本发明属于气象数据处理技术领域，尤其涉及一种自动气象站数据采集控制系统。
背景技术：
气象数据，分为气候资料和天气资料，泛指整个气候系统的有关原始资料的集合和加工产品。气象数据可分为气候资料和天气资料。气候资料:它通常所指的是用常规气象仪器所观测到各种原始资料的集合以及加工、整理、整编所形成的各种资料。但随着现代气候的发展，气候研究内容不断扩大和深化，气候资料概念和内涵得以进一步的延伸，泛指整个气候系统的有关原始资料的集合和加工产品。天气资料:天气资料是为天气分析和预报服务的一种实时性很强的气象资料。天气资料和气候资料主要区别是:天气资料随着时间的推移转化为气候资料；气候资料的内容比天气资料要广泛得多；气候资料是长时间序列的资料，而天气资料是短时间内的资料。为了取得宝贵的气象资料，全世界各国都建立了各类气象观测站，如地面站、探空站、测风站、火箭站、辐射站、农气站和自动气象站等。我国建国以来，已建成类型齐全、分布广泛的台站网，台站总数达到2000多个。国家气象中心每天接收来自国内外主要台站的观测资料，这些资料日积月累，随时间的推移而成为气候资料。国内一部分台站每月将观测记录报表和数字化资料寄送或传输到国家气象中心，这些资料或报表成为气候资料重要的部分。此外，气候资料还包括通过各种渠道收集到的其他学科如水文、地学等资料。但是目前的气象站存在气象数据处理周期长，工作效率低。
综上所述，现有技术存在的问题是：目前的气象站存在气象数据处理周期长，工作效率低。
技术实现要素：
针对现有技术存在的问题，本发明提供了一种自动气象站数据采集控制系统。
本发明是这样实现的，一种自动气象站数据采集控制系统，所述自动气象站数据采集控制系统包括：
气象数据采集模块，通过多个传感器实际采集气象的各个数据；所述气象数据采集模块采集气象的各个数据中，多个传感器采集的气象的各个数据传输给气象数据采集模块内置的视频图像采集处理器，视频图像采集处理器获取气象数据中被测气象的图像；
在获取的图像中定义一预览区域的一特定区域；
利用视频图像采集处理器提取至少一预览图像；
利用视频图像采集处理器判定定义的气象是否存在于该预览图像中；
当该气象存在于该预览图像中，决定该气象是否出现在该特定区域至少一预定百分比；以及当该气象的该预定百分比出现在该特定区域时，致使该视频图像采集处理器以进行一拍照处理以通过该视频图像采集处理器提取图像；
所述视频图像采集处理器对包含有被测气象的图像进行数字图像处理，将被测气象部分从整个图像背景中提取出来，并对提取出来的前景图像中的每个被测气象进行标识；
视频图像采集处理器自动计算，通过扫描整幅前景图像中标识的被测气象并进行统计得到被测气象的实际数据；
将气象数据采集模块内嵌的预定时间内气象数据变化数据与视频图像采集处理器得到的被测气象的数据进行匹配，得到现有气象数据变化范围的比例；
将采集到的包含有被测气象的图像利用预定过分割算法进行过分割成超像素图像，对整个输入图像，以8*8个像素为单元，计算每个单元的平均灰度值和每个单元的最大灰度值，得到至少一个区域，同一个所述区域中各个像素点的颜色值相同；
对得到的超像素图像提取特征向量，所述特征向量包括轮廓、亮度和连续性；
确定每个区域的颜色值和质心；
根据各个区域所对应的颜色值以及各个区域的质心，建立显著性模型；
根据所述显著性模型获取所述图像中的前景样本点和背景样本点；
根据所述显著性模型以及所述前景样本点和所述背景样本点，建立前背景分类模型；
根据预定图割算法对所述图像进行分割，所述预定图割算法利用所述前背景分类模型以及像素点之间的边缘信息对所述图像进行分割。
所述显著性模型为：
其中，si1为区域ri中任一像素点的显著性值，w(rj)为区域rj中的像素点的个数，ds(ri,rj)用于表征所述区域ri和所述区域rj之间空间位置差异的度量值，dc(ri,rj)用于表征所述区域ri和所述区域rj之间颜色差异的度量值，n为对所述图像进行过分割后得到的区域的总个数，ds(ri,rj)为：
将得到的超像素图像上的每一个超像素计算方向能量，通过非线性变换将方向能量转换成局部归一化的轮廓度，计算区域边界上所有超像素的局部归一化的轮廓度总和，该总和即为区域间的轮廓能量；计算区域内部所有超像素的局部归一化的轮廓度总和，该总和即为区域内的轮廓能量；
求超像素图像对应的方差图像v和边缘图像e，初始化窗口边长n＝3；窗口包含信息判断，求边缘图像e中与原图像中当前窗口w对应的窗口中边缘像素在窗口中所占的比例p，若p≥(n-2)/n2则当前窗口包含足够的边缘信息，满足进行分割的条件则进行分割，若p<(n-2)/n2则当前窗口不包含足够的边缘信息，不进行分割；
去噪处理模块，与气象数据采集模块通过信号线连接，用于实现气象数据的预处理；
空间化模拟模块，与去噪处理模块通过信号线连接，用于实现复杂地形下气温空间化模拟模型；
数据分析模块，与空间化模拟模块通过信号线连接，用于实现模型数据的分析，得到降水、气温等气象信息；
数据处理模块，与数据分析模块通过信号线连接，用于实现降水、气温气象信息的分类，并送至存储模块、显示模块；
存储模块，与数据处理模块通过信号线连接，用于实现降水、气温气象信息的存储；
显示模块，与数据处理模块通过信号线连接，用于实现降水、气温气象信息的显示。
进一步，所述去噪处理模块，含噪的一维信号模型可表示为：
s(t)＝f(t)+σ*e(t)t＝0，1，…，n_1；
其中，s(t)为真实信号，f(t)为含噪信号，e(t)为噪声，σ为噪声标准偏差。
进一步，所述空间化模拟模块中根据地形调节统计模型，即在考虑微观地形情况下，面辐射与地形存在着函数关系，其实际气温表示为：
tt＝thcosi/cosz；
式中，tt：为地形调节统计模型模拟的气温；th为常规统计模型模拟的气温；i为地球面法线与太阳光线之间的角度。
进一步，所述数据分析模块中：任意两个变量x和y，样本为n，标准差分分别为σx和σy，则它们之间的pearson相关关系的计算公式表示为：
进一步，所述数据处理模块中，降水量与经纬度、海拔高度的线性关系式：
p＝-66.840+4.518*lat-1.324*long+0.001*ele(r2＝0.456)；
lat为气象站点的经度，long为气象站点的纬度，ele为气象站点的海拔高度，p为月降水。
进一步，所述气象数据采集模块中，采用pid控制算法进行数据处理，所述pid控制算法包括：
第一步，pid控制算法由比例、积分、微分三个环节组成，数学描述为：
u(k)＝kpx(1)+kdx(2)+kix(3)
式中，kp为比例系数；ki为积分时间常数；kd为微分时间常数；u(k)为通过pid计算后得到的气象数据的增加减少值，x(1)为比例的校正值；x(2)为微分的校正值；x(3)为积分的校正值；
第二步，通过图像采集处理器的测量值与视频图像采集处理器的期望值的误差及采样时间求出第一步中的x(1)、x(2)、x(3)，计算公式为：
x(1)＝error(k)；
x(2)＝[error(k)-error_1]/ts；
x(3)＝x(3)+error(k)*ts；
式中，error(k)为在k时刻通过测量值与期望值计算出的误差；ts为采样时间；
第三步，将上两个步骤进行编程后，输出的值u(k)即为给的气象变化率修正值，并记录下来。
进一步，所述显示模块包括显示屏、模糊度评价模块、模糊度调整模块；所述模糊度调整模块与显示屏通过板线连接；
所述模糊度评价模块用于获取数据处理模块传输的实现降水、气温气象信息的图像，并计算滤波前后图像统计信息比值；
所述模糊度调整模块与模糊度评价模块相连，用于调整原图像模糊度得出最终图像和图像模糊度评价指标。
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法包括：
图像获取，获取待评价的实现降水、气温气象信息的图像；
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：
图像灰度化，为方便图像的边缘提取，利用数字图像处理中rgb图像的r、g、b各个通道的像素值与灰度图像像素值的转换关系将彩色图像转化为灰度图像，公式如下：
gray＝r*0.3+g*0.59+b*0.11。
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：图像边缘提取，利用数字图像处理方法中的roberts算子边缘检测技术作用于灰度图像获取图像的边缘，不同的检测算子具有不同的边缘检测模板，根据具体模板计算交叉像素的差分作为当前像素值，使用模板如下：
e(i,j)＝|f(i,j)-f(i+1,j+1)|+|f(i+1,j)-f(i,j+1)|。
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：图像处理，利用高通/低通滤波器对灰度图像进行滤波处理以构造待评价图像的参考图像，采用3*3均值滤波器，利用滤波模板遍历图像每个像素，每次将模板中心置于当前像素，以模板内所有像素的平均值作为当前像素新值，模板如下：
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：图像边缘统计信息计算，分别计算图像滤波前后各自边缘灰度信息，滤波处理前的待评价图像f统计信息为sum_orig,滤波处理后的参考图像f2统计信息为sum_filter,具体计算公式如下：
其中，w1与w2是根据离中心像素的距离设定的权值，w1＝1，w2＝1/3；
图像模糊度指标计算，将得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标，为方便评价，取较大的为分母，较小的为分子，保持该值介于(0,1)之间。
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：根据最佳视觉效果的dmos范围得出对应的一个模糊度指标范围[min,max],具体为：
得出模糊度调整范围，利用上述步骤中的模糊度评价方法评价live2中的174幅高斯模糊图像，计算出它们各自的模糊度评价值，然后利用拟合工具plot(value,dmos)建立评价值value与dmos之间的映射关系，根据最佳视觉效果对应的dmos范围得出对应的一个模糊评价值范围[min，max]；
图像模糊度调整，若图像模糊度指标小于min，根据步骤六，判定图像滤波前后变化很大，原图像过于锐化，则利用低通滤波器进行滤波调整；若大于max，判定图像滤波前后变化很小，原图像过于模糊，则利用高通滤波器进行滤波调整，以达到更佳视觉效果；
得出最终图像和该图像模糊度评价指标，并显示在显示屏上。
进一步，滤波器处理图像不是单一方式处理整幅评价图像，而是鉴于图像的边界和中心像素由于位置的不同导致滤波器对其处理方式的不同，根据滤波器模板大小相应地忽略边界像素后再利用滤波器处理图像，然后对于边界像素采取原始像素填充的方法进行处理。
本发明的优点及积极效果为：采用云计算实现了气象数据的处理，提高了数据处理速度，有利于气象信息的提前预报，并降低了灾害性天气造成的损失；去噪处理模块的含噪的一维信号模型，有助于提高气象数据的去噪成功率，为气象预报的准确度提供了保障；空间化模拟模块考虑微观地形(坡度、坡向)情况下，面辐射与地形存在着函数关系，实现了气象的空间模拟，有助于提高预报的准确度；数据分析模块和数据处理模块提高了气象数据的处理速度。
本发明通过将气象数据采集模块内嵌的预定时间内气象数据变化数据与视频图像采集处理器得到的被测气象的数据进行匹配，得到现有气象数据变化范围的比例；通过pid进行调整，获得准确的气象数据。pid精度高，避免了误差范围过大。
本发明的图像评价不同于传统的评价方法，本发明建立在待评价图像自身结构特点基础上，从相对评价的角度出发，利用滤波器构造待评价图像的参考图像，计算变化前后图像边缘统计信息的比值作为评价指标；本发明的原理简单，实现了图像模糊度评价的内容无关性和实时性，可以快速准确评价比较任何图像之间的模糊度。
附图说明
图1是本发明实施例提供的自动气象站数据采集控制系统结构示意图；
图中：1、气象数据采集模块；2、去噪处理模块；3、空间化模拟模块；4、数据分析模块；5、数据处理模块；6、存储模块；7、显示模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明实施例提供的自动气象站数据采集控制系统包括：气象数据采集模块1、去噪处理模块2、空间化模拟模块3、数据分析模块4、数据处理模块5、存储模块6、显示模块7。
气象数据采集模块1，通过多个传感器实际采集气象的各个数据。所述气象数据采集模块采集气象的各个数据中，多个传感器采集的气象的各个数据传输给气象数据采集模块内置的视频图像采集处理器，视频图像采集处理器获取气象数据中被测气象的图像；
在获取的图像中定义一预览区域的一特定区域；
利用视频图像采集处理器提取至少一预览图像；
利用视频图像采集处理器判定定义的气象是否存在于该预览图像中；
当该气象存在于该预览图像中，决定该气象是否出现在该特定区域至少一预定百分比；以及当该气象的该预定百分比出现在该特定区域时，致使该视频图像采集处理器以进行一拍照处理以通过该视频图像采集处理器提取图像；
所述视频图像采集处理器对包含有被测气象的图像进行数字图像处理，将被测气象部分从整个图像背景中提取出来，并对提取出来的前景图像中的每个被测气象进行标识；
视频图像采集处理器自动计算，通过扫描整幅前景图像中标识的被测气象并进行统计得到被测气象的实际数据；
将气象数据采集模块内嵌的预定时间内气象数据变化数据与视频图像采集处理器得到的被测气象的数据进行匹配，得到现有气象数据变化范围的比例；
将采集到的包含有被测气象的图像利用预定过分割算法进行过分割成超像素图像，对整个输入图像，以8*8个像素为单元，计算每个单元的平均灰度值和每个单元的最大灰度值，得到至少一个区域，同一个所述区域中各个像素点的颜色值相同；
对得到的超像素图像提取特征向量，所述特征向量包括轮廓、亮度和连续性；
确定每个区域的颜色值和质心；
根据各个区域所对应的颜色值以及各个区域的质心，建立显著性模型；
根据所述显著性模型获取所述图像中的前景样本点和背景样本点；
根据所述显著性模型以及所述前景样本点和所述背景样本点，建立前背景分类模型；
根据预定图割算法对所述图像进行分割，所述预定图割算法利用所述前背景分类模型以及像素点之间的边缘信息对所述图像进行分割。
所述显著性模型为：
其中，si1为区域ri中任一像素点的显著性值，w(rj)为区域rj中的像素点的个数，ds(ri,rj)用于表征所述区域ri和所述区域rj之间空间位置差异的度量值，dc(ri,rj)用于表征所述区域ri和所述区域rj之间颜色差异的度量值，n为对所述图像进行过分割后得到的区域的总个数，ds(ri,rj)为：
将得到的超像素图像上的每一个超像素计算方向能量，通过非线性变换将方向能量转换成局部归一化的轮廓度，计算区域边界上所有超像素的局部归一化的轮廓度总和，该总和即为区域间的轮廓能量；计算区域内部所有超像素的局部归一化的轮廓度总和，该总和即为区域内的轮廓能量；
求超像素图像对应的方差图像v和边缘图像e，初始化窗口边长n＝3；窗口包含信息判断，求边缘图像e中与原图像中当前窗口w对应的窗口中边缘像素在窗口中所占的比例p，若p≥(n-2)/n2则当前窗口包含足够的边缘信息，满足进行分割的条件则进行分割，若p<(n-2)/n2则当前窗口不包含足够的边缘信息，不进行分割。
去噪处理模块2，与气象数据采集模块1通过信号线连接，用于实现气象数据的预处理。
空间化模拟模块3，与去噪处理模块2通过信号线连接，用于实现复杂地形下气温空间化模拟模型。
数据分析模块4，与空间化模拟模块3通过信号线连接，用于实现模型数据的分析，得到降水、气温等气象信息。
数据处理模块5，与数据分析模块4通过信号线连接，用于实现降水、气温等气象信息的分类，并送至存储模块6、显示模块7。
存储模块6，与数据处理模块5通过信号线连接，用于实现降水、气温等气象信息的存储。
显示模块7，与数据处理模块5通过信号线连接，用于实现降水、气温等气象信息的显示。
去噪处理模块2，含噪的一维信号模型可表示为：
s(t)＝f(t)+σ*e(t)t＝0，1，...，n_1；
其中，s(t)为真实信号，f(t)为含噪信号，e(t)为噪声，σ为噪声标准偏差。
空间化模拟模块3中，首先考虑海拔高度、经度、纬度对气温空间分布影响，再进一步考虑坡度、坡向这些微观地形因子对气温空间分布的影响。根据地形调节统计模型，即在考虑微观地形(坡度、坡向)情况下，面辐射与地形存在着函数关系，其实际气温可表示为：
tt＝thcosi/cosz；
式中，tt：为地形调节统计模型模拟的气温；th为常规统计模型模拟的气温；i为地球面法线与太阳光线之间的角度。其中，th可根据下式求得：
式中，λ为经度，
i可根据下式求得：
cosi＝cosacosz+sinasinzcos(φ-β)；
式中，α为坡度，z为太阳天顶角，φ为太阳方位角，β为坡向。对于中国的地理位置特点和气温模拟方法，可将太阳天顶角z设为45°，太阳方位角φ设为180°(为正午时间)，所以公式(1)归纳为：
tt＝th(cosα-sinαcosβ)。
数据分析模块4中：任意两个变量x和y，样本为n，标准差分分别为σx和σy，则它们之间的pearson相关关系的计算公式表示为：
数据处理模块5中，降水量与经纬度、海拔高度的线性关系式：
p＝-66.840+4.518*lat-1.324*long+0.001*ele(r2＝0.456)；
lat为气象站点的经度，long为气象站点的纬度，ele为气象站点的海拔高度，p为月降水。
所述气象数据采集模块中，采用pid控制算法进行数据处理，所述pid控制算法包括：
第一步，pid控制算法由比例、积分、微分三个环节组成，数学描述为：
u(k)＝kpx(1)+kdx(2)+kix(3)
式中，kp为比例系数；ki为积分时间常数；kd为微分时间常数；u(k)为通过pid计算后得到的气象数据的增加减少值，x(1)为比例的校正值；x(2)为微分的校正值；x(3)为积分的校正值；
第二步，通过图像采集处理器的测量值与视频图像采集处理器的期望值的误差及采样时间求出第一步中的x(1)、x(2)、x(3)，计算公式为：
x(1)＝error(k)；
x(2)＝[error(k)-error_1]/ts；
x(3)＝x(3)+error(k)*ts；
式中，error(k)为在k时刻通过测量值与期望值计算出的误差；ts为采样时间；
第三步，将上两个步骤进行编程后，输出的值u(k)即为给的气象变化率修正值，并记录下来。
进一步，所述显示模块包括显示屏、模糊度评价模块、模糊度调整模块；所述模糊度调整模块与显示屏通过板线连接；
所述模糊度评价模块用于获取数据处理模块传输的实现降水、气温气象信息的图像，并计算滤波前后图像统计信息比值；
所述模糊度调整模块与模糊度评价模块相连，用于调整原图像模糊度得出最终图像和图像模糊度评价指标。
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法包括：
图像获取，获取待评价的实现降水、气温气象信息的图像；
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：
图像灰度化，为方便图像的边缘提取，利用数字图像处理中rgb图像的r、g、b各个通道的像素值与灰度图像像素值的转换关系将彩色图像转化为灰度图像，公式如下：
gray＝r*0.3+g*0.59+b*0.11。
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：图像边缘提取，利用数字图像处理方法中的roberts算子边缘检测技术作用于灰度图像获取图像的边缘，不同的检测算子具有不同的边缘检测模板，根据具体模板计算交叉像素的差分作为当前像素值，使用模板如下：
e(i,j)＝|f(i,j)-f(i+1,j+1)|+|f(i+1,j)-f(i,j+1)|。
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：图像处理，利用高通/低通滤波器对灰度图像进行滤波处理以构造待评价图像的参考图像，采用3*3均值滤波器，利用滤波模板遍历图像每个像素，每次将模板中心置于当前像素，以模板内所有像素的平均值作为当前像素新值，模板如下：
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：图像边缘统计信息计算，分别计算图像滤波前后各自边缘灰度信息，滤波处理前的待评价图像f统计信息为sum_orig,滤波处理后的参考图像f2统计信息为sum_filter,具体计算公式如下：
其中，w1与w2是根据离中心像素的距离设定的权值，w1＝1，w2＝1/3；
图像模糊度指标计算，将得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标，为方便评价，取较大的为分母，较小的为分子，保持该值介于(0,1)之间。
进一步，利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法还包括：根据最佳视觉效果的dmos范围得出对应的一个模糊度指标范围[min,max],具体为：
得出模糊度调整范围，利用上述步骤中的模糊度评价方法评价live2中的174幅高斯模糊图像，计算出它们各自的模糊度评价值，然后利用拟合工具plot(value,dmos)建立评价值value与dmos之间的映射关系，根据最佳视觉效果对应的dmos范围得出对应的一个模糊评价值范围[min，max]；
图像模糊度调整，若图像模糊度指标小于min，根据步骤六，判定图像滤波前后变化很大，原图像过于锐化，则利用低通滤波器进行滤波调整；若大于max，判定图像滤波前后变化很小，原图像过于模糊，则利用高通滤波器进行滤波调整，以达到更佳视觉效果；
得出最终图像和该图像模糊度评价指标，并显示在显示屏上。
进一步，滤波器处理图像不是单一方式处理整幅评价图像，而是鉴于图像的边界和中心像素由于位置的不同导致滤波器对其处理方式的不同，根据滤波器模板大小相应地忽略边界像素后再利用滤波器处理图像，然后对于边界像素采取原始像素填充的方法进行处理。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。