[发明专利]一种针对雨天图片的卷积神经网络降雨强度分类方法

说明书

本发明公开了一种针对雨天图片的卷积神经网络降雨强度分类方法，包括以下步骤：(1)通过图像处理软件合成降雨图片，得到合成数据集；(2)搭建卷积神经网络，使用步骤(1)中的合成数据集对卷积神经网络进行预训练；(3)采集实际降雨图片，得到真实数据集；(4)使用步骤(3)中的真实数据集对预训练的模型进行微调，得到训练好的模型；(5)将步骤(4)中的训练好的模型用于实时降雨强度分类。本发明的分类方法对于真实降雨图片和合成降雨图片的降雨强度的分类均具有较好的效果和较低的误差率，而且可以大大提高实时天气信息在空间上的精确度。

技术领域

本发明属于市政工程雨水实时测量领域，尤其涉及一种针对雨天图片的卷积神经网络降雨强度分类方法。

背景技术

目前，我国城市内涝频发，造成了巨大的经济财产损失甚至是人员伤亡。暴雨具有明显的空间不均匀性，造成城市各地区间受灾程度的差异性十分明显。准确获得各地区的实时降雨级别，对于城市内涝的监测防控以及应急响应具有基础性意义。目前的天气预报无法反应降雨的空间不均匀性，同时准确性也不够，无法达到实时调度的需求。现有的雨强测量工具如雨量计等，虽能较为准确地测量雨强，但有着价格昂贵，难以实时传输数据，无法实时反映降雨的空间不均匀性等问题。

卷积神经网络具有稀疏连接，权值共享等特点，可以有效降低神经网络模型的参数量，但是卷积神经网络的训练仍然需要大量的数据，而真实降雨图片的获取比较困难，难以大规模获取真实降雨图片。而现有的公开数据集又罕有相似的数据集。这极大地阻碍了卷积神经网络在雨天图片降雨强度分类上的应用。

发明内容

针对现有技术存在的问题，本发明提供了一种针对雨天图片的卷积神经网络降雨强度分类方法。

为了实现上述目的，本发明采用以下技术方案：

一种针对雨天图片的卷积神经网络降雨强度分类方法，包括以下步骤：

(1)通过图像处理软件合成降雨图片，得到合成数据集；

(2)搭建卷积神经网络，使用步骤(1)中的合成数据集对卷积神经网络进行预训练；

(3)采集实际降雨图片，得到真实数据集；

(4)使用步骤(3)中的真实数据集对预训练的模型进行微调，得到训练好的模型；

(5)将步骤(4)中的训练好的模型用于实时降雨强度分类。

进一步地，步骤(1)中，通过图像处理软件对原图分别添加不同的降雨强度，得到合成降雨图片。

进一步地，步骤(1)中，选用合适的图像处理软件，如Photoshop，对原图添加不同数目和大小的雨痕，以模拟不同降雨强度下的降雨图片；因为降雨强度仅与雨痕数目及大小这两个参数相关，故在合成降雨图片过程中，其他参数，比如雨痕角度，分布，对比度等参数则随机设定，以增强模型的鲁棒性。

具体地，图像处理软件参数的选定，以Photoshop为例，包括：雨痕密度，相对大小，分布，角度，对比度等参数，相对大小指的是：雨层(噪音层)相对于底图的大小，角度指的是：雨痕与水平线所夹锐角；对比度指的是一幅图像中明暗区域最亮的白和最暗的黑之间不同亮度层级的测量，差异范围越大代表对比度越大，差异范围越小代表对比度越小；但是，降雨强度大小只与雨滴数目以及大小有关，反映在Photoshop的参数上，即为雨痕密度与相对大小。合成数据集包括六类合成降雨图片，六类合成降雨图片分别为小雨、中雨、大雨、暴雨、大暴雨、特大暴雨的合成降雨图片；随机在合成数据集中抽取80％作为训练集，10％作为验证集，10％作为测试集；在一些优选的方式中，训练集中每类降雨图片的数量近似相等，验证集中每类降雨图片的数量近似相等，测试集中每类降雨图片的数量也近似相等。