【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
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。