CN110824451A - 雷达回波图的处理方法、装置、计算机设备及存储介质 - Google Patents
雷达回波图的处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110824451A CN110824451A CN201911140125.3A CN201911140125A CN110824451A CN 110824451 A CN110824451 A CN 110824451A CN 201911140125 A CN201911140125 A CN 201911140125A CN 110824451 A CN110824451 A CN 110824451A
- Authority
- CN
- China
- Prior art keywords
- ellipse
- data
- groups
- data matrix
- sequence data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请涉及一种雷达回波图的处理方法、装置、计算机设备及存储介质,通过获取雷达回波图的灰度图像所对应的数据矩阵,并根据所述灰度图像所对应的数据矩阵检测出降水云系的多条轮廓,并获得多组轮廓序列数据;接着,遍历多组所述轮廓序列数据,通过椭圆拟合函数对多组所述轮廓序列数据进行拟合,从而得到多组所述轮廓序列数据所对应的椭圆数据。这些椭圆数据直观地分离出每片降水云系的个体,且通过将每片降水云系数值化,则可以直接使用数学模型跟踪观察各降水云系个体。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种雷达回波图的处理方法、装置、计算机设备及存储介质。
背景技术
随着遥感科技的发展,雷达已经成为了地面探测天气情况的重要手段。雷达存储的基础数据是反射率因子的强度信息,通常将反射率因子的强度信息映射成以不同颜色代表不同强度的反射率因子图。
通常情况下,在分析产生降水的天气***的发展和演变时,往往需要分析产生降水的云系,比如分析每片降水云系个体的位置、范围及其发展演变。但是,在传统技术中,并不能直观地分离出每片降水云系的个体,导致无法直接使用数学模型跟踪观察各降水云系个体。
发明内容
基于此,有必要针对传统技术中存在的不能直观地分离出每片降水云系的个体且无法使用数学模型跟踪观察各降水云系个体的技术问题,提供一种雷达回波图的处理方法、装置、计算机设备及存储介质。
一种雷达回波图的处理方法,所述方法包括:
获取雷达回波图的灰度图像所对应的数据矩阵;
根据所述灰度图像所对应的数据矩阵检测出降水云系的多条轮廓,并获得多组轮廓序列数据;
遍历多组所述轮廓序列数据,通过椭圆拟合函数对多组所述轮廓序列数据进行拟合,得到多组所述轮廓序列数据所对应的椭圆数据。
在其中一个实施例中,所述根据所述灰度图像所对应的数据矩阵确定降水云系的多条轮廓,并获得多组轮廓序列数据,包括:
对所述灰度图像对应的数据矩阵进行二值化处理;
根据二值化处理后的数据矩阵,检测所述降水云系的多条轮廓,并获得多组轮廓序列数据。
在其中一个实施例中,所述二值化处理后的数据矩阵中各元素的像素值包括第一像素值和第二像素值;所述对所述灰度图像所对应的数据矩阵进行二值化处理,包括:
判断所述灰度图像所对应的数据矩阵中各元素的像素值是否大于预设像素阈值;
若任一元素的像素值大于所述预设像素阈值,则将所述像素值记为所述第一像素值;
若任一元素的像素值不大于所述预设像素阈值,则将所述像素值记为所述第二像素值。
在其中一个实施例中,所述方法还包括:根据多组所述轮廓序列数据所对应的椭圆数据,生成对应的椭圆云图。
在其中一个实施例中,所述椭圆数据包括椭圆长轴、椭圆短轴;所述根据多组所述轮廓序列数据所对应的椭圆数据,生成对应的椭圆云图,包括:
判断所述椭圆长轴与所述椭圆短轴是否满足预设条件;
对满足所述预设条件的所述椭圆数据进行筛选;
根据筛选得到的椭圆数据,生成对应的椭圆云图。
在其中一个实施例中,所述判断所述椭圆长轴与所述椭圆短轴是否满足预设条件,包括:
计算所述椭圆长轴与所述椭圆短轴之和;
判断所述椭圆长轴与所述椭圆短轴之和是否大于预设阈值。
在其中一个实施例中,所述方法还包括:
将筛选得到的椭圆数据进行存储;所述椭圆数据还包括椭圆中心;
根据不同时刻的椭圆中心的位置数据,确定降水云系的位置变化;
根据不同时刻的椭圆长轴的数值和椭圆短轴的数值,确定所述降水云系的范围变化。
在其中一个实施例中,所述获取雷达回波图的灰度图像所对应的数据矩阵,包括:
获取所述雷达回波图的彩色图像所对应的三维数据矩阵;
对所述三维数据矩阵内的三通道像素值进行解析,获得所述灰度图像所对应的单通道数据矩阵。
一种雷达回波图的处理装置,所述装置包括:
数据矩阵获取模块,用于获取雷达回波图的灰度图像所对应的数据矩阵;
轮廓数据获得模块,用于根据所述灰度图像所对应的数据矩阵检测出降水云系的多条轮廓,并获得多组轮廓序列数据;
椭圆数据拟合模块,用于遍历多组所述轮廓序列数据,通过椭圆拟合函数对多组所述轮廓序列数据进行拟合,得到多组所述轮廓序列数据所对应的椭圆数据。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一实施例所述方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行上述任一实施例所述的方法的步骤。
上述雷达回波图的处理方法、装置、计算机设备及存储介质,通过获取雷达回波图的灰度图像所对应的数据矩阵,并根据所述灰度图像所对应的数据矩阵检测出降水云系的多条轮廓,并获得多组轮廓序列数据;接着,遍历多组所述轮廓序列数据,通过椭圆拟合函数对多组所述轮廓序列数据进行拟合,从而得到多组所述轮廓序列数据所对应的椭圆数据。通过这些椭圆数据直观地分离出每片降水云系的个体,且通过将每片降水云系数值化,则可以直接使用数学模型跟踪观察各降水云系个体。
附图说明
图1a为一个实施例中雷达回波图的处理方法的流程示意图;
图1b为一个实施例中雷达回波图的示意图;
图2a为一个实施例中雷达回波图的处理方法的流程示意图;
图2b为一个实施例中椭圆云图的示意图;
图3为一个实施例中生成椭圆云图的流程示意图;
图4为一个实施例中雷达回波图的处理方法的流程示意图;
图5为一个实施例中雷达回波图的处理方法的流程示意图;
图6为一个实施例中雷达回波图的处理装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请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申请,并不用于限定本申请。
在一个实施例中,如图1a所示,提供了一种雷达回波图的处理方法,该方法包括以下步骤:
S110、获取雷达回波图的灰度图像所对应的数据矩阵。
其中,如图1b所示,雷达回波图又称雷达云图,是由气象雷达发射微波信号探测到的天气信息,再在雷达显示器上呈现的回波图像。灰度图像是指每个像素只有一个采样颜色的图像,且灰度图像的存储是基于矩阵的,灰度图像所对应的数据矩阵,也可以称为像素点矩阵,是指图像中各个像素点的像素值。具体地,雷达回波图的原始图像是彩色图像,通过对彩色的雷达回波图进行解析,将彩色图像转换为灰度图像,获取灰度图像所对应的数据矩阵。
S120、根据灰度图像所对应的数据矩阵检测出降水云系的多条轮廓,并获得多组轮廓序列数据。
其中,降水云系是指在某些特定环流条件下,某些具有形成自然降水具有一定型式并持续一定时段的云区。轮廓序列数据是指各条轮廓中像素点的坐标数据。具体地,由于雷达回波图的灰度图像所对应的数据矩阵可以反映降水云系的特征,对灰度图像所对应的数据矩阵进行检测,可以得到降水云系的多条轮廓。其中,一个轮廓对应一系列像素点,这些点以某种方式表示图像中的一条曲线。获取多条轮廓上各像素点对应的坐标,即获得各条轮廓分别所对应的轮廓序列数据。
S130、遍历多组轮廓序列数据,通过椭圆拟合函数对多组轮廓序列数据进行拟合,得到多组轮廓序列数据所对应的椭圆数据。
其中,一方面,考虑到云系形状的多变性,并非规整的圆形;另一方面,考虑到云系发展边缘的平滑性,并非不光滑的多边形,则将降水云系用近似椭圆的方法来对待,并选用椭圆进行近似拟合。椭圆拟合是指对于给定平面上的一组样本点,寻找一个椭圆,使其尽可能靠近这些样本点。将图像中的一组数据以椭圆方程为模型进行拟合,使某一椭圆方程尽量满足这些数据,并求出该椭圆方程的各个参数,比如组成该椭圆的各点坐标、椭圆中心、椭圆长轴、椭圆短轴等。具体地,针对多条轮廓中的任一条来说,利用椭圆拟合函数对该条轮廓上的各像素点坐标进行拟合,从而得到该条轮廓上的轮廓序列数据所对应的椭圆数据。以此类推,遍历各条轮廓分别所对应的轮廓序列数据,这些轮廓序列数据包括各条轮廓像素点的坐标,利用椭圆拟合函数依次对各条轮廓上的各像素点坐标进行拟合,得到多组轮廓序列数据所对应的椭圆数据。
本实施例中,通过获取雷达回波图的灰度图像所对应的数据矩阵,并根据灰度图像所对应的数据矩阵检测出降水云系的多条轮廓,并获得多组轮廓序列数据;接着,遍历多组轮廓序列数据,通过椭圆拟合函数对多组轮廓序列数据进行拟合,从而得到多组轮廓序列数据所对应的椭圆数据。这些椭圆数据直观地分离出每片降水云系的个体,且通过将每片降水云系数值化,则可以直接使用数学模型跟踪观察各降水云系个体。
在一个实施例中,根据灰度图像所对应的数据矩阵确定降水云系的多条轮廓,并获得多组轮廓序列数据,包括:对灰度图像对应的数据矩阵进行二值化处理;根据二值化处理后的数据矩阵,检测降水云系的多条轮廓,并获得多组轮廓序列数据。
其中,为了将该灰度图像转换为二值图像,对灰度图像所对应的数据矩阵进行二值化。二值图像中各个像素点的像素值只能具有是两个灰阶值中的一个,比如,两个灰阶值分别为0或者225,则二值图像又称为黑白图像,二值图像中只能黑或者白,没有中间的过渡。则二值化处理可以使得灰度图像所对应的数据矩阵中的每个像素点的灰度值为0(黑色)或者255(白色)。可以理解的是,本实施例对二值图像中各像素点的灰度值并不做具体地限定,仅仅以0和255进行举例说明。
具体地,灰度图像对应的数据矩阵中的各像素值可以是0至255任一灰阶值。为了将雷达回波图的灰度图像转化为二值图像,对灰度图像对应的数据矩阵进行二值化处理,将灰度图像对应的数据矩阵转换为仅仅包括两个灰阶值的像素点矩阵。从二值化处理后得到的像素点矩阵中检测降水云系的多条轮廓,并获得多组轮廓序列数据。
示例性的,可以使用Opencv对二值化处理后的数据矩阵进行轮廓的查找,输出的轮廓序列数据可以是采用列表结构。其中,列表中每个元素可以表示为(x,1,2)的三维向量,即每个元素代表该条轮廓上像素点的集合。x代表该条轮廓共有多少个像素点,第三维的“2”代表每个点的横、纵坐标,第二维的“1”是对第三维横纵坐标在外部增加独立1维度。
例如:列表第一个元素为shape(4,1,2)的三维向量,三维矩阵向量为
[[[657 280]]
[[657 281]]
[[658 282]]
[[657 281]]]
则该条轮廓上具有4个像素点,第一个像素点的坐标[[657 280]],其中657代表横坐标,280代表纵坐标;第二个像素点的坐标[[657 281]],其中657代表横坐标,281代表纵坐标;第三个像素点的坐标[[658 282]],其中658代表横坐标,282代表纵坐标;第四个像素点的坐标[[657 281]],其中657代表横坐标,281代表纵坐标。
进一步地,二值化处理后的数据矩阵中各元素的像素值包括第一像素值和第二像素值。对灰度图像所对应的数据矩阵进行二值化处理,包括:判断灰度图像所对应的数据矩阵中各元素的像素值是否大于预设像素阈值;若任一元素的像素值大于预设像素阈值,则将像素值记为第一像素值;若任一元素的像素值不大于预设像素阈值,则将像素值记为第二像素值。
具体地,二值化处理让灰度图像的数据矩阵中的每个像素点的灰度值为第一像素值或者第二像素值。通过设置预设像素阈值将灰度图像转换为只包括第一像素值或者第二像素值的二值图像。预设像素阈值、第一像素值以及第二像素值的大小可以根据实际情况而设定,比如,预设像素阈值可以取113,第一像素值可以取255,第一像素值可以取0,则任一元素的像素值大于113,将像素值记为255,任一元素的像素值不大于113,将像素值记为0。
在一个实施例中,如图2a所示,该雷达回波图的处理方法还包括以下步骤:
S110、获取雷达回波图的灰度图像所对应的数据矩阵;
S120、根据灰度图像所对应的数据矩阵检测出降水云系的多条轮廓,并获得多组轮廓序列数据;
S130、遍历多组轮廓序列数据,通过椭圆拟合函数对多组轮廓序列数据进行拟合,得到多组轮廓序列数据所对应的椭圆数据;
S210、根据多组轮廓序列数据所对应的椭圆数据,生成对应的椭圆云图。
具体地,雷达回波图的原始图像是彩色图像,通过对彩色的雷达回波图进行解析,将彩色图像转换为灰度图像,获取灰度图像所对应的数据矩阵。由于雷达回波图的灰度图像所对应的数据矩阵可以反映降水云系的特征,对灰度图像所对应的数据矩阵进行检测,可以得到降水云系的多条轮廓。其中,一个轮廓对应一系列像素点,这些点以某种方式表示图像中的一条曲线。获取多条轮廓上各像素点对应的坐标,即获得各条轮廓分别所对应的轮廓序列数据。遍历各条轮廓分别所对应的轮廓序列数据,这些轮廓序列数据包括各条轮廓像素点的坐标,利用椭圆拟合函数依次对各条轮廓上的各像素点坐标进行拟合,得到多组轮廓序列数据所对应的椭圆数据。为了直观的呈现降水云系的分布情况,可以利用多组轮廓序列数据所对应的椭圆数据生成对应的椭圆云图。如图2b所示,这些椭圆云图可以直观反应每片降水云系的位置和范围。
在一个实施例中,椭圆数据包括椭圆长轴、椭圆短轴。如图3所示,根据多组轮廓序列数据所对应的椭圆数据,生成对应的椭圆云图,包括以下步骤:
S310、判断椭圆长轴与椭圆短轴是否满足预设条件;
S320、对满足预设条件的椭圆数据进行筛选;
S330、根据筛选得到的椭圆数据,生成对应的椭圆云图。
其中,通常降水云系发展地越强盛,则产生的云系的范围越广,并导致云系的垂直高度也越大,那么通过雷达探测到的反射率因子也越强,较强的反射率因子在回波图中分布也越广,则可以根据这一规律过滤范围分布较小的云系。由于云系范围的大小决定于椭圆的长轴和椭圆的短轴,则设置与椭圆长轴、椭圆短轴相关的预设条件对椭圆数据进行筛选。
具体地,轮廓序列数据包括各条轮廓像素点的坐标,利用椭圆拟合函数依次对各条轮廓上的各像素点坐标进行拟合,得到多组轮廓序列数据所对应的椭圆数据,且椭圆数据包括椭圆长轴、椭圆短轴。判断椭圆长轴、椭圆短轴是否满足预设条件,对分布范围较小的椭圆数据进行过滤。将满足预设条件的椭圆数据筛选出来,得到分布范围较大的椭圆数据。从而利用多组轮廓序列数据所对应的椭圆数据生成对应的椭圆云图。
进一步地,判断椭圆长轴与椭圆短轴是否满足预设条件,包括:计算椭圆长轴与椭圆短轴之和;判断椭圆长轴与椭圆短轴之和是否大于预设阈值。
示例性的,预设阈值可以取30(单位是像素),若椭圆长轴与椭圆短轴之和大于30,保留对应的椭圆数据;相反,若椭圆长轴与椭圆短轴之和不大于30,删除对应的椭圆数据。
在一个实施例中,如图4所示,该雷达回波图的处理方法还包括以下步骤:
S410、将筛选得到的椭圆数据进行存储;
S420、根据不同时刻的椭圆中心的位置数据,确定降水云系的位置变化;
S430、根据不同时刻的椭圆长轴和椭圆短轴,确定降水云系的范围变化。
其中,椭圆数据还包括椭圆中心。具体地,利用椭圆拟合函数依次对各条轮廓上的各像素点坐标进行拟合,得到多组轮廓序列数据所对应的椭圆数据,并结合椭圆长轴和椭圆短轴对各椭圆数据进行筛选。为了进一步地分析降水云系的演变,可以将筛选得到的椭圆数据进行存储。实现将每片降水云系数值化,且可以利用椭圆数据生成椭圆云图,实现了利用数学模型跟踪观察各降水云系个体。
由于椭圆数据包括椭圆中心、椭圆长轴以及椭圆短轴,且椭圆中心可以表示降水云系的位置,椭圆长轴以及椭圆短轴可以表示降水云系的范围。获取不同时刻的椭圆数据,根据不同时刻的椭圆中心的位置数据,确定降水云系的位置变化,根据不同时刻的椭圆长轴和椭圆短轴,确定降水云系的范围变化。从而得到每片降水云系的演变。
在一个实施例中,获取雷达回波图的灰度图像所对应的数据矩阵,包括:获取雷达回波图的彩色图像所对应的三维数据矩阵;对三维数据矩阵内的三通道像素值进行解析,获得灰度图像所对应的单通道数据矩阵。
示例性的,雷达回波图的彩色图像可以表示为(m,n,c),其中m,n,c分别为彩色图像的长、宽、通道数。将彩色图像转为灰度图像的具体过程为:
Y=0.299*R+0.587*G+0.114*B;
其中R、G、B分别为彩色图像(雷达回波图)三个通道的像素值,Y为灰度图像的像素值,按照上述计算公式分别对彩色图像的m*n个的像素点进行求值,将彩色图像所对应的三维数据矩阵转换为单通道数据矩阵,即可实现将雷达回波图的彩色图像转换为灰度图像。
在一个实施例中,如图5所示,本申请实施例提供一种雷达回波图的处理方法,该方法包括以下步骤:
S502、获取雷达回波图的彩色图像所对应的三维数据矩阵。
S504、对三维数据矩阵内的三通道像素值进行解析,获得灰度图像所对应的单通道数据矩阵。
S506、判断灰度图像所对应的单通道数据矩阵中各元素的像素值是否大于预设像素阈值。
S508、若任一元素的像素值大于预设像素阈值,则将像素值记为第一像素值。
S510、若任一元素的像素值不大于预设像素阈值,则将像素值记为第二像素值。
S512、根据二值化处理后的数据矩阵,检测降水云系的多条轮廓,并获得多组轮廓序列数据。
S514、遍历多组轮廓序列数据,通过椭圆拟合函数对多组轮廓序列数据进行拟合,得到多组轮廓序列数据所对应的椭圆数据。
其中,椭圆数据包括椭圆长轴、椭圆短轴和椭圆中心。
S516、计算椭圆长轴与椭圆短轴之和。
S518、判断椭圆长轴与椭圆短轴之和是否大于预设阈值。
S520、将大于预设阈值的轮廓序列数据所对应的椭圆数据进行筛选。
S522、根据筛选得到的椭圆数据,生成对应的椭圆云图。
S524、将筛选得到的椭圆数据进行存储。
S526、根据不同时刻的椭圆中心的位置数据,确定降水云系的位置变化。
S528、根据不同时刻的椭圆长轴和椭圆短轴,确定降水云系的范围变化。
应该理解的是,虽然上述各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,本申请提供一种雷达回波图的处理装置600,如图6所示,该处理装置包括:
数据矩阵获取模块610,用于获取雷达回波图的灰度图像所对应的数据矩阵;
轮廓数据获得模块620,用于根据灰度图像所对应的数据矩阵检测出降水云系的多条轮廓,并获得多组轮廓序列数据;
椭圆数据拟合模块630,用于遍历多组轮廓序列数据,通过椭圆拟合函数对多组轮廓序列数据进行拟合,得到多组轮廓序列数据所对应的椭圆数据。
在一个实施例中,轮廓数据获得模块620,还用于对灰度图像对应的数据矩阵进行二值化处理;根据二值化处理后的数据矩阵,检测降水云系的多条轮廓,并获得多组轮廓序列数据。
在一个实施例中,该处理装置还包括椭圆云图生成模块,用于根据多组轮廓序列数据所对应的椭圆数据,生成对应的椭圆云图。
在一个实施例中,椭圆数据包括椭圆长轴、椭圆短轴;椭圆云图生成模块,还用于判断椭圆长轴与椭圆短轴是否满足预设条件;对满足预设条件的椭圆数据进行筛选;根据筛选得到的椭圆数据,生成对应的椭圆云图。
在一个实施例中,该处理装置还包括椭圆数据存储模块、位置变化确定模块和范围变化确定模块;其中:
椭圆数据存储模块,用于将筛选得到的椭圆数据进行存储;椭圆数据还包括椭圆中心。
位置变化确定模块,用于根据不同时刻的椭圆中心的位置数据,确定降水云系的位置变化。
范围变化确定模块,用于根据不同时刻的椭圆长轴和椭圆短轴,确定降水云系的范围变化。
在一个实施例中,数据矩阵获取模块610,还用于获取雷达回波图的彩色图像所对应的三维数据矩阵;对三维数据矩阵内的三通道像素值进行解析,获得灰度图像所对应的单通道数据矩阵。
关于雷达回波图的处理装置的具体限定可以参见上文中对于雷达回波图的处理方法的限定,在此不再赘述。上述雷达回波图的处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图7所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种雷达回波图的处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该处理器执行计算机程序时实现以下步骤:获取雷达回波图的灰度图像所对应的数据矩阵;根据灰度图像所对应的数据矩阵检测出降水云系的多条轮廓,并获得多组轮廓序列数据;遍历多组轮廓序列数据,通过椭圆拟合函数对多组轮廓序列数据进行拟合,得到多组轮廓序列数据所对应的椭圆数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对灰度图像对应的数据矩阵进行二值化处理;根据二值化处理后的数据矩阵,检测降水云系的多条轮廓,并获得多组轮廓序列数据。
在一个实施例中,二值化处理后的数据矩阵中各元素的像素值包括第一像素值和第二像素值。处理器执行计算机程序时还实现以下步骤:判断灰度图像所对应的数据矩阵中各元素的像素值是否大于预设像素阈值;若任一元素的像素值大于预设像素阈值,则将像素值记为第一像素值;若任一元素的像素值不大于预设像素阈值,则将像素值记为第二像素值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据多组轮廓序列数据所对应的椭圆数据,生成对应的椭圆云图。
在一个实施例中,椭圆数据包括椭圆长轴、椭圆短轴。处理器执行计算机程序时还实现以下步骤:判断椭圆长轴与椭圆短轴是否满足预设条件;对满足预设条件的椭圆数据进行筛选;根据筛选得到的椭圆数据,生成对应的椭圆云图。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:计算椭圆长轴与椭圆短轴之和;判断椭圆长轴与椭圆短轴之和是否大于预设阈值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将筛选得到的椭圆数据进行存储;椭圆数据还包括椭圆中心;根据不同时刻的椭圆中心的位置数据,确定降水云系的位置变化;根据不同时刻的椭圆长轴和椭圆短轴,确定降水云系的范围变化。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取雷达回波图的彩色图像所对应的三维数据矩阵;对三维数据矩阵内的三通道像素值进行解析,获得灰度图像所对应的单通道数据矩阵。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取雷达回波图的灰度图像所对应的数据矩阵;根据灰度图像所对应的数据矩阵检测出降水云系的多条轮廓,并获得多组轮廓序列数据;遍历多组轮廓序列数据,通过椭圆拟合函数对多组轮廓序列数据进行拟合,得到多组轮廓序列数据所对应的椭圆数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对灰度图像对应的数据矩阵进行二值化处理;根据二值化处理后的数据矩阵,检测降水云系的多条轮廓,并获得多组轮廓序列数据。
在一个实施例中,二值化处理后的数据矩阵中各元素的像素值包括第一像素值和第二像素值。计算机程序被处理器执行时还实现以下步骤:判断灰度图像所对应的数据矩阵中各元素的像素值是否大于预设像素阈值;若任一元素的像素值大于预设像素阈值,则将像素值记为第一像素值;若任一元素的像素值不大于预设像素阈值,则将像素值记为第二像素值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据多组轮廓序列数据所对应的椭圆数据,生成对应的椭圆云图。
在一个实施例中,椭圆数据包括椭圆长轴、椭圆短轴。计算机程序被处理器执行时还实现以下步骤:判断椭圆长轴与椭圆短轴是否满足预设条件;对满足预设条件的椭圆数据进行筛选;根据筛选得到的椭圆数据,生成对应的椭圆云图。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:计算椭圆长轴与椭圆短轴之和;判断椭圆长轴与椭圆短轴之和是否大于预设阈值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将筛选得到的椭圆数据进行存储;椭圆数据还包括椭圆中心;根据不同时刻的椭圆中心的位置数据,确定降水云系的位置变化;根据不同时刻的椭圆长轴和椭圆短轴,确定降水云系的范围变化。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取雷达回波图的彩色图像所对应的三维数据矩阵;对三维数据矩阵内的三通道像素值进行解析,获得灰度图像所对应的单通道数据矩阵。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种雷达回波图的处理方法,其特征在于,所述方法包括:
获取雷达回波图的灰度图像所对应的数据矩阵;
根据所述灰度图像所对应的数据矩阵检测出降水云系的多条轮廓,并获得多组轮廓序列数据;
遍历多组所述轮廓序列数据,通过椭圆拟合函数对多组所述轮廓序列数据进行拟合,得到多组所述轮廓序列数据所对应的椭圆数据。
2.根据权利要求1所述的方法,其特征在于,所述根据所述灰度图像所对应的数据矩阵确定降水云系的多条轮廓,并获得多组轮廓序列数据,包括:
对所述灰度图像对应的数据矩阵进行二值化处理;
根据二值化处理后的数据矩阵,检测所述降水云系的多条轮廓,并获得多组轮廓序列数据;
其中,所述对所述灰度图像所对应的数据矩阵进行二值化处理,包括:
判断所述灰度图像所对应的数据矩阵中各元素的像素值是否大于预设像素阈值;
若任一元素的像素值大于所述预设像素阈值,则将所述像素值记为第一像素值;
若任一元素的像素值不大于所述预设像素阈值,则将所述像素值记为第二像素值。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据多组所述轮廓序列数据所对应的椭圆数据,生成对应的椭圆云图。
4.根据权利要求3所述的方法,其特征在于,所述椭圆数据包括椭圆长轴、椭圆短轴;所述根据多组所述轮廓序列数据所对应的椭圆数据,生成对应的椭圆云图,包括:
判断所述椭圆长轴与所述椭圆短轴是否满足预设条件;
对满足所述预设条件的所述椭圆数据进行筛选;
根据筛选得到的椭圆数据,生成对应的椭圆云图。
5.根据权利要求4所述的方法,其特征在于,所述判断所述椭圆长轴与所述椭圆短轴是否满足预设条件,包括:
计算所述椭圆长轴与所述椭圆短轴之和;
判断所述椭圆长轴与所述椭圆短轴之和是否大于预设阈值。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
将筛选得到的椭圆数据进行存储;所述椭圆数据还包括椭圆中心;
根据不同时刻的椭圆中心的位置数据,确定降水云系的位置变化;
根据不同时刻的椭圆长轴和椭圆短轴,确定所述降水云系的范围变化。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述获取雷达回波图的灰度图像所对应的数据矩阵,包括:
获取所述雷达回波图的彩色图像所对应的三维数据矩阵;
对所述三维数据矩阵内的三通道像素值进行解析,获得所述灰度图像所对应的单通道数据矩阵。
8.一种雷达回波图的处理装置,其特征在于,所述装置包括:
数据矩阵获取模块,用于获取雷达回波图的灰度图像所对应的数据矩阵;
轮廓数据获得模块,用于根据所述灰度图像所对应的数据矩阵检测出降水云系的多条轮廓,并获得多组轮廓序列数据;
椭圆数据拟合模块,用于遍历多组所述轮廓序列数据,通过椭圆拟合函数对多组所述轮廓序列数据进行拟合,得到多组所述轮廓序列数据所对应的椭圆数据。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911140125.3A CN110824451A (zh) | 2019-11-20 | 2019-11-20 | 雷达回波图的处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911140125.3A CN110824451A (zh) | 2019-11-20 | 2019-11-20 | 雷达回波图的处理方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110824451A true CN110824451A (zh) | 2020-02-21 |
Family
ID=69557291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911140125.3A Pending CN110824451A (zh) | 2019-11-20 | 2019-11-20 | 雷达回波图的处理方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110824451A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111445460A (zh) * | 2020-03-30 | 2020-07-24 | 上海眼控科技股份有限公司 | 雷达云图的预测方法、装置、计算机设备和存储介质 |
CN112558022A (zh) * | 2020-11-02 | 2021-03-26 | 广东工业大学 | 一种雷达回波图像处理方法、***、装置和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101933448A (zh) * | 2010-07-26 | 2011-01-05 | 北京师范大学 | 一种制作热带气旋风带的方法 |
CN102132662A (zh) * | 2011-01-10 | 2011-07-27 | 北京师范大学 | 改进的制作热带气旋风带的方法 |
WO2013002768A1 (en) * | 2011-06-28 | 2013-01-03 | Vaisala Oyj | Off-diagonal element echo power estimator for polarization weather radar |
CN103529492A (zh) * | 2013-09-22 | 2014-01-22 | 天津大学 | 基于多普勒雷达反射率图像的风暴***置及形态预测方法 |
CN105405122A (zh) * | 2015-10-26 | 2016-03-16 | 东南大学 | 一种基于数据平稳性的圆检测方法 |
CN108519631A (zh) * | 2018-02-22 | 2018-09-11 | 青岛心中有数科技有限公司 | 降水强度预测方法 |
CN109444839A (zh) * | 2018-11-29 | 2019-03-08 | 北京行易道科技有限公司 | 目标轮廓的获取方法及装置 |
-
2019
- 2019-11-20 CN CN201911140125.3A patent/CN110824451A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101933448A (zh) * | 2010-07-26 | 2011-01-05 | 北京师范大学 | 一种制作热带气旋风带的方法 |
CN102132662A (zh) * | 2011-01-10 | 2011-07-27 | 北京师范大学 | 改进的制作热带气旋风带的方法 |
WO2013002768A1 (en) * | 2011-06-28 | 2013-01-03 | Vaisala Oyj | Off-diagonal element echo power estimator for polarization weather radar |
CN103529492A (zh) * | 2013-09-22 | 2014-01-22 | 天津大学 | 基于多普勒雷达反射率图像的风暴***置及形态预测方法 |
CN105405122A (zh) * | 2015-10-26 | 2016-03-16 | 东南大学 | 一种基于数据平稳性的圆检测方法 |
CN108519631A (zh) * | 2018-02-22 | 2018-09-11 | 青岛心中有数科技有限公司 | 降水强度预测方法 |
CN109444839A (zh) * | 2018-11-29 | 2019-03-08 | 北京行易道科技有限公司 | 目标轮廓的获取方法及装置 |
Non-Patent Citations (3)
Title |
---|
王一丁等: "《数字图像处理》", 31 August 2015 * |
王子周: "强对流天气雷达回波特征提取及预报方法研究", 《中国优秀硕士学位论文全文数据库》 * |
王龙: "强对流风暴体方位及形态外推算法研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111445460A (zh) * | 2020-03-30 | 2020-07-24 | 上海眼控科技股份有限公司 | 雷达云图的预测方法、装置、计算机设备和存储介质 |
CN112558022A (zh) * | 2020-11-02 | 2021-03-26 | 广东工业大学 | 一种雷达回波图像处理方法、***、装置和存储介质 |
CN112558022B (zh) * | 2020-11-02 | 2023-06-13 | 广东工业大学 | 一种雷达回波图像处理方法、***、装置和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5701182B2 (ja) | 画像処理装置、画像処理方法及びコンピュータプログラム | |
US20170308736A1 (en) | Three dimensional object recognition | |
CN111220235B (zh) | 水位监测方法及装置 | |
CN111145120A (zh) | 能见度检测方法、装置、计算机设备和存储介质 | |
CN113887605A (zh) | 形状自适应的旋转目标检测方法、***、介质及计算设备 | |
CN111275036A (zh) | 目标检测方法、装置、电子设备及计算机可读存储介质 | |
JP2018036226A (ja) | 画像処理プログラム、画像処理方法および画像処理装置 | |
CN111582032A (zh) | 行人检测方法、装置、终端设备及存储介质 | |
CN110879828B (zh) | 雷达回波图的处理方法、装置、计算机设备及存储介质 | |
CN115908988B (zh) | 一种缺陷检测模型生成方法、装置、设备以及存储介质 | |
CN110824451A (zh) | 雷达回波图的处理方法、装置、计算机设备及存储介质 | |
CN113033385A (zh) | 一种基于深度学习的违章建筑遥感识别方法及*** | |
US10140555B2 (en) | Processing system, processing method, and recording medium | |
Lee et al. | Vibration detection of stay-cable from low-quality CCTV images using deep-learning-based dehazing and semantic segmentation algorithms | |
CN113506315A (zh) | 运动物体的检测方法、装置及存储介质 | |
KR20190114708A (ko) | 스테레오 매칭을 위한 하드웨어 디스패러티 평가 | |
JP4918615B2 (ja) | 対象個数検出装置および対象個数検出方法 | |
Zou et al. | Statistical analysis of signal-dependent noise: application in blind localization of image splicing forgery | |
JP5484118B2 (ja) | 車両の周辺監視装置 | |
JP4674920B2 (ja) | 対象個数検出装置および対象個数検出方法 | |
KR20150033047A (ko) | 객체를 검출하기 위한 전처리 장치 및 방법 | |
CN114202665A (zh) | 一种图像相似度确定方法及装置、设备、存储介质 | |
Ashraf et al. | Efficient Pavement Crack Detection and Classification Using Custom YOLOv7 Model | |
CN114630102A (zh) | 检测数据采集设备角度变化的方法、装置和计算机设备 | |
US10380463B2 (en) | Image processing device, setting support method, and non-transitory computer-readable media |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200221 |