CN116468737A - 降雨信息获取方法及装置 - Google Patents
降雨信息获取方法及装置 Download PDFInfo
- Publication number
- CN116468737A CN116468737A CN202310375714.XA CN202310375714A CN116468737A CN 116468737 A CN116468737 A CN 116468737A CN 202310375714 A CN202310375714 A CN 202310375714A CN 116468737 A CN116468737 A CN 116468737A
- Authority
- CN
- China
- Prior art keywords
- rainfall
- area
- color
- pixel point
- pattern
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 30
- 239000003086 colorant Substances 0.000 claims abstract description 26
- 238000000605 extraction Methods 0.000 claims description 11
- 230000001939 inductive effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 abstract description 7
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30192—Weather; Meteorology
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Geometry (AREA)
- Hydrology & Water Resources (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请提出一种降雨信息获取方法及装置,涉及气象数据监测技术领域。其中,方法包括:获取第一区域的第一降雨图;根据第一降雨图中各个像素点的颜色,通过区域生长算法对第一降雨图进行分割,获得第二降雨图;其中,第二降雨图中的不同颜色代表不同的降雨量;根据第二降雨图和单位像素点对应的实际面积,获得第一区域的降雨信息。本申请通过区域生长算法对第一降雨图进行相关处理,可获得较为精准的第一区域的降雨信息,可节省人力物力和时间成本,在一定程度上解决遥感站难以监测到的部分区域降雨信息空白的问题,利于后续洪水预报等工作。
Description
技术领域
本申请涉及气象数据监测技术领域,尤其涉及一种降雨信息获取方法及装置。
背景技术
在气象数据中,降水信息是反映地表环境状况和全球水循环的重要参数,也是表征气候变化的重要指标。降水异常造成的极端天气及气候事件(洪涝、干旱等)对人类生产和生活造成极大危害。因此,对例如降雨等气象数据的采集和分析工作具有重要意义。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本申请第一方面提出了一种降雨信息获取方法,包括:
获取第一区域的第一降雨图;
根据所述第一降雨图中各个像素点的颜色,通过区域生长算法对所述第一降雨图进行分割,获得第二降雨图;其中,所述第二降雨图中的不同颜色代表不同的降雨量;
根据所述第二降雨图和单位像素点对应的实际面积,获得所述第一区域的降雨信息。
在本申请一些实施例中,所述根据所述第一降雨图中各个像素点的颜色,通过区域生长算法对所述第一降雨图进行分割,获得第二降雨图,包括:根据所述第一降雨图中各个像素点的颜色,将所述第一区域中的第一像素点确定为种子点,所述第一像素点为与指定颜色的第一色差值小于第一阈值的像素点;其中,不同的所述指定颜色代表不同的降雨量;通过色差公式获取所述种子点邻域范围内像素点颜色与所述指定颜色的第二色差值;响应于所述第二色差值小于第二阈值,将所述种子点邻域范围内像素点归纳于生长区域中;获取所述生长区域邻域范围内像素点颜色与所述指定颜色的第三色差值,响应于所述第三色差值小于所述第二阈值,将所述邻域范围内像素点归纳于所述生长区域以扩大所述生长区域,继续将扩大后的所述生长区域邻域范围内像素点颜色与所述指定颜色进行色差比较,直至扩大后的所述生长区域邻域范围内像素点颜色与所述指定颜色的色差值大于或等于所述第二阈值;从所述第一降雨图中将扩大后的生长区域分割,将分割后得到的生长区域确定为所述第二降雨图。
在本申请一些实施例中,所述降雨信息至少包括平均降雨量;所述根据所述第二降雨图和单位像素点对应的实际面积,获得所述第一区域的降雨信息,包括:根据所述第二降雨图和单位像素点对应的实际面积对不同降雨量区域的降雨量进行求和,获得第一数值;将所述第一数值除以所述第一区域的实际面积,获得所述第一区域的平均降雨量。
在本申请一些实施例中,所述获取第一区域的第一降雨图,包括:获取第二区域的第三降雨图,其中,所述第二区域的区域范围大于或等于所述第一区域的区域范围;基于感兴趣ROI提取算法在所述第二区域中提取ROI区域;将所述ROI区域的降雨图确定为所述第一区域的第一降雨图。
本申请第二方面提出了一种降雨信息获取装置,包括:
第一获取模块,用于获取第一区域的第一降雨图;
第二获取模块,用于根据所述第一降雨图中各个像素点的颜色,通过区域生长算法对所述第一降雨图进行分割,获得第二降雨图;其中,所述第二降雨图中的不同颜色代表不同的降雨量;
第三获取模块,用于根据所述第二降雨图和单位像素点对应的实际面积,获得所述第一区域的降雨信息。
本在本申请一些实施例中,所述第二获取模块具体用于:根据所述第一降雨图中各个像素点的颜色,将所述第一区域中的第一像素点确定为种子点,所述第一像素点为与指定颜色的第一色差值小于第一阈值的像素点;其中,不同的所述指定颜色代表不同的降雨量;通过色差公式获取所述种子点邻域范围内像素点颜色与所述指定颜色的第二色差值;响应于所述第二色差值小于第二阈值,将所述种子点邻域范围内像素点归纳于生长区域中;获取所述生长区域邻域范围内像素点颜色与所述指定颜色的第三色差值,响应于所述第三色差值小于所述第二阈值,将所述邻域范围内像素点归纳于所述生长区域以扩大所述生长区域,继续将扩大后的所述生长区域邻域范围内像素点颜色与所述指定颜色进行色差比较,直至扩大后的所述生长区域邻域范围内像素点颜色与所述指定颜色的色差值大于或等于所述第二阈值;从所述第一降雨图中将扩大后的生长区域分割,将分割后得到的生长区域确定为所述第二降雨图。
在本申请一些实施例中,所述降雨信息至少包括平均降雨量;所述第三获取模块具体用于:根据所述第二降雨图和单位像素点对应的实际面积对不同降雨量区域的降雨量进行求和,获得第一数值;将所述第一数值除以所述第一区域的实际面积,获得所述第一区域的平均降雨量。
在本申请一些实施例中,所述第一获取模块具体用于:获取第二区域的第三降雨图,其中,所述第二区域的区域范围大于或等于所述第一区域的区域范围;基于感兴趣ROI提取算法在所述第二区域中提取ROI区域;将所述ROI区域的降雨图确定为所述第一区域的第一降雨图。
本申请第三方面提出了一种电子设备,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程序时,实现前述第一方面所述的方法。
本申请第四方面提出了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现前述第一方面所述的方法。
根据本申请实施例的降雨信息获取方法,获取第一区域的第一降雨图,通过区域生长算法对第一降雨图进行相关处理,可获得较为精准的第一区域的降雨信息,可节省人力物力和时间成本,在一定程度上解决遥感站难以监测到的部分区域降雨信息空白的问题,利于后续洪水预报等工作。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请实施例所提供的一种降雨信息获取方法的流程示意图;
图2为本申请实施例所提供的一种第一区域的降雨雷达图的示意图;
图3为本申请实施例所提供的区域生长算法对第一降雨图进行分割,获得第二降雨图的示意图;
图4为本申请实施例所提供的另一种降雨信息获取方法的流程示意图;
图5为本申请实施例所提供的一种基于感兴趣ROI提取算法在第二区域的降雨雷达图中提取ROI区域的示意图;
图6为本申请实施例所提供的一种对第一降雨图进行分割,获得第二降雨图的示意图;
图7为本申请实施例所提供的一种基于感兴趣ROI提取算法在第二区域的降雨预测图中提取ROI区域的示意图;
图8为本申请实施例所提供的另一种对第一降雨图进行分割,获得第二降雨图的示意图;
图9为本申请实施例所提供的一种降雨信息获取装置的示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
气象与水利的深度结合,不断拓宽气象水利服务的领域,从最基础的天气预报到现有的专业专项服务、防灾减灾,为社会减轻极端天气造成的损失。在水文水情预报工作中,部分区域内的降水数据主要依靠遥测站进行测量获取。但是由于部分区域面积广阔,或因为地形原因难以布置遥测站,导致难以对区域内进行监测全覆盖,监测不全面将会导致总降雨量的计算出现误差,对后续洪水预报等工作产生影响。
为此,本申请提出一种降雨信息获取方法及装置。具体地,下面参考附图描述本申请实施例的降雨信息获取方法及装置。
图1为本申请实施例所提供的一种降雨信息获取方法的流程示意图。如图1所示,该降雨信息获取方法包括以下步骤:
步骤101,获取第一区域的第一降雨图。
可选地,在本申请一些实施例中,第一降雨图可以是抓取气象部门的降雨雷达图,还可以是降雨预测图。图2为本申请实施例所提供的一种第一区域的降雨雷达图的示意图。如图2所示,可将该第一区域的降雨雷达图作为第一区域的第一降雨图。
步骤102,根据第一降雨图中各个像素点的颜色,通过区域生长算法对第一降雨图进行分割,获得第二降雨图。其中,第二降雨图中的不同颜色代表不同的降雨量。
需要说明的是,区域生长算法可以将具有相同特征的联通区域分割出来,并能提供良好的边界信息和分割结果。在没有先验知识可以利用时,区域生长算法可以取得较佳的性能。
作为一种可能的实现方式,可将第一降雨图(可参考图2)中各个像素点的颜色与预先设定的指定颜色进行对比。需要说明的是,不同的指定颜色代表不同的降雨信息,例如降雨量。将第一区域中的第一像素点确定为种子点,该第一像素点为与指定颜色的第一色差值小于第一阈值的像素点。其中,第一阈值可为较小阈值。
通过色差公式获取种子点邻域范围内像素点颜色与指定颜色的第二色差值。如果第二色差值小于第二阈值,则将该种子点邻域范围内像素点归纳于生长区域中。其中,第二阈值可大于第一阈值。继续获取生长区域邻域范围内像素点颜色与指定颜色的第三色差值,如果第三色差值小于第二阈值,则将邻域范围内像素点归纳于生长区域以扩大生长区域,进而继续将扩大后的生长区域邻域范围内像素点颜色与指定颜色进行色差比较,直至扩大后的生长区域邻域范围内像素点颜色与指定颜色的色差值大于或等于第二阈值。从第一降雨图中将扩大后的生长区域分割,将分割后得到的生长区域确定为第二降雨图(可参考图3)。
作为一种示例,邻域范围可以指定为8-邻域。
为了提高获取第二降雨图的精准度,在本申请一些实施例中,可采用CIEDE2000色差公式获取第一色差值、第二色差值和第三色差值。CIEDE2000在明度差和色调差的颜色空间均匀性校正函数,采用CIEDE2000作为分割过程中色差计算的公式可以提高分割的准确度,以降低噪声或者灰度不均一导致分割产生空洞或者过分割的可能性。
步骤103,根据第二降雨图和单位像素点对应的实际面积,获得第一区域的降雨信息。
可选地,降雨信息可以包括第一区域的总降雨量、平均降雨量等后续降水预报中的关键参数。在本申请一些实施例中,在获得第一区域的降雨信息后,可将该降雨信息作为后续输入参数,输入SWAT等水文预报模型进行洪水预报。
在本申请一些实施例中,降雨信息可至少包括平均降雨量。以降雨信息为平均降雨量为例,可根据第二降雨图和单位像素点对应的实际面积对不同降雨量区域的降雨量进行求和,获得第一数值。将第一数值除以第一区域的实际面积,获得第一区域的平均降雨量。可参考如下公式:
其中,p为第一区域的平均降雨量,sqp为单位像素点对应的实际面积,i为第i降雨量区域面积对应的像素点个数,pi为第二降雨图中第i降雨量区域颜色对应的降雨量,n为第一区域的总像素点个数。
需要说明的是,单位像素点对应的实际面积sqp可通过图像的dpi和GIS地图的比例尺来进行设置,可参考如下公式:
其中,LS为第一降雨图的地图比例尺,dpi为单位英寸内像素点的个数,sq为第一区域的实际面积。
根据本申请实施例的降雨信息获取方法,获取第一区域的第一降雨图,通过区域生长算法对第一降雨图进行相关处理,可获得较为精准的第一区域的降雨信息,可节省人力物力和时间成本,在一定程度上解决遥感站难以监测到的部分区域降雨信息空白的问题,利于后续洪水预报等工作。
需要说明的是,在采集到的降雨图中,重点关注的往往是某一个特定流域内的降雨情况,而不是降雨图中各个地区的总体降雨情况。对降雨图中的全部区域进行处理,获得的降雨信息可能会包括不需要的数据,增加处理时间。图4为本申请实施例所提供的另一种降雨信息获取方法的流程示意图。如图4所示,该降雨信息获取方法包括以下步骤:
步骤401,获取第二区域的第三降雨图,其中,第二区域的区域范围大于或等于第一区域的区域范围。
其中,第三降雨图可以是抓取气象部门的降雨雷达图,还可以是降雨预测图。
步骤402,基于感兴趣ROI提取算法在第二区域中提取ROI区域。
需要说明的是,ROI区域可以是人工设定的区域,例如某个特定流域。作为一种示例,如图5所示,基于感兴趣ROI提取算法在第二区域的降雨雷达图中提取ROI区域,即使用ROI圈定重点关注的区域。
步骤403,将ROI区域的降雨图确定为第一区域的第一降雨图。
步骤404,根据第一降雨图中各个像素点的颜色,通过区域生长算法对第一降雨图进行分割,获得第二降雨图。其中,第二降雨图中的不同颜色代表不同的降雨量。
图6为本申请实施例所提供的一种对第一降雨图进行分割,获得第二降雨图的示意图。如图6所示,通过区域生长算法对第二区域的第三降雨图中提取出的第一区域的第一降雨图进行分割,获得第二降雨图。
作为又一种示例,以第三降雨图为降雨预测图为例,图7为基于感兴趣ROI提取算法在第二区域的降雨预测图中提取ROI区域的示意图,将ROI区域的降雨图确定为第一区域的第一降雨图。图8为本申请实施例所提供的另一种对第一降雨图进行分割,获得第二降雨图的示意图。
步骤405,根据第二降雨图和单位像素点对应的实际面积,获得第一区域的降雨信息。
需要说明的是,本申请实施例所述的方法对图片数据的分析和记录经过积累,可以形成一份完整的水文气象资料,对未来洪水预测相关方面的工作研究具有参考意义。
在本申请实施例中,步骤405可以分别采用本申请的各实施例中的任一种方式实现,对此本申请不作具体限定,也不再赘述。
根据本申请实施例的降雨信息获取方法,获取第二区域的第三降雨图,通过感兴趣ROI提取算法提取ROI区域,圈定重点关注区域,进而通过区域生长算法对ROI区域的降雨图进行相关处理,可获得较为精准的ROI区域(第一区域)的降雨信息,可进一步节省人力物力,进一步减少处理时间,在一定程度上解决遥感站难以监测到的部分区域降雨信息空白的问题,利于后续洪水预报等工作。
图9为本申请实施例所提供的一种降雨信息获取装置的示意图。如图9所示,该降雨信息获取装置包括:第一获取模块901、第二获取模块902和第三获取模块903。其中,
第一获取模块901,用于获取第一区域的第一降雨图;
第二获取模块902,用于根据第一降雨图中各个像素点的颜色,通过区域生长算法对第一降雨图进行分割,获得第二降雨图;其中,第二降雨图中的不同颜色代表不同的降雨量;
第三获取模块903,用于根据第二降雨图和单位像素点对应的实际面积,获得第一区域的降雨信息。
在本申请的一些实施例中,第二获取模块902具体用于:根据第一降雨图中各个像素点的颜色,将第一区域中的第一像素点确定为种子点,第一像素点为与指定颜色的第一色差值小于第一阈值的像素点;其中,不同的指定颜色代表不同的降雨量;通过色差公式获取种子点邻域范围内像素点颜色与指定颜色的第二色差值;响应于第二色差值小于第二阈值,将种子点邻域范围内像素点归纳于生长区域中;获取生长区域邻域范围内像素点颜色与指定颜色的第三色差值,响应于第三色差值小于第二阈值,将邻域范围内像素点归纳于生长区域以扩大生长区域,继续将扩大后的生长区域邻域范围内像素点颜色与指定颜色进行色差比较,直至扩大后的生长区域邻域范围内像素点颜色与指定颜色的色差值大于或等于第二阈值;从第一降雨图中将扩大后的生长区域分割,将分割后得到的生长区域确定为第二降雨图。
在本申请的一些实施例中,降雨信息至少包括平均降雨量;第三获取模块903具体用于:根据第二降雨图和单位像素点对应的实际面积对不同降雨量区域的降雨量进行求和,获得第一数值;将第一数值除以第一区域的实际面积,获得第一区域的平均降雨量。
在本申请的一些实施例中,第一获取模块901具体用于:获取第二区域的第三降雨图,其中,第二区域的区域范围大于或等于第一区域的区域范围;基于感兴趣ROI提取算法在第二区域中提取ROI区域;将ROI区域的降雨图确定为第一区域的第一降雨图。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
根据本申请实施例的降雨信息获取装置,通过获取第一区域的第一降雨图,结合区域生长算法对第一降雨图进行相关处理,可获得较为精准的第一区域的降雨信息,可节省人力物力和时间成本,在一定程度上解决遥感站难以监测到的部分区域降雨信息空白的问题,利于后续洪水预报等工作。
为了实现上述实施例,本申请还提出一种电子设备,包括:处理器,以及用于存储所述处理器可执行指令的存储器。其中,所述指令被处理器执行,以使所述处理器能够执行前述降雨信息获取方法。
为了实现上述实施例,本申请还提出一种非临时性计算机可读存储介质,当所述存储介质中的指令由电子设备的处理器被执行时,使得电子设备能够执行前述降雨信息获取方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种降雨信息获取方法,其特征在于,包括以下步骤:
获取第一区域的第一降雨图;
根据所述第一降雨图中各个像素点的颜色,通过区域生长算法对所述第一降雨图进行分割,获得第二降雨图;其中,所述第二降雨图中的不同颜色代表不同的降雨量;
根据所述第二降雨图和单位像素点对应的实际面积,获得所述第一区域的降雨信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一降雨图中各个像素点的颜色,通过区域生长算法对所述第一降雨图进行分割,获得第二降雨图,包括:
根据所述第一降雨图中各个像素点的颜色,将所述第一区域中的第一像素点确定为种子点,所述第一像素点为与指定颜色的第一色差值小于第一阈值的像素点;其中,不同的所述指定颜色代表不同的降雨量;
通过色差公式获取所述种子点邻域范围内像素点颜色与所述指定颜色的第二色差值;
响应于所述第二色差值小于第二阈值,将所述种子点邻域范围内像素点归纳于生长区域中;
获取所述生长区域邻域范围内像素点颜色与所述指定颜色的第三色差值,响应于所述第三色差值小于所述第二阈值,将所述邻域范围内像素点归纳于所述生长区域以扩大所述生长区域,继续将扩大后的所述生长区域邻域范围内像素点颜色与所述指定颜色进行色差比较,直至扩大后的所述生长区域邻域范围内像素点颜色与所述指定颜色的色差值大于或等于所述第二阈值;
从所述第一降雨图中将扩大后的生长区域分割,将分割后得到的生长区域确定为所述第二降雨图。
3.根据权利要求1所述的方法,其特征在于,所述降雨信息至少包括平均降雨量;所述根据所述第二降雨图和单位像素点对应的实际面积,获得所述第一区域的降雨信息,包括:
根据所述第二降雨图和单位像素点对应的实际面积对不同降雨量区域的降雨量进行求和,获得第一数值;
将所述第一数值除以所述第一区域的实际面积,获得所述第一区域的平均降雨量。
4.根据权利要求1所述的方法,其特征在于,所述获取第一区域的第一降雨图,包括:
获取第二区域的第三降雨图,其中,所述第二区域的区域范围大于或等于所述第一区域的区域范围;
基于感兴趣ROI提取算法在所述第二区域中提取ROI区域;
将所述ROI区域的降雨图确定为所述第一区域的第一降雨图。
5.一种降雨信息获取装置,其特征在于,包括:
第一获取模块,用于获取第一区域的第一降雨图;
第二获取模块,用于根据所述第一降雨图中各个像素点的颜色,通过区域生长算法对所述第一降雨图进行分割,获得第二降雨图;其中,所述第二降雨图中的不同颜色代表不同的降雨量;
第三获取模块,用于根据所述第二降雨图和单位像素点对应的实际面积,获得所述第一区域的降雨信息。
6.根据权利要求5所述的装置,其特征在于,所述第二获取模块具体用于:
根据所述第一降雨图中各个像素点的颜色,将所述第一区域中的第一像素点确定为种子点,所述第一像素点为与指定颜色的第一色差值小于第一阈值的像素点;其中,不同的所述指定颜色代表不同的降雨量;
通过色差公式获取所述种子点邻域范围内像素点颜色与所述指定颜色的第二色差值;
响应于所述第二色差值小于第二阈值,将所述种子点邻域范围内像素点归纳于生长区域中;
获取所述生长区域邻域范围内像素点颜色与所述指定颜色的第三色差值,响应于所述第三色差值小于所述第二阈值,将所述邻域范围内像素点归纳于所述生长区域以扩大所述生长区域,继续将扩大后的所述生长区域邻域范围内像素点颜色与所述指定颜色进行色差比较,直至扩大后的所述生长区域邻域范围内像素点颜色与所述指定颜色的色差值大于或等于所述第二阈值;
从所述第一降雨图中将扩大后的生长区域分割,将分割后得到的生长区域确定为所述第二降雨图。
7.根据权利要求5所述的装置,其特征在于,所述降雨信息至少包括平均降雨量;所述第三获取模块具体用于:
根据所述第二降雨图和单位像素点对应的实际面积对不同降雨量区域的降雨量进行求和,获得第一数值;
将所述第一数值除以所述第一区域的实际面积,获得所述第一区域的平均降雨量。
8.根据权利要求5所述的装置,其特征在于,所述第一获取模块具体用于:
获取第二区域的第三降雨图,其中,所述第二区域的区域范围大于或等于所述第一区域的区域范围;
基于感兴趣ROI提取算法在所述第二区域中提取ROI区域;
将所述ROI区域的降雨图确定为所述第一区域的第一降雨图。
9.一种电子设备,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程序时,实现如权利要求1-4中任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310375714.XA CN116468737B (zh) | 2023-04-10 | 2023-04-10 | 降雨信息获取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310375714.XA CN116468737B (zh) | 2023-04-10 | 2023-04-10 | 降雨信息获取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116468737A true CN116468737A (zh) | 2023-07-21 |
CN116468737B CN116468737B (zh) | 2024-07-26 |
Family
ID=87180061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310375714.XA Active CN116468737B (zh) | 2023-04-10 | 2023-04-10 | 降雨信息获取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116468737B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109143413A (zh) * | 2018-09-11 | 2019-01-04 | 深圳市银河系科技有限公司 | 一种基于图像识别的雨量测量方法及装置 |
CN110750516A (zh) * | 2019-09-29 | 2020-02-04 | 浪潮软件集团有限公司 | 基于雷达图的降雨分析模型构建方法、构建***及分析方法 |
US10613252B1 (en) * | 2015-10-02 | 2020-04-07 | Board Of Trustees Of The University Of Alabama, For And On Behalf Of The University Of Alabama In Huntsville | Weather forecasting systems and methods |
CN113269805A (zh) * | 2021-06-11 | 2021-08-17 | 北京大学 | 降水事件引导的遥感降水反演训练样本自适应选取方法 |
CN113343976A (zh) * | 2021-05-13 | 2021-09-03 | 武汉大学 | 基于颜色-边缘融合特征生长的抗高光干扰工程测量标志提取方法 |
CN114969416A (zh) * | 2022-03-11 | 2022-08-30 | 河海大学 | 一种基于降雨量图的降雨相似性搜索方法 |
-
2023
- 2023-04-10 CN CN202310375714.XA patent/CN116468737B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10613252B1 (en) * | 2015-10-02 | 2020-04-07 | Board Of Trustees Of The University Of Alabama, For And On Behalf Of The University Of Alabama In Huntsville | Weather forecasting systems and methods |
CN109143413A (zh) * | 2018-09-11 | 2019-01-04 | 深圳市银河系科技有限公司 | 一种基于图像识别的雨量测量方法及装置 |
CN110750516A (zh) * | 2019-09-29 | 2020-02-04 | 浪潮软件集团有限公司 | 基于雷达图的降雨分析模型构建方法、构建***及分析方法 |
CN113343976A (zh) * | 2021-05-13 | 2021-09-03 | 武汉大学 | 基于颜色-边缘融合特征生长的抗高光干扰工程测量标志提取方法 |
CN113269805A (zh) * | 2021-06-11 | 2021-08-17 | 北京大学 | 降水事件引导的遥感降水反演训练样本自适应选取方法 |
CN114969416A (zh) * | 2022-03-11 | 2022-08-30 | 河海大学 | 一种基于降雨量图的降雨相似性搜索方法 |
Non-Patent Citations (3)
Title |
---|
QIHANG LI ET AL.: "An image recognition method for the deformation area of open-pit rock slopes under variable rainfall", 《MEASUREMENT》, 2 December 2021 (2021-12-02), pages 1 - 17 * |
李璟汶 等: "岩质排土场边坡形变区域的自动识别与评估", 《江西冶金》, vol. 42, no. 4, 31 August 2022 (2022-08-31), pages 68 - 76 * |
谢习华 等: "基于 SLIC和改进区域生长的非结构化道路识别", 《计算机工程与应用》, vol. 58, no. 14, 31 December 2022 (2022-12-31), pages 210 - 218 * |
Also Published As
Publication number | Publication date |
---|---|
CN116468737B (zh) | 2024-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018107939A1 (zh) | 一种基于边缘完备度的图像分割最优识别方法 | |
CN108830876B (zh) | 一种水域轮廓提取及面积检测方法 | |
Descombes et al. | Coastline detection by a Markovian segmentation on SAR images | |
CN109389163B (zh) | 一种基于地形图的无人机影像分类***及方法 | |
CN101452530B (zh) | 基于灰度统计及区域编码的sar图像水域识别方法 | |
CN114444791A (zh) | 一种基于机器学习的洪涝灾害遥感监测评估方法 | |
CN109389062A (zh) | 利用高分辨率星载sar图像提取湖泊水陆分割线的方法 | |
KR101255736B1 (ko) | 단일편파 레이더를 이용한 기상 및 비기상 에코 분류 방법 | |
CN115641327B (zh) | 一种基于大数据的建筑工程质量监理和预警*** | |
Wan et al. | Automatic extraction of flood inundation areas from SAR images: A case study of Jilin, China during the 2017 flood disaster | |
Chai et al. | Annual urban expansion extraction and spatio-temporal analysis using Landsat time series data: a case study of Tianjin, China | |
De Roo et al. | Assessing flood damages of the 1997 Oder flood and the 1995 Meuse flood | |
San et al. | An approach for prediction of shoreline with spatial uncertainty mapping (SLiP-SUM) | |
Mubashshira et al. | An unsupervised approach for road surface crack detection | |
CN112396612A (zh) | 一种矢量信息辅助的遥感影像道路信息自动提取方法 | |
CN113129323A (zh) | 一种基于人工智能的遥感田埂界线检测方法、***、计算机设备及存储介质 | |
CN112052777A (zh) | 一种基于高分辨率遥感影像的跨水桥梁提取方法和装置 | |
CN114581886A (zh) | 结合语义分割和频域分析的能见度判别方法、装置及介质 | |
CN116468737B (zh) | 降雨信息获取方法及装置 | |
CN113963314A (zh) | 降雨量监测方法、装置、计算机设备及存储介质 | |
CN117036346B (zh) | 基于计算机视觉的硅胶污水处理智能监测方法 | |
CN110633674B (zh) | 一种基于遥感影像与降雨监测数据的雨水去向不确定性分析方法及*** | |
Kalpana | Analysis of rain fall and the temperature of Coimbatore District using land use and land cover change detection by image segmentation | |
CN114580703A (zh) | 基于用地遥感识别时空变化解析的水量预测方法及装置 | |
CN112712024B (zh) | 一种基于三维结构的干旱对净初级生产力影响的评估方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |