进而可以得到地理位置对应的日出日落时间，计算公式为：T=UT/15+Zone，其中，T为地理位置对应的日出日落时间，UT为格林威治日出日落时间。

在步骤S204之后，还包括以下步骤：

S205、根据时间信息和日出日落时间判断预处理影像的光照是否充足，如果是，执行步骤S206~步骤S210以及步骤S214；如果否，执行步骤S211~步骤S214。

本申请实施例中，实施上述步骤S202~步骤S205，能够判断预处理影像的光照是否充足。

S206、根据预处理影像获取卫星方位角、卫星天顶角以及太阳天顶角。

本申请实施例中，在获取遥感影像的时候，便能够一并获取到该遥感影像对应的卫星方位角、卫星天顶角以及太阳天顶角。

S207、根据卫星方位角、卫星天顶角以及太阳天顶角计算归一化算子。

本申请实施例中，计算归一化算子的公式为：

F=cosθ₁ ^{-0.7cosΩ+1.3}；

cosΩ= cosθ₁·cosθ₂－sinθ₁·sinθ₂ cos ∆φ；

其中，F表示归一化算子，θ₁表示太阳天顶角，θ₂表示卫星天顶角，∆φ表示卫星相对（太阳）方位角（即上述卫星方位角）。

S208、根据归一化算子对预处理影像进行可见光通道归一化处理，得到归一化影像。

本申请实施例中，利用归一化算子对可见光通道进行归一化；

A₀=A_s/F；

其中，A_s表示归一化前反照率，A0表示归一化后的反照率。

本申请实施例中，实施上述步骤S202~步骤S205，能够对预处理影像进行归一化处理，得到归一化影像。

S209、根据归一化影像，计算第一识别阈值。

作为一种可选的实施方式，根据归一化影像，计算第一识别阈值，可以包括以下步骤：

获取初始识别阈值集合；

确定初始识别阈值集合中每个初始识别阈值对应的第一像素个数，第一像素个数为归一化影像中灰度值小于该初始识别阈值的像素个数；

根据第一像素个数计算每个初始识别阈值对应的前景像素比例；

根据归一化影像计算每个初始识别阈值对应的第一像素平均灰度，第一像素平均灰度为灰度值小于该初始识别阈值的像素平均灰度；

根据归一化影像计算每个初始识别阈值对应的第二像素平均灰度，第二像素平均灰度为灰度值不小于该初始识别阈值的像素平均灰度；

根据前景像素比例、第一像素平均灰度以及第二像素平均灰度，计算每个初始识别阈值对应的类间方差；

将最大的类间方差对应的初始识别阈值，确定为第一识别阈值。

在上述实施方式中，初始识别阈值集合S具体包括多个初始识别阈值，具体地，S={0,1,2，…，255}。

在上述实施方式中，在确定每个初始识别阈值对应的第一像素个数和第二像素个数时，举例来说，对于S中的其中一个初始识别阈值T，将归一化影像中灰度值小于初始识别阈值T的像素点个数记作第一像素个数N₀，从而，可以得到归一化影像中灰度值不小于初始识别阈值T的像素点个数N₁，即第二像素个数N₁=M×N–N₀。

在上述实施方式中，在计算每个初始识别阈值对应的第一像素平均灰度以及第二像素平均灰度时，以上述举例为例，对于S中的其中一个初始识别阈值T，计算第一像素平均灰度U₀的计算公式为：，计算第二像素平均灰度U₁的计算公式为：，其中，u_i表示归一化影像中第i个像素点的灰度值。

在上述实施方式中，计算每个初始识别阈值对应的类间方差的计算公式为：g_j =W₀×(1- W₀)×(U₀-U₁)( U₀-U₁)，其中j = T，T∈初始识别阈值集合S，最终可以计算得到g_j={g₀，g₁，…，g₂₅₅}。

在上述实施方式中，先从g_j={g₀，g₁，…，g₂₅₅}中确定出最大的类间方差，然后将最大的类间方差对应的初始识别阈值，确定为第一识别阈值。

作为另一种可选的实施方式，根据归一化影像，计算第一识别阈值，可以包括以下步骤：

（1）阈值T初步确定为0；

（2）遍历灰度影像像素（即归一化影像中的每个像素点），如果像素点的灰度值小于T，则N₀增加1，最终得到灰度值小于阈值T的像素个数N₀，和最终得到灰度值大于阈值等于T的像素个数N₁=M×N–N₀；

（3）计算属于前景的像素点数占整幅图像的比例W₀=N₀/(M×N)；

（4）计算灰度值小于阈值T的像素平均灰度为 ，其中，u_i表示第i个像素点的灰度值；

（5）计算灰度值大于等于阈值T的像素平均灰度为，其中，u_i表示第i个像素点的灰度值；

（6）计算类间方差g_j = W₀×(1- W₀)×(U₀-U₁)( U₀-U₁)，其中j = T；

（7）阈值T增加1；

（8）步骤（2）至（7）循环执行，直到T>255，得到g={g₀，g₁，…，g₂₅₅}，其中最大值g_j对应的T值即为所求的第一识别阈值。

在上述实施方式中，对于指定像素点，前景和背景的分割阈值记作T，属于前景的像素点数占整幅图像的比例记为W₀，其平均灰度U₀；背景像素点数占整幅图像的比例为W₁，其平均灰度为U₁。图像的总平均灰度记为U，类间方差记为g。

在上述实施方式中，归一化影像的大小为M×N，归一化影像中像素的灰度值小于初始识别阈值T的像素个数记作N₀，按照上述步骤采用遍历的方法可以得到使类间方差g最大的阈值T，进而得到第一识别阈值。

在步骤S209之后，还包括以下步骤：

S210、根据第一识别阈值对归一化影像进行初始云识别，得到初始云识别数据，并执行步骤S214。

本申请实施例中，实施上述步骤S209~步骤S210，能够对归一化影像进行初始云识别，得到初始云识别数据，从而实现基于0.64微米波长通道的初始云识别处理。

S211、对预处理影像进行增强处理，得到增强影像。

本申请实施例中，可以使用红外增强算法对预处理影像进行增强处理，对此本申请实施例不作限定。

S212、计算增强影像的第二识别阈值。

本申请实施例中，计算增强影像的第二识别阈值的计算方法与上述计算第一识别阈值的计算方法相同，在计算第一识别阈值时，使用的是归一化影像进行阈值计算，同理，在计算第二识别阈值时，则使用增强影像进行阈值计算。

S213、根据第二识别阈值对增强影像进行初始云识别，得到初始云识别数据，并执行步骤S214。

本申请实施例中，实施上述步骤S211~步骤S213，能够对预处理影像进行基于11微米波长通道的初始云识别处理，得到初始云识别数据。

S214、对初始云识别数据进行聚类处理，得到云检测结果。

本申请实施例中，实施本申请实施例提供的静止卫星全天时云检测方法，能够构造多个光谱通道的特征组合，具备全天时云检测能力：传感器有16个通道，有完整的数据，包括可见光和红外，首先判断遥感影像的光照是否充足，如果充足，则表示是白天拍摄的遥感影像，则执行步骤S206~步骤S210，实现0.64微米波长通道的初始云识别处理；如果不充足，则表示是晚上拍摄的遥感影像，则执行步骤S211~步骤S213，实现11微米波长通道的初始云识别处理。

本申请实施例中，举例来说，以葵花8号卫星为例，葵花8号卫星所搭载的可见光和红外扫描辐射计AHI具有16个通道，覆盖可见光到长波红外波段，可用于对不同目标物的特性进行观测，通过多通道的阈值组合判断，能够有效地反映出云的物理特性。

①0.64μm波段反射率是区分云和陆地的有效波段，在此波段上，云具有较高的反射率和较低的吸收值。

②在陆地上，11μm通道(BT11)的亮温可以探测内陆水域和某些地物上的冷云，用作陆地上的晴空复位测试。当BT11大于预定义的阈值时，像素被识别为晴空。

③BT11和BT3.9通道之间的亮温差可以用来检测水云和冰云的存在。由于3.9μm的反射太阳光，BT11与BT3.9之间的差值较大且为负值。这种技术在大多数情况下对探测低空水云非常有用。

④0.86μm和0.64μm的反射率比值(R0.86/R0.64)对水面上的厚云很敏感，它不能用于探测陆地上的云。然而，R0.86/R0.64测试在与DEM数据结合使用时，对检测内陆晴空区域是有效的。

⑤在0.86μm和1.6μm的反射率比值(R0.86/R1.6)对明亮的沙漠表面的云是有效的，该测试用于检测高地或山区的晴朗天空。

⑥归一化植被指数(normalized difference vegetation index, NDVI)是植被分布的一个简单指标，基于叶片在近红外波段的高反射率和在可见光波段的低反射率特性。在云检测方面，采用NDVI来限制干旱和半干旱地区的阈值。

请一并参阅图5，图5为本申请实施例提供的另一种静止卫星全天时云检测方法的流程示意图。如图5所示，在得到待处理遥感影像之后，先对待处理遥感影像进行标准化预处理，提取出反射率和亮温，然后再判断该待处理遥感影像的影像光照是否充足，如果光照充足，就采用可见光波段归一化算法对待处理遥感影像进行归一化处理，然后再对归一化处理后的影像进行基于0.64微米波长通道的初始云识别处理，得到初始云识别数据；另一方面，当判断出光照不充足时，则采用红外波段通用增强算法进行处理，并对处理后的影像进行基于11微米波长通道的初始云识别处理，得到初始云识别数据。最后，再对初始云识别处理进行基于Kmeans进行多通道聚类处理，识别影像中“云”与“非云”像素，从而得到云检测结果。能够实现全天时的云检测，检测效果不受影像获取时间影响。

可见，实施本实施例所描述的静止卫星全天时云检测方法，能够简单快速实现云检测，准确度高，计算量小，复杂度小。

实施例3

请参看图3，图3为本申请实施例提供的一种静止卫星全天时云检测装置的结构示意图。如图3所示，该静止卫星全天时云检测装置包括：

获取单元310，用于获取待处理遥感影像；

预处理单元320，用于对待处理遥感影像进行标准化预处理，得到预处理影像；

判断单元330，用于判断预处理影像的光照是否充足；

归一化单元340，用于当判断出预处理影像的光照充足时，则对预处理影像进行归一化处理，得到归一化影像；

识别单元350，用于对归一化影像进行初始云识别，得到初始云识别数据；

聚类单元360，用于对初始云识别数据进行聚类处理，得到云检测结果。

本申请实施例中，对于静止卫星全天时云检测装置的解释说明可以参照实施例1或实施例2中的描述，对此本实施例中不再多加赘述。

可见，实施本实施例所描述的静止卫星全天时云检测装置，能够简单快速实现云检测，准确度高，计算量小，复杂度小。

实施例4

请一并参阅图4，图4是本申请实施例提供的一种静止卫星全天时云检测装置的结构示意图。其中，图4所示的静止卫星全天时云检测装置是由图3所示的静止卫星全天时云检测装置进行优化得到的。如图4所示，判断单元330包括：

第一获取子单元331，用于获取预处理影像的位置信息和时间信息；

第一确定子单元332，用于根据位置信息确定预处理影像的影像几何中心像素对应的地理位置；

第一计算子单元333，用于计算地理位置对应的日出日落时间；

判断子单元334，用于根据时间信息和日出日落时间判断预处理影像的光照是否充足。

作为一种可选的实施方式，第一计算子单元333包括：

第一计算模块，用于根据预设的格林威治时间计算预处理影像的拍摄日期天数；以及根据预存的历史日出日落时间和拍摄日期天数计算拍摄日期天数对应的世纪数；以及根据世纪数计算太阳的平黄径、太阳的平近点角以及地球的倾角；以及根据太阳的平黄径以及太阳的平近点角计算太阳的黄道经度；以及根据地球的倾角和太阳的黄道经度计算太阳的偏差；以及根据太阳的平近点角、太阳的黄道经度以及历史日出日落时间计算格林威治时间的太阳时间角；以及根据地理位置的经纬位置以及太阳的偏差计算修正值；

第二计算模块，用于根据太阳时间角、经纬位置、历史日出日落时间以及修正值计算初步日出日落时间；

第三计算模块，用于根据历史日出日落时间以及初步日出日落时间确定地理位置对应的日出日落时间。

作为一种可选的实施方式，归一化单元340包括：

第二获取子单元341，用于根据预处理影像获取卫星方位角、卫星天顶角以及太阳天顶角；

第二计算子单元342，用于根据卫星方位角、卫星天顶角以及太阳天顶角计算归一化算子；

归一化子单元343，用于根据归一化算子对预处理影像进行可见光通道归一化处理，得到归一化影像。

作为一种可选的试试方式，识别单元350包括：

第三计算子单元351，用于根据归一化影像，计算第一识别阈值；

云识别子单元352，用于根据第一识别阈值对归一化影像进行初始云识别，得到初始云识别数据。

作为一种可选的实施方式，第三计算子单元351包括：

获取模块，用于获取初始识别阈值集合；

第一确定模块，用于确定初始识别阈值集合中每个初始识别阈值对应的第一像素个数，第一像素个数为归一化影像中灰度值小于该初始识别阈值的像素个数；

第四计算模块，用于根据第一像素个数计算每个初始识别阈值对应的前景像素比例；以及根据归一化影像计算每个初始识别阈值对应的第一像素平均灰度，第一像素平均灰度为灰度值小于该初始识别阈值的像素平均灰度；以及根据归一化影像计算每个初始识别阈值对应的第二像素平均灰度，第二像素平均灰度为灰度值不小于该初始识别阈值的像素平均灰度；以及根据前景像素比例、第一像素平均灰度以及第二像素平均灰度，计算每个初始识别阈值对应的类间方差；

第二确定模块，用于将最大的类间方差对应的初始识别阈值，确定为第一识别阈值。

作为一种可选的实施方式，该静止卫星全天时云检测装置还包括：

增强单元370，用于当判断出预处理影像的光照不充足时，对预处理影像进行增强处理，得到增强影像；

计算单元380，用于计算增强影像的第二识别阈值；

初始识别单元390，用于根据第二识别阈值对增强影像进行初始云识别，得到初始云识别数据，并触发聚类单元360对初始云识别数据进行聚类处理，得到云检测结果。

本申请实施例中，对于静止卫星全天时云检测装置的解释说明可以参照实施例1或实施例2中的描述，对此本实施例中不再多加赘述。

可见，实施本实施例所描述的静止卫星全天时云检测装置，能够简单快速实现云检测，准确度高，计算量小，复杂度小。

本申请实施例提供了一种电子设备，包括存储器以及处理器，存储器用于存储计算机程序，处理器运行计算机程序以使电子设备执行本申请实施例1或实施例2中任一项静止卫星全天时云检测方法。

本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序指令，计算机程序指令被一处理器读取并运行时，执行本申请实施例1或实施例2中任一项静止卫星全天时云检测方法。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。