CN115685398A - 降雨倾角测量方法、装置、计算机设备及介质 - Google Patents
降雨倾角测量方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN115685398A CN115685398A CN202211227519.4A CN202211227519A CN115685398A CN 115685398 A CN115685398 A CN 115685398A CN 202211227519 A CN202211227519 A CN 202211227519A CN 115685398 A CN115685398 A CN 115685398A
- Authority
- CN
- China
- Prior art keywords
- rainfall
- gray value
- value matrix
- image
- field gray
- 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 41
- 239000011159 matrix material Substances 0.000 claims abstract description 212
- 230000008859 change Effects 0.000 claims abstract description 41
- 230000006870 function Effects 0.000 claims description 60
- 230000033001 locomotion Effects 0.000 claims description 28
- 230000015654 memory Effects 0.000 claims description 24
- 238000000691 measurement method Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 9
- 230000009471 action Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- JXASPPWQHFOWPL-UHFFFAOYSA-N Tamarixin Natural products C1=C(O)C(OC)=CC=C1C1=C(OC2C(C(O)C(O)C(CO)O2)O)C(=O)C2=C(O)C=C(O)C=C2O1 JXASPPWQHFOWPL-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004162 soil erosion Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- Image Analysis (AREA)
Abstract
本发明提供了一种降雨倾角测量方法、装置、计算机设备及介质。其中，降雨倾角测量方法，包括：获取预设时间段内的降雨图像；基于降雨图像，计算降雨图像的灰度值矩阵；结合降雨图像的灰度值矩阵和目标函数确定降雨场灰度值矩阵，其中，目标函数是根据降雨场灰度值矩阵变化特征和背景场灰度值矩阵变化特征确定的；根据降雨场灰度值矩阵确定降雨图像中的降雨倾角。通过本发明，利用降雨图像获取降雨倾角，不需要安装测量设备，具有适用性强、经济效益高的优点。
Description
技术领域
本发明实施例涉及计算机领域，尤其涉及一种降雨倾角测量方法、装置、计算机设备及介质。
背景技术
降雨过程中受风力作用影响，雨水运动轨迹发生倾斜。降雨倾角对承受面接收的雨量、雨滴与降雨承受面动力作用特性、城市流域降雨-径流关系有显著影响，是研究降雨对土壤侵蚀、建筑物侧壁水热破坏、城市降雨-径流关系的重要影响因素。由于风速、风向存在不稳定性，降雨倾角变化也随之复杂多变。因此，高效稳定地获取降雨倾角对上述领域的研究具有重要意义。
目前，现有技术通过安装降雨倾角测量装置测量降雨倾角，然而，降雨倾角测量装置在安装过程中受场地条件、天气因素等限制，适用性差，并且经济效益低。
发明内容
为解决降雨倾角测量装置在安装时受场地条件限制，经济性差的问题，本发明提出了一种降雨倾角测量方法、装置、计算机设备及介质。
第一方面，本发明提供了一种降雨倾角测量方法，方法包括：
获取预设时间段内的降雨图像；
基于降雨图像，计算降雨图像的灰度值矩阵；
结合降雨图像的灰度值矩阵和目标函数确定降雨场灰度值矩阵，其中，目标函数是根据降雨场灰度值矩阵变化特征和背景场灰度值矩阵变化特征确定的；
根据降雨场灰度值矩阵确定降雨图像中的降雨倾角。
通过上述方法，根据降雨图像测量降雨倾角，不需要安装降雨倾角测量装置，采用普遍存在的拍摄设备就可以获得降雨图像，避免了安装降雨倾角测量装置的局限性，具有适用性强，经济效益高的优点，并且，在本发明实施例提供的方法中，降雨倾角是根据降雨场灰度值矩阵确定的，而降雨场灰度值矩阵是根据目标函数确定的，由于目标函数是根据降雨场灰度值矩阵变化特征和背景场灰度值矩阵变化特征确定的，因此，通过实施本发明计算得到的降雨倾角更准确。
结合第一方面，在第一方面的第一实施例中，降雨场灰度值矩阵变化特征包括降雨场灰度值矩阵的稀疏性、降雨场灰度值矩阵在雨滴运动轨迹方向上的变化中的至少一种。
结合第一方面的第一实施例，在第一方面的第二实施例中，背景场灰度值矩阵变化特征包括背景场灰度值矩阵在与雨滴运动轨迹方向的垂直方向上的变化、背景场灰度值矩阵在不同时间上的变化中的至少一种。
结合第一方面的第二实施例，在第一方面的第三实施例中，目标函数包括第一正则项、第二正则项、第三正则项、第四正则项中的一项或多项的和，第一正则项由降雨场灰度值矩阵的L1范数建立，第二正则项由降雨场灰度值矩阵在雨滴运动轨迹方向的梯度的L1范数建立，第三正则项由背景场灰度值矩阵在降雨运动轨迹垂直方向的梯度的L1范数建立，第四正则项由背景场灰度值矩阵的时间梯度的L1范数建立；通过目标函数确定的降雨场灰度值矩阵，使得目标函数中各正则项的和最小。
结合第一方面或第一方面的第三实施例，在第一方面的第四实施例中，背景场灰度值矩阵由降雨图像的灰度值矩阵和降雨场灰度值矩阵作差得到。
结合第一方面的第四实施例，在第一方面的第五实施例中，目标函数表示如下：
其中，O为预设时间段内降雨图像的灰度值矩阵，R为预设时间段内降雨场的灰度值矩阵，θ为降雨倾角，λ1、λ2、λ3、λ4为参数。
结合第一方面，在第一方面的第六实施例中，结合降雨图像的灰度值矩阵和目标函数确定降雨场灰度值矩阵，包括：
根据目标函数建立多个子问题和拉格朗日乘数更新函数；
结合降雨图像的灰度值矩阵和当前各拉格朗日乘数值求解各子问题，得到当前迭代周期的降雨场灰度值矩阵；
根据降雨图像的灰度值矩阵和当前迭代周期的降雨场灰度值矩阵确定当前周期的背景场灰度值矩阵，根据降雨图像的灰度值矩阵和上一迭代周期的降雨场灰度值矩阵确定上一周期的背景场灰度值矩阵；
将当前迭代周期的背景场灰度值矩阵与上一迭代周期的背景场灰度值矩阵的差的弗罗贝尼乌斯规范值确定为第一规范值，将上一迭代周期的背景场灰度值矩阵的弗罗贝尼乌斯规范值确定为第二规范值，若第一规范值与第二规范值的比值满足第一预设条件，或，迭代次数满足第二预设条件，则将当前迭代周期的降雨场灰度值矩阵确定为用于计算降雨倾角的降雨场灰度值矩阵；
若第一规范值与第二规范值不满足第一预设条件，且，迭代次数不满足第二预设条件，则根据拉格朗日乘数更新函数计算更新后的拉格朗日乘数，并返回上述结合降雨图像的灰度值矩阵和当前各拉格朗日乘数值求解各子问题，得到当前迭代周期的降雨场灰度值矩阵的步骤，直到第一规范值与第二规范值满足第一预设条件，或，迭代次数满足第二预设条件。第二方面，本发明还提供了一种降雨倾角测量装置，该装置包括：
获取模块，用于获取预设时间段内的降雨图像；
计算模块，用于基于降雨图像，计算降雨图像的灰度值矩阵；
第一确定模块，用于结合降雨图像的灰度值矩阵和目标函数确定降雨场灰度值矩阵，其中，目标函数是根据降雨场灰度值矩阵变化特征和背景场灰度值矩阵变化特征确定的；
第二确定模块，用于根据降雨场灰度值矩阵确定降雨图像中的降雨倾角。
通过上述装置，根据降雨图像测量降雨倾角，不需要安装降雨倾角测量装置，采用大量存在的监控设备就可以获得降雨图像，避免了安装降雨倾角测量装置的局限性，具有适用性强，经济效益高的优点，并且，在本发明实施例提供的方法中，降雨倾角是根据降雨场灰度值矩阵确定的，而降雨场灰度值矩阵是根据目标函数确定的，由于目标函数是根据降雨场灰度值矩阵变化特征和背景场灰度值矩阵变化特征确定的，因此，通过实施本发明计算得到的降雨倾角更准确。
第三方面，本发明还提供了一种计算机设备，包括存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行第一方面或第一方面的任一实施例的降雨倾角测量方法的步骤。
第四方面，本发明还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第一方面或第一方面的任一实施例的降雨倾角测量方法的步骤。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例提出的一种降雨倾角测量方法的流程图；
图2是在一示例中，雨滴运动轨迹的示意图；
图3是根据一示例性实施例提出的一种降雨倾角测量装置的结构示意图；
图4是根据一示例性实施例提出的一种计算机设备的硬件结构示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明提出了一种降雨倾角测量方法、装置、计算机设备及介质。
图1是根据一示例性实施例提出的一种降雨倾角测量方法的流程图。如图1所示，降雨倾角测量方法包括如下步骤S101至S104。
步骤S101：获取预设时间段内的降雨图像。
具体地，降雨图像可以通过监控设备获得的视频影像分帧后得到，也可以通过手机或者相机拍摄到的视频或连续图片得到。
步骤S102：基于降雨图像，计算降雨图像的灰度值矩阵。
具体地，降雨图像的灰度值矩阵指的是整个视频影像或者连续图片构成的灰度值矩阵，每帧图像对应一个灰度值矩阵，降雨图像的灰度值矩阵由多帧图像对应的灰度值矩阵组成。
步骤S103：结合降雨图像的灰度值矩阵和目标函数确定降雨场灰度值矩阵，其中，目标函数是根据降雨场灰度值矩阵变化特征和背景场灰度值矩阵变化特征确定的。
具体地，降雨场灰度值矩阵指的是降雨轨迹的灰度值矩阵，背景场灰度值矩阵指的是无雨背景场的灰度值矩阵。灰度值矩阵变化特征可以为稀疏性、在时间和空间上的连续性等等。
步骤S104：根据降雨场灰度值矩阵确定降雨图像中的降雨倾角。
通过上述方法，根据降雨图像测量降雨倾角，不需要安装降雨倾角测量装置，采用普遍存在的拍摄设备就可以获得降雨图像，避免了安装降雨倾角测量装置的局限性，具有适用性强，经济效益高的优点，并且，在本发明实施例提供的方法中，降雨倾角是根据降雨场灰度值矩阵确定的，而降雨场灰度值矩阵是根据目标函数确定的，由于目标函数是根据降雨场灰度值矩阵变化特征和背景场灰度值矩阵变化特征确定的，因此，通过实施本发明计算得到的降雨倾角更准确。
图2是在一示例中，雨滴运动轨迹的示意图。图中的θ为降雨倾角，即雨滴运动轨迹与y轴的夹角，x’轴为与雨滴运动轨迹垂直的方向，y’为与雨滴运动轨迹平行的方向。
在一示例中，获得的预设时间段内的降雨图像是由背景和雨滴轨迹，即背景场和降雨场组成的。因此，背景场灰度值矩阵可以通过降雨图像的灰度值矩阵和降雨场灰度值矩阵作差得到，如公式一所示：
B＝O-R (公式一)
其中，B为预设时间段内背景场灰度值矩阵，O为预设时间段内降雨图像的灰度值矩阵，R为预设时间段内降雨场灰度值矩阵。
在一示例中，上述步骤S103中，降雨场灰度值矩阵变化特征包括降雨场灰度值矩阵的稀疏性、降雨场灰度值矩阵在雨滴运动轨迹方向上的变化中的至少一种。
在一可选实施例中，与背景场相比，降雨场灰度值矩阵具有显著的稀疏性。降雨场灰度值矩阵的稀疏性越强，则降雨场灰度值矩阵的L1范数越小(L1范数是向量中各个元素绝对值之和)。
在一可选实施例中，降雨场灰度值矩阵在雨滴运动轨迹方向上变化较小，即在雨滴的运动轨迹方向上具有较强的连续性。
在一示例中，上述步骤S103中，背景场灰度值矩阵变化特征包括背景场灰度值矩阵在与雨滴运动轨迹方向的垂直方向上的变化、背景场灰度值矩阵在不同时间上的变化中的至少一种。
在一可选实施例中，降雨场的灰度值矩阵在与雨滴运动轨迹方向的垂直方向上具有明显的不连续性，而背景场的灰度值矩阵在雨滴运动轨迹方向的垂直方向相对于降雨场来说具有明显的连续性。
在一可选实施例中，背景场通常情况保持不变，背景场灰度值矩阵在不同时间上变化较小，即在时间上具有连续性。
在一示例中，上述步骤S103中目标函数可以根据降雨场灰度值矩阵变的稀疏性、降雨场灰度值矩阵在雨滴运动轨迹上的连续性、背景场的灰度值矩阵在雨滴运动轨迹垂直方向的连续性和背景场灰度值矩阵在时间上的连续性确定。
在一可选实施例中，目标函数包括第一正则项、第二正则项、第三正则项、第四正则项中的一项或多项的和，第一正则项由降雨场灰度值矩阵的L1范数建立，第二正则项由降雨场灰度值矩阵在雨滴运动轨迹方向的梯度的L1范数建立，第三正则项由背景场灰度值矩阵在降雨运动轨迹垂直方向的梯度的L1范数建立，第四正则项由背景场灰度值矩阵的时间梯度的L1范数建立；通过目标函数确定的降雨场灰度值矩阵，使得目标函数中各正则项的和最小。
在一可选实施例中，目标函数F(R)表示如下：
其中，O为预设时间段内降雨图像的灰度值矩阵，R为预设时间段内降雨场灰度值矩阵，θ为降雨倾角，λ1、λ2、λ3、λ4为参数。
在一示例中，可以通过优化方法对目标函数进行求解，获得降雨轨迹灰度值矩阵和降雨倾角。示例性地，利用交替方向乘子法(Alternating Direction Method ofMultipliers，ADMM)对目标函数进行优化求解，具体求解步骤如下：
1.根据目标函数建立多个子问题和拉格朗日乘数更新函数。
在一可选实施例中，若目标函数包括第一正则项、第二正则项、第三正则项、第四正则项，则分别建立第一正则项、第二正则项、第三正则项、第四正则项各自对应的子问题以及目标函数对应的子问题，各子问题中分别对应有拉格朗日乘数。
在本发明实施例中，引入四个辅助矩阵
和
分别代表目标函数中的第一正则项、第二正则项、第三正则项和第四正则项，将目标函数F(R)重新表述为以下约束问题：
其中，
和
解决该约束问题相当于无约束地解决
和R五个单独的子问题和四个拉格朗日乘数更新函数。
其中，
和
子问题表示如下：
其中，P1、P2、P3和P4是拉格朗日乘数，β1、β2、β3和β4是预定义的算法参数，||·||F代表弗罗贝尼乌斯规范，被定义为
公式四至公式七可通过Donoho(1995)引入的软阈值策略进行单一解，如下所示：
其中，shrink是两个相同大小矩阵的元素式算子。对于每个元素对shrink(a,b)＝sign(a)·max(|a|-b,0)，sign(a)是符号函数，将符号a返回数值1、0或-1；k是指示迭代步骤的索引；O′和R′分别是前一帧的整个影像的灰度值矩阵和降雨轨迹的灰度值矩阵。
R子问题表示如下：
由于公式十二是二次可微的，其闭式解可写成如下：
式中，
是一个单位矩阵。
四个拉格朗日乘数更新函数表示如下：
2.结合降雨图像的灰度值矩阵和当前各拉格朗日乘数值求解各子问题，得到当前迭代周期的降雨场灰度值矩阵。
在本发明实施例中，初始化上述子问题中的参数：
根据预设时间段内的降雨图像的灰度值矩阵中的每一项Oi∈[O1,O2,O3,…,Ot]，通过上述公式八至公式十三计算当前迭代周期的降雨场灰度值矩阵。
3.根据降雨图像的灰度值矩阵和当前迭代周期的降雨场灰度值矩阵确定当前周期的背景场灰度值矩阵，根据降雨图像的灰度值矩阵和上一迭代周期的降雨场灰度值矩阵确定上一周期的背景场灰度值矩阵。
4.将当前迭代周期的背景场灰度值矩阵与上一迭代周期的背景场灰度值矩阵的差的弗罗贝尼乌斯规范值确定为第一规范值，将上一迭代周期的背景场灰度值矩阵的弗罗贝尼乌斯规范值确定为第二规范值，若第一规范值与第二规范值的比值满足第一预设条件，或，迭代次数满足第二预设条件，则将当前迭代周期的降雨场灰度值矩阵确定为用于计算降雨倾角的降雨场灰度值矩阵。
在本发明实施例中，第一规范值表示为
第二规范值表示为
当第一规范值与第二规范值的比值满足第一预设条件即
或，迭代次数满足第二预设条件即k>kmax时，将当前迭代周期的降雨场灰度值矩阵确定为用于计算降雨倾角的降雨场灰度值矩阵，其中tol为早期迭代终止的正公差值，kmax为预设的最大迭代次数。
5.若第一规范值与第二规范值不满足第一预设条件，且，迭代次数不满足第二预设条件，则根据拉格朗日乘数更新函数计算更新后的拉格朗日乘数，并返回上述结合当前各拉格朗日乘数值求解各子问题，得到当前迭代周期的降雨场灰度值矩阵的步骤，直到第一规范值与第二规范值满足第一预设条件，或，迭代次数满足第二预设条件。
在本发明实施例中，当
和k≤kmax时，返回上述步骤2。
基于相同发明构思，本发明实施例还提供一种降雨倾角测量装置，如图3所示，该装置包括：
获取模块301，用于获取预设时间段内的降雨图像。详细内容参见上述实施例中步骤S101的描述，在此不再赘述。
计算模块302，用于基于降雨图像，计算降雨图像的灰度值矩阵。详细内容参见上述实施例中步骤S102的描述，在此不再赘述。
第一确定模块303，用于结合降雨图像的灰度值矩阵和目标函数确定降雨场灰度值矩阵，其中，目标函数是根据降雨场灰度值矩阵变化特征和背景场灰度值矩阵变化特征确定的。详细内容参见上述实施例中步骤S103的描述，在此不再赘述。
第二确定模块304，用于根据降雨场灰度值矩阵确定降雨图像中的降雨倾角。详细内容参见上述实施例中步骤S104的描述，在此不再赘述。
在一示例中，第一确定模块303中的降雨场灰度值矩阵变化特征包括降雨场灰度值矩阵的稀疏性、降雨场灰度值矩阵在雨滴运动轨迹方向上的变化中的至少一种。详细内容参见上述实施例中的描述，在此不再赘述。
在一示例中，第一确定模块303中的背景场灰度值矩阵变化特征包括背景场灰度值矩阵在与雨滴运动轨迹方向的垂直方向上的变化、背景场灰度值矩阵在不同时间上的变化中的至少一种。详细内容参见上述实施例中的描述，在此不再赘述。
在又一示例中，第一确定模块303中的目标函数包括第一正则项、第二正则项、第三正则项、第四正则项中的一项或多项的和，第一正则项由降雨场灰度值矩阵的L1范数建立，第二正则项由降雨场灰度值矩阵在雨滴运动轨迹方向的梯度的L1范数建立，第三正则项由背景场灰度值矩阵在降雨运动轨迹垂直方向的梯度的L1范数建立，第四正则项由背景场灰度值矩阵的时间梯度的L1范数建立；通过目标函数确定的降雨场灰度值矩阵，使得目标函数中各正则项的和最小。详细内容参见上述实施例中的描述，在此不再赘述。
在另一示例中，第一确定模块303中的背景场灰度值矩阵由降雨图像的灰度值矩阵和降雨场灰度值矩阵作差得到。
在一示例中，第一确定模块303中的目标函数表示如下：
其中，O为预设时间段内降雨图像的灰度值矩阵，R为预设时间段内降雨场灰度值矩阵，θ为降雨倾角，λ1、λ2、λ3、λ4为参数。详细内容参见上述实施例中的描述，在此不再赘述。
在又一示例中，第一确定模块303包括：
建立子模块，用于根据目标函数建立多个子问题和拉格朗日乘数更新函数。详细内容参见上述实施例中的描述，在此不再赘述。
求解子模块，用于结合降雨图像的灰度值矩阵和当前各拉格朗日乘数值求解各子问题，得到当前迭代周期的降雨场灰度值矩阵。详细内容参见上述实施例中的描述，在此不再赘述。
确定子模块，用于根据降雨图像的灰度值矩阵和当前迭代周期的降雨场灰度值矩阵确定当前周期的背景场灰度值矩阵，根据降雨图像的灰度值矩阵和上一迭代周期的降雨场灰度值矩阵确定上一周期的背景场灰度值矩阵。详细内容参见上述实施例中的描述，在此不再赘述。
第一判定子模块，用于将当前迭代周期的背景场灰度值矩阵与上一迭代周期的背景场灰度值矩阵的差的弗罗贝尼乌斯规范值确定为第一规范值，将上一迭代周期的背景场灰度值矩阵的弗罗贝尼乌斯规范值确定为第二规范值，若第一规范值与第二规范值的比值满足第一预设条件，或，迭代次数满足第二预设条件，则将当前迭代周期的降雨场灰度值矩阵确定为用于计算降雨倾角的降雨场灰度值矩阵。详细内容参见上述实施例中的描述，在此不再赘述。
第二判定子模块，用于若第一规范值与第二规范值不满足第一预设条件，且，迭代次数不满足第二预设条件，则根据拉格朗日乘数更新函数计算更新后的拉格朗日乘数，并返回上述结合降雨图像的灰度值矩阵和当前各拉格朗日乘数值求解各子问题，得到当前迭代周期的降雨场灰度值矩阵的步骤，直到第一规范值与第二规范值满足第一预设条件，或，迭代次数满足第二预设条件。详细内容参见上述实施例中的描述，在此不再赘述。
上述装置的具体限定以及有益效果可以参见上文中对于降雨倾角测量方法的限定，在此不再赘述。上述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。
图4是根据一示例性实施例提出的一种计算机设备的硬件结构示意图。如图4所示，该设备包括一个或多个处理器410以及存储器420，存储器420包括持久内存、易失内存和硬盘，图4中以一个处理器410为例。该设备还可以包括：输入装置430和输出装置440。
处理器410、存储器420、输入装置430和输出装置440可以通过总线或者其他方式连接，图4中以通过总线连接为例。
处理器410可以为中央处理器(Central Processing Unit，CPU)。处理器410还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器420作为一种非暂态计算机可读存储介质，包括持久内存、易失内存和硬盘，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本申请实施例中降雨倾角测量方法对应的程序指令/模块。处理器410通过运行存储在存储器420中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述任意一种降雨倾角测量方法。
存储器420可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据、需要使用的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器420可选包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至数据处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的信号输入。输出装置440可包括显示屏等显示设备。
一个或者多个模块存储在存储器420中，当被一个或者多个处理器410执行时，执行如图1所示的方法。
上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，具体可参见如图1所示的实施例中的相关描述。
本发明实施例还提供了一种非暂态计算机存储介质，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的测量方法。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(RandomAccess Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种降雨倾角测量方法，其特征在于，所述方法包括：
获取预设时间段内的降雨图像；
基于所述降雨图像，计算所述降雨图像的灰度值矩阵；
结合所述降雨图像的灰度值矩阵和目标函数确定降雨场灰度值矩阵，其中，所述目标函数是根据降雨场灰度值矩阵变化特征和背景场灰度值矩阵变化特征确定的；
根据所述降雨场灰度值矩阵确定所述降雨图像中的降雨倾角。
2.根据权利要求1所述的方法，其特征在于，
所述降雨场灰度值矩阵变化特征包括降雨场灰度值矩阵的稀疏性、降雨场灰度值矩阵在雨滴运动轨迹方向上的变化中的至少一种。
3.根据权利要求2所述的方法，其特征在于，
所述背景场灰度值矩阵变化特征包括背景场灰度值矩阵在与雨滴运动轨迹方向的垂直方向上的变化、背景场灰度值矩阵在不同时间上的变化中的至少一种。
4.根据权利要求3所述的方法，其特征在于，
所述目标函数包括第一正则项、第二正则项、第三正则项、第四正则项中的一项或多项的和，所述第一正则项由降雨场灰度值矩阵的L1范数建立，所述第二正则项由降雨场灰度值矩阵在雨滴运动轨迹方向的梯度的L1范数建立，所述第三正则项由背景场灰度值矩阵在降雨运动轨迹垂直方向的梯度的L1范数建立，所述第四正则项由背景场灰度值矩阵的时间梯度的L1范数建立；
通过所述目标函数确定的降雨场灰度值矩阵，使得所述目标函数中各正则项的和最小。
5.根据权利要求1或4所述的方法，其特征在于，
所述背景场灰度值矩阵由所述降雨图像的灰度值矩阵和所述降雨场灰度值矩阵作差得到。
6.根据权利要求5所述的方法，其特征在于，所述目标函数表示如下：
其中，O为预设时间段内降雨图像的灰度值矩阵，R为预设时间段内降雨场灰度值矩阵，θ为降雨倾角，λ1、λ2、λ3、λ4为参数。
7.根据权利要求1所述的方法，其特征在于，所述结合所述降雨图像的灰度值矩阵和目标函数确定降雨场灰度值矩阵，包括：
根据所述目标函数建立多个子问题和拉格朗日乘数更新函数；
结合降雨图像的灰度值矩阵和当前各拉格朗日乘数值求解各子问题，得到当前迭代周期的降雨场灰度值矩阵；
根据所述降雨图像的灰度值矩阵和当前迭代周期的降雨场灰度值矩阵确定当前周期的背景场灰度值矩阵，根据降雨图像的灰度值矩阵和上一迭代周期的降雨场灰度值矩阵确定上一周期的背景场灰度值矩阵；
将当前迭代周期的背景场灰度值矩阵与上一迭代周期的背景场灰度值矩阵的差的弗罗贝尼乌斯规范值确定为第一规范值，将上一迭代周期的背景场灰度值矩阵的弗罗贝尼乌斯规范值确定为第二规范值，若所述第一规范值与所述第二规范值的比值满足第一预设条件，或，迭代次数满足第二预设条件，则将当前迭代周期的降雨场灰度值矩阵确定为用于计算降雨倾角的降雨场灰度值矩阵；
若所述第一规范值与所述第二规范值不满足第一预设条件，且，迭代次数不满足第二预设条件，则根据所述拉格朗日乘数更新函数计算更新后的拉格朗日乘数，并返回上述结合降雨图像的灰度值矩阵和当前各拉格朗日乘数值求解各子问题，得到当前迭代周期的降雨场灰度值矩阵的步骤，直到第一规范值与第二规范值满足第一预设条件，或，迭代次数满足第二预设条件。
8.一种降雨倾角测量装置，其特征在于，所述装置包括：
获取模块，用于获取预设时间段内的降雨图像；
计算模块，用于基于所述降雨图像，计算所述降雨图像的灰度值矩阵；
第一确定模块，用于结合所述降雨图像的灰度值矩阵和目标函数确定降雨场灰度值矩阵，其中，所述目标函数是根据降雨场灰度值矩阵变化特征和背景场灰度值矩阵变化特征确定的；
第二确定模块，用于根据所述降雨场灰度值矩阵确定所述降雨图像中的降雨倾角。
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-7中任一项所述的降雨倾角测量方法的步骤。
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，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的降雨倾角测量方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211227519.4A CN115685398B (zh) | 2022-10-09 | 2022-10-09 | 降雨倾角测量方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211227519.4A CN115685398B (zh) | 2022-10-09 | 2022-10-09 | 降雨倾角测量方法、装置、计算机设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115685398A true CN115685398A (zh) | 2023-02-03 |
| CN115685398B CN115685398B (zh) | 2024-08-06 |
Family
ID=85064952
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211227519.4A Active CN115685398B (zh) | 2022-10-09 | 2022-10-09 | 降雨倾角测量方法、装置、计算机设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115685398B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117218586A (zh) * | 2023-09-21 | 2023-12-12 | 北京市自来水集团有限责任公司技术研究院 | 测定悬浮物沉降速度的图像识别方法、装置、设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000275357A (ja) * | 1999-03-23 | 2000-10-06 | Nagoya Electric Works Co Ltd | 降雨雪状況検出方法およびその装置 |
| CN105091796A (zh) * | 2015-08-24 | 2015-11-25 | 西安电子科技大学 | 雨滴谱仪及雨滴倾角的测量方法 |
| WO2017180692A1 (en) * | 2016-04-13 | 2017-10-19 | The Climate Corporation | Estimating rainfall adjustment values |
| CN111932519A (zh) * | 2020-08-12 | 2020-11-13 | 上海眼控科技股份有限公司 | 天气预测方法、装置、计算机设备和存储介质 |
| CN114755493A (zh) * | 2022-03-17 | 2022-07-15 | 中国长江三峡集团有限公司 | 现场测试参考值计算方法、系统、设备及存储介质 |
-
2022
- 2022-10-09 CN CN202211227519.4A patent/CN115685398B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000275357A (ja) * | 1999-03-23 | 2000-10-06 | Nagoya Electric Works Co Ltd | 降雨雪状況検出方法およびその装置 |
| CN105091796A (zh) * | 2015-08-24 | 2015-11-25 | 西安电子科技大学 | 雨滴谱仪及雨滴倾角的测量方法 |
| WO2017180692A1 (en) * | 2016-04-13 | 2017-10-19 | The Climate Corporation | Estimating rainfall adjustment values |
| CN111932519A (zh) * | 2020-08-12 | 2020-11-13 | 上海眼控科技股份有限公司 | 天气预测方法、装置、计算机设备和存储介质 |
| CN114755493A (zh) * | 2022-03-17 | 2022-07-15 | 中国长江三峡集团有限公司 | 现场测试参考值计算方法、系统、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 朱元骏;倪盼盼;邵明安;: "利用土壤表面灰度图像估算降雨过程中坡面土壤侵蚀量", 水土保持学报, no. 06, 15 December 2014 (2014-12-15) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117218586A (zh) * | 2023-09-21 | 2023-12-12 | 北京市自来水集团有限责任公司技术研究院 | 测定悬浮物沉降速度的图像识别方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115685398B (zh) | 2024-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110782490B (zh) | 一种具有时空一致性的视频深度图估计方法及装置 | |
| CN110298798A (zh) | 一种基于低秩张量补全与离散全变分的图像修复方法 | |
| US10553020B1 (en) | Shadow mask generation using elevation data | |
| US20150110386A1 (en) | Tree-based Linear Regression for Denoising | |
| CN108153979B (zh) | 基于InSAR的形变信息提取方法、终端及存储介质 | |
| CN110288549A (zh) | 视频修复方法、装置及电子设备 | |
| CN109300139B (zh) | 车道线检测方法和装置 | |
| CN115685398A (zh) | 降雨倾角测量方法、装置、计算机设备及介质 | |
| CN111476814B (zh) | 目标跟踪方法、装置、设备及存储介质 | |
| CN112734494A (zh) | 一种销量预测方法、装置、终端设备及可读存储介质 | |
| Mikhailiuk et al. | Real-time pothole detection on TMS320C6678 DSP | |
| KR101834512B1 (ko) | 연속영상 기반의 초해상도 영상복원 장치 및 방법 | |
| CN113643311B (zh) | 一种对边界误差鲁棒的图像分割方法和装置 | |
| CN114332215A (zh) | 多传感标定方法、装置、计算机设备和存储介质 | |
| Sun et al. | Interval prediction for traffic time series using local linear predictor | |
| US11120269B2 (en) | Method and apparatus for determining target rotation direction, computer readable medium and electronic device | |
| CN113361719B (zh) | 基于图像处理模型的增量学习方法和图像处理方法 | |
| JPH05256613A (ja) | ステレオ画像からの視差演算方法と装置並びに奥行き測定装置 | |
| CN112258563A (zh) | 图像对齐方法、装置、电子设备及存储介质 | |
| CN115410408B (zh) | 停车位状态变化的检测方法、装置、设备和介质 | |
| WO2023272662A1 (en) | Adaptive object detection | |
| CN111627056B (zh) | 基于深度估计的行车能见度确定方法及装置 | |
| Tian et al. | Determination of fractional pixel location via an optimal group delay estimation approach | |
| US20230196594A1 (en) | Temporal interpolation of precipitation | |
| CN118446352A (zh) | 基于城市生成点云的地表温度预测方法、装置、介质及设备 |
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 |