【技术实现步骤摘要】
本说明书涉及降雨监测，特别涉及一种基于摄像头识别的降雨图像识别方法。
技术介绍
1、随着科技发展和设备的进步，降雨情况逐渐可通过卫星遥感、实拍监测，等手段实现预测、监督。现有的降雨识别方法中，多利用历史图像数据分析降雨信息，确定具体的降雨范围、降雨量和降雨时间。但现有的识别方法获取的降雨图像存在大量的无关噪声，降低识别的质量，导致识别的降雨信息结果与实际的降雨信息存在较大误差。
技术实现思路
1、针对现有技术中的上述不足，本专利技术提供的一种基于摄像头识别的降雨图像识别方法解决了降雨图像难以准确识别的问题。
2、为了达到上述专利技术目的，本专利技术采用的技术方案为：一种基于摄像头识别的降雨图像识别方法，包括：
3、s1：利用摄像头采集目标区域降雨图像；
4、s2：对所述目标区域降雨图像进行预处理，得到降雨图像数据；
5、s3：利用降雨识别模型对所述降雨图像数据进行处理，得到目标区域降雨信息；
6、s4：对所述目标区域降雨信息进行聚类，确定监测区域内的降雨范围及降雨等级，完成对降雨图像的识别。
7、本专利技术的有益效果为：处理器对摄像头采集的目标区域降雨图像进行预处理，通过降雨识别模型和聚类的方式确定监测区域内的降雨范围及降雨等级。通过预处理的方式，可以大大降低采集的目标区域降雨图像的噪声，同时提高图像对降雨信息的表达能力，提高计算的效率和准确性；通过利用降雨识别模型对降雨图像数据进行处理，得到目标区域降雨信息，
8、进一步地：所述s2包括：
9、s210：对所述区域降雨图像进行滤波处理，得到滤波后目标像素点灰度；
10、s220：统计所述滤波后目标像素点灰度，得到滤波后的目标区域降雨图像；
11、s230：对所述滤波后的目标区域降雨图像进行边缘增强处理，得到增强后的目标区域降雨图像；
12、s240：对所述增强后的目标区域降雨图像进行图像复原，得到所述降雨图像数据。
13、在本说明书的一些实施例中，处理器可以利用滤波、边缘增强和图像复原的方式对目标区域降雨图像进行预处理，得到降雨图像数据，大大降低了图像的噪声，突出图像的降雨信息，提高计算的效率和准确性。
14、进一步地：所述滤波后目标像素点灰度具体表达式为：
15、
16、其中，g(x,y)表示滤波后目标像素点灰度，kij表示校正参数，f(i,j)表示参考像素点的灰度，n表示调节范围，x表示目标像素点的横坐标，y表示目标像素点的纵坐标，i表示参考像素点的横坐标，j表示参考像素点的纵坐标。
17、在本说明书的一些实施例中，处理器可以利用公式对目标区域降雨图像进行处理，得到滤波后的目标区域降雨图像，降低图像的噪声，并且获得归一化的图像，减少后续计算量。
18、进一步地：所述边缘增强处理具体包括：
19、s221：通过对所述滤波后的目标区域降雨图像进行计算，得到边缘梯度值和对应的梯度方向：
20、
21、
22、其中，g(x,y)表示边缘梯度值，tanα表示对应的梯度方向，δxg(x,y)表示x方向的梯度，δyg(x,y)表示y方向的梯度，x表示目标像素点的横坐标，y表示目标像素点的纵坐标。
23、s222：判断边缘梯度值是否超过预设阈值，若是，则沿梯度方向进行边缘增强，返回s221；否则输出增强后的目标区域降雨图像。
24、在本说明书的一些实施例中，处理器可以利用公式对滤波后的目标区域降雨图像进行处理，得到增强后的目标区域降雨图像，进一步减小图像的噪声，突出目标边缘，方便进行特征提取。
25、进一步地：所述方向梯度计算具体包括：
26、
27、
28、其中，k1表示x方向的中心强化参数，k2表示y方向的中心强化参数。
29、在本说明书的一些实施例中，处理器利用公式确定方向梯度，可以动态调节中心参数的权重，得到更符合实际情况的方向梯度，提高计算的准确率。
30、进一步地：所述降雨图像数据具体表达式为：
31、
32、其中，f(x,y)表示目标像素点的降雨图像数据，g'(x,y)表示增强后的目标像素点灰度，n(x,y)表示噪声函数，h(x,y)表示退化函数，x表示目标像素点的横坐标，y表示目标像素点的纵坐标。
33、在本说明书的一些实施例中，处理器可以利用公式对增强后的目标区域降雨图像进行处理，得到降雨图像数据，消除聚焦、物体运动和大气扰动等问题对计算结果的影响，提高识别准确率。
34、进一步地：所述s3包括：
35、s310：将所述降雨图像数据输入特征层，得到降雨图像特征向量；所述特征层属于降雨识别模型；
36、s320：将所述降雨图像特征向量输入降雨识别层，得到目标区域降雨信息；所述降雨识别层属于降雨识别模型。
37、本说明书一些实施例中，通过降雨识别模型对降雨图像数据进行处理，可以考虑到降雨图像数据的降雨特征分布情况，准确分析降雨特征的变化，使识别结果更准确。
38、进一步地：所述s4包括：
39、s410：计算所述目标区域降雨信息，得到目标区域的相似度，具体为：
40、
41、其中，pclu表示目标区域的相似度，ka表示目标区域降雨信息，kb表示参考区域降雨信息，da表示目标区域坐标，db表示参考区域坐标，a表示目标区域序号，b表示参考区域序号；
42、s420：按所述目标区域的相似度大小进行聚类，得到聚类结果；
43、s430：基于所述聚类结果，确定所述监测区域内的降雨范围及降雨等级。
44、在本说明书的一些实施例中，处理器可以利用公式对目标区域进行聚类处理，可以准确识别监测区域内的降雨范围及降雨等级。
本文档来自技高网...【技术保护点】
1.一种基于摄像头识别的降雨图像识别方法，其特征在于，包括：
2.根据权利要求1所述的基于摄像头识别的降雨图像识别方法，其特征在于，所述S2包括：
3.根据权利要求2所述的基于摄像头识别的降雨图像识别方法，其特征在于，所述滤波后目标像素点灰度具体表达式为：
4.根据权利要求2所述的基于摄像头识别的降雨图像识别方法，其特征在于，所述边缘增强处理具体包括：
5.根据权利要求4所述的基于摄像头识别的降雨图像识别方法，其特征在于，所述方向梯度计算具体包括：
6.根据权利要求2所述的基于摄像头识别的降雨图像识别方法，其特征在于，所述降雨图像数据具体表达式为：
7.根据权利要求1所述的基于摄像头识别的降雨图像识别方法，其特征在于，所述S3包括：
8.根据权利要求1所述的基于摄像头识别的降雨图像识别方法，其特征在于，所述S4包括：
【技术特征摘要】
1.一种基于摄像头识别的降雨图像识别方法，其特征在于，包括：
2.根据权利要求1所述的基于摄像头识别的降雨图像识别方法，其特征在于，所述s2包括：
3.根据权利要求2所述的基于摄像头识别的降雨图像识别方法，其特征在于，所述滤波后目标像素点灰度具体表达式为：
4.根据权利要求2所述的基于摄像头识别的降雨图像识别方法，其特征在于，所述边缘增强处理具体包括：
5...
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。