一种基于深度学习的降雨图像相似性搜索方法技术

本发明专利技术公开一种基于深度学习的降雨图像相似性搜索方法，对研究流域进行数据预处理后，采用分块加权颜色直方图分别提取研究流域历史时段降雨量图像和待检索降雨图像的降雨特征信息，然后计算待检索图像和历史降雨图像的降雨特征信息间相似度；其次采用多指标加权组合法对降雨特征信息间的相似度进行融合，得到多特征融合的降雨图像相似性度量方法；接着采用改进鲸鱼优化算法IWOA训练得到最优权重系数，得到最优特征融合相似性度量；最后计算历史库中降雨图像搜索和待查询降雨图像间的相似性并进行排序，得到和待检索图像最相似的历史降雨图像。本发明专利技术提供基于深度学习的降雨图像相似性搜索方法，实现相似降雨图像的识别和搜索。和搜索。和搜索。

【技术实现步骤摘要】
一种基于深度学习的降雨图像相似性搜索方法


[0001]本专利技术涉及水文气象和图像识别技术，具体涉及一种基于深度学习的降雨图像相似性搜索方法。

技术介绍

[0002]降雨是地表径流和地下水的主要来源，对流域水文要素的时空变化规律有着最直接且最主要的影响。近年来，极端降雨引发的山洪造成了巨大的社会和经济损失。受致洪降雨强度、降雨分布等因素影响，洪水发生的时间、地点、洪水强度和洪水过程特征存在很大的不确定性，给洪水预警和防御造成很大障碍。因此，提取历史场次降雨特征，采用相似性分析对降雨过程进行识别和归类，挖掘历史上相似的降雨过程，对洪水预测、同类型洪水应对及洪水资源化利用具有十分重要的价值。
[0003]降雨相似性评价是洪水风险评估的一个重要内容。章龙飞等[章龙飞, 朱跃龙, 等. 基于降雨类型直方图分析的降雨站点相似性研究. 水文, 2013, 33(03): 10
‑
17.]从单场降雨过程入手，利用基于Davies
‑
Bouldin指数的K
‑
means聚类算法对各雨量站的降雨场次进行聚类，结合了词袋统计模型为每个降雨观测站点建立了基于单场降雨的降雨类型直方图，比较两个降雨站点间的相似性进而研究降雨的相似性。Xiao等[Z. Xiao, Z. Liang, B. Li, and B. Hou, New flood early warning and forecasting methodbased on similarity theory. Journal of Hydrologic Engineering, 2019, 24(8): 04019023.]提出了一种基于多测度的降雨事件相似性分析模型，分别从数量相似度、模式相似度、陆地移动距离、暴雨空间分布相似度等多个角度进行场次暴雨相似度评估。Ohno等[G. Ohno, I. Kazunori, Flood Forecast Based on Deep Learning Using Distribution MAPof Precipitation. Proceedings of the 22nd IAHR APD Congress. 2020, Japan, Sapporo.]采用深度学习方法提取天气预报降雨图像中的特征信息以判定河道水位是否超过“洪水”阈值，为利用天气预报中的降雨图像延长汛期预报提供了新的思路和参考。
[0004]尽管降雨相似性搜索已有一些研究，但研究或者主要面向降雨时间序列数据（如章、Xiao等的研究成果），或者对图像的特征表达及相似性度量方法不足（如Ohno研究成果），随着信息技术的发展，降雨数据类型也从传统的文本型序列数据扩展到图像类、非结构化序列数据。水文气象部门已经累积了丰富的时段降雨量实况图，采用不同的颜色形象直观的表达不同区间的降雨量数值。因此，借助机器学习和图像识别最新算法，对降雨图像进行特征提取、相似性分析以实现降雨过程的相似性识别和搜索，是水文气象研究领域的新兴研究方向。
[0005]目前还有一些现有技术，例如专利技术专利CN202210909459.8公开了基于视觉特征的相似降雨预报方法和设备，该技术方案在在相似性搜索时未考虑子流域的不同特征，任意网格划分容易导致地形地貌统计不一致等问题，也进而因为距离度量维度不一致而出现维度不一致、信息丢失、物理含义不明确等问题。

技术实现思路

[0006]专利技术目的：本专利技术的目的在于解决现有技术方案中或因用时序数据难以表达降雨过程的时空特征信息、或因降雨图像的特征表达及相似性度量方法不足等问题，结合颜色直方图、图像特征提取、相似性度量、改进的鲸鱼优化等算法，提供基于深度学习的降雨图像相似性搜索方法，实现相似降雨过程的识别和搜索。
[0007]技术方案：本专利技术的一种基于深度学习的降雨图像相似性搜索方法，包括以下步骤：步骤S1、数据预处理，即根据研究流域地形地貌、河流走向和子流域划分方法，对研究流域进行数据预处理，得到该流域特征向量BasinP，并通过流域特征向量BasinP来表征流域降雨特征信息；；其中P
time
表征降雨时间，P
Basin
表示流域面降雨总量，数组[P
Basin1
, P
Basin2
,
…
, P
Basinn
]表示流域Basin中各子流域Basin
i
的降雨量，1≤i≤n，数组[Basin
i
, P
max
‑
Basini
]表示最大降雨量所在的子流域及其降雨值；步骤S2、对于研究流域的历史时段降雨图像，分别采用分块加权颜色直方图方法来提取各自对应的降雨特征信息，然后构建历史降雨图像特征库并存储；步骤S3、对于研究流域的待检索时段降雨图像，分别采用上述步骤S2中的分块加权颜色直方图方法来提取各自对应的降雨特征信息；步骤S4、使用不同相似性度量方法计算待检索降雨图像和历史时段降雨图像的降雨特征信息间相似度，得到流域面降雨总量特征间的相似度SIM
B
、降雨空间特征相似度SIM
subB
和最大降雨子流域特征相似度SIM
maxB
；步骤S5、采用多指标加权组合方法对步骤S4中所得降雨特征信息间的相似度进行融合，得到多特征融合的降雨图像image
s
, image
t
间的融合相似度SIM(s,t)；并采用改进的鲸鱼优化算法IWOA对融合相似度SIM(s,t)的待定权重系数进行寻优，得到最优特征融合相似性度量；步骤S6、基于步骤S5最优特征融合相似性度量，计算历史库中降雨图像搜索和待检索降雨图像间的相似性并进行排序，得到和待检索降雨图像最相似的历史降雨图像，也就是采用最优权重系数，和及其对应的融合相似度SIM(s,t)，从历史库中搜索并输出和待检索降雨图像最相似的历史降雨图像并输出。
[0008]进一步地，所述步骤S1构建研究流域特征向量的详细过程为：步骤S11、根据研究流域地形地貌、河流走向和子流域划分方法，对研究流域进行子流域划分，并根据降雨分析应用需求，将研究流域特征信息概化为Basin={[Basin1,Basin2,
…
Basin
n
]}，其中n是流域Basin划分的子流域数量，Basin
i
是其对应的第i个子流域，1≤i≤n；步骤S12、根据子流域间的相邻位置关系构建流域连通图BasinG，并根据流域连通图BasinG计算子流域之间的最短可达路径；最短可达路径Path（Basin
i
,Basinj）来计算两幅降雨图像的最大子流域之间的相似度，1≤i≤n，1≤j≤n；步骤S13、构建研究流域特征向量BasinP={P
time
，P
Basin
，[P
Basin1
, P
Basin2
,
…
...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的降雨图像相似性搜索方法，其特征在于：包括以下步骤：步骤S1、数据预处理，即根据研究流域地形地貌、河流走向和子流域划分方法，对研究流域进行数据预处理，得到该流域特征向量BasinP，并通过流域特征向量BasinP来表征流域降雨特征信息；；其中P
time
表征降雨时间，P
Basin
表示流域面降雨总量，数组[P
Basin1
, P
Basin2
,
ꢀ…
, P
Basinn
]表示流域Basin中各子流域Basin
i
的降雨量，1≤i≤n，数组[Basin
i
, P
max
‑
Basini
]表示最大降雨量所在的子流域及其降雨值；步骤S2、对于研究流域的历史时段降雨图像，分别采用分块加权颜色直方图方法来提取各自对应的降雨特征信息，然后构建历史降雨图像特征库并存储；步骤S3、对于研究流域的待检索时段降雨图像，分别采用上述步骤S2中的分块加权颜色直方图方法来提取各自对应的降雨特征信息；步骤S4、使用不同相似性度量方法计算待检索降雨图像和历史时段降雨图像的降雨特征信息间相似度，得到流域面降雨总量特征间的相似度SIM
B
、降雨空间特征相似度SIM
subB
和最大降雨子流域特征相似度SIM
maxB
；步骤S5、采用多指标加权组合方法对步骤S4中所得降雨特征信息间的相似距离进行融合，得到多特征融合的降雨图像image
s
, image
t
间的融合相似度SIM(s,t)；并采用改进的鲸鱼优化算法IWOA对融合相似度SIM(s,t)的待定权重系数进行寻优，得到最优特征融合相似性度量；步骤S6、基于步骤S5最优特征融合相似性度量，计算历史库中降雨图像搜索和待检索降雨图像间的相似性并进行排序，得到和待检索降雨图像最相似的历史降雨图像。2.根据权利要求1所述的基于深度学习的降雨图像相似性搜索方法，其特征在于，所述步骤S1构建研究流域特征向量的详细过程为：步骤S11、根据研究流域地形地貌、河流走向和子流域划分方法，对研究流域进行子流域划分，并根据降雨分析应用需求，将研究流域特征信息概化为Basin={[Basin1,Basin2,
…
Basin
n
]}，其中n是流域Basin划分的子流域数量，Basin
i
是其对应的第i个子流域，1≤i≤n；步骤S12、根据子流域间的相邻位置关系构建流域连通图BasinG，并根据流域连通图BasinG计算子流域之间的最短可达路径；步骤S13、构建研究流域特征向量BasinP={P
time
，P
Basin
，[P
Basin1
, P
Basin2
,
ꢀ…
, P
Basinn
],[Basin
i
,P
max
‑
Basini
]}，使用BasinP来表征研究流域降雨特征信息。3.根据权利要求1所述的基于深度学习的降雨图像相似性搜索方法，其特征在于，所述步骤S2的详细过程为：步骤S21、将各降雨量图像统一压缩为128*128大小；步骤S22、根据降雨量等级划分标准及其在降雨图像中对应的颜色特征表示方法，采用加权颜色直方图技术提取降雨图像中各子流域中不同颜色特征color
k
及不同颜色对应的像素点数量num
k
，k是不同降雨等级对应的颜色总数；步骤S23、根据公式(1)计算各子流域对应的降雨量P
Basini
ꢀꢀ
式(1)
其中num
l
表示子流域Basin
i
中第l种颜色color
l
对应的像素点数量，1≤l≤k，PC
l
表示子流域Basin
i
中第l种颜色color
l
对应的降雨量大小；步骤S24、根据所得各子流域降雨量值P
Basini
通过公式(2)计算得到流域面降雨总量P
Basin
：
ꢀꢀꢀ
式(2)步骤S25、根据流域内各子流域降雨量值P
Basini
情况，计算得到最大降雨子流域Basin
j
及其最大降雨量值P
max
‑
Basin
，1≤j≤n，计算公式为：式(3)步骤S26、对所有历史时段降雨图像，分别提取该降雨量对应的时间P
time
、流域面降雨总量P
Basin
、各子流域降雨量[P
Basin1
, P
Basin2
,
ꢀ…
, P
Basinn
]、最大降雨所在子流域及其降雨量[Basin
i
, P
max
‑
Basini
]，并构建特征向量BasinP
time
进行存储；对待检索降雨图像，则提取获得待检索降雨图像特征向量：子流域降雨量、流域面降雨总量、最大降雨所在子流域及其最大降雨量值。4.根据权利要求3所述的基于深度学习的降雨图像相似性搜索方法，其特征在于,所述步骤23中根据降雨量等级划分标准，上述中降雨量图中不同降雨等级对应的颜色总数k=6，其对应的降雨等级和范围如下：l=0，颜色特征为RGB（255,255,255），表示无雨，日降雨量范围为0；l =1，颜色特征为RGB（153,255,153），表示小雨，日降雨量范围为[0.0,10.0)；l =2, 颜色特征为RGB（0,153,51），表示中雨，日降雨量范围为[10.0,25.0)；l =3, 颜色特征为RGB（102,204,255），表示大雨，日降雨量范围为[25.0,50.0)；l=4, 颜色特征为RGB（0,0,255），表示暴雨，日降雨量范围为[50.0,100.0)；l=5, 颜色特征为RGB（255,0,255），表示大暴雨，日降雨量范围为[100.0,250.0)；l =6, 颜色特征为RGB（162，20，47），表示特大暴雨，日降雨量范围为[250.0, +∞)；并且当l为0无雨时，不提取其颜色特征。5.根据权利要求4所述的基于深度学习的降雨图像相似性搜索方法，其特征在于，所述l取值分别为0、1、2、3、4、5、6时，对应的降雨量值PC
l
则依次为1、11、31、101、151、311。6.根据权利要求1所述的基于深度学习的降雨图像相似性搜索方法，其特征在于,所述步骤S4的详细过程为；步骤S41、定义子流域降雨空间距离度量D
subB
和相似性度量SIM
subB...

【专利技术属性】
技术研发人员：余宇峰，贺新固，万定生，朱跃龙，魏睿，杨志勇，
申请(专利权)人：河海大学，
类型：发明
国别省市：