一种用于天空云量探测的UNet分割网络的训练方法与设备技术

本申请通过一种用于天空云量探测的UNet分割网络的训练方法，首先获取原始天空云量图像集和已标注的天空云量图像集，接着确定目标晴天云量图像集和已标注的目标晴天云量图像集，然后对所述目标晴天云量图像集和已标注的目标晴天云量图像集中的图像做数据增广，分别获得目标增广晴天云量图像集和已标注的目标增广晴天云量图像集，再接着确定天空云量图像训练集和天空云量图像真实数据集，最后基于所述天空云量图像训练集和所述天空云量图像真实数据集训练UNet分割网络，获得已训练的UNet分割网络。通过该方法实现用于训练UNet分割网络的训练样本量的多样性，可提高UNet分割网络的训练学习效果，有利于提升天空云量探测的准确度，带来有益效果。

【技术实现步骤摘要】
一种用于天空云量探测的UNet分割网络的训练方法与设备
本申请涉及计算机图像处理
，尤其涉及一种用于天空云量探测的UNet分割网络的训练的技术。
技术介绍
掌握机场周边天空的云量情况是确保机场航班安全起降的前提，利用安装于机场观测台顶的全天空成像仪拍摄出机场周边天空的全景天空云量图像，通过神经网络模型预测机场周边天空云量。通常全天空成像仪拍摄出的天空云量图像中太阳光照对图像中云像素分布的影响较大，尤其是晴空状态下，太阳的强光使得太阳周围像素有偏向饱和类云而非类天空像素，直接用这样的天空云量图像训练神经网络模型，导致神经网络模型的学习效果不佳。
技术实现思路
本申请的目的是提供一种用于天空云量探测的UNet分割网络的训练方法与设备，以解决现有技术中直接采用天空云量图像来训练天空云量探测的UNet分割网络导致效果不佳的技术问题。根据本申请的一个方面，提供了一种用于天空云量探测的UNet分割网络的训练方法，其中，所述方法包括：获取原始天空云量图像集和基于所述原始天空云量图像集确定的已标注的天空云量图像集；基于所述原始天空云量图像集和所述已标注的天空云量图像集，确定目标晴天云量图像集和已标注的目标晴天云量图像集；对所述目标晴天云量图像集和已标注的目标晴天云量图像集中的图像做数据增广，分别获得目标增广晴天云量图像集和已标注的目标增广晴天云量图像集；基于所述原始天空云量图像集和所述目标增广晴天云量图像集确定天空云量图像训练集，基于所述已标注的天空云量图像集和所述已标注的目标增广晴天云量图像集确定天空云量图像真实数据集；基于所述天空云量图像训练集和所述天空云量图像真实数据集训练UNet分割网络，若网络输出满足预置阈值，获得已训练的UNet分割网络。可选地，所述确定目标晴天图像集包括：对所述原始天空云量图像集中的图像基于每个像素点的亮度值做二值化；基于值为1的像素点，获取一个或多个轮廓；遍历所述轮廓，进行椭圆拟合，得到拟合椭圆；计算所述拟合椭圆的长轴和短轴，若长轴和短轴之和大于预设的阈值，确定所述图像是目标晴天云量图像；将所述原始天空云量图像集中由目标晴天云量图像组成的图像集，确定为目标晴天云量图像集。可选地，所述对所述原始天空云量图像集中的图像基于每个像素点的亮度值做二值化包括：读取所述图像的RGB像素矩阵；判断每个像素点的RGB亮度值，若所述像素点的RGB亮度值为[255,255,255]，则该像素点的值标记为1，否则，标记为0；遍历所述图像的每一个像素点，完成对所述原始天空云量图像集中的图像基于每个像素点的亮度值做二值化。可选地，所述对所述目标晴天云量图像集中的图像数据增广包括：对所述目标晴天云量图像集中的图像做归一化处理；对归一化后的图像做一次或多次gamma变换。可选地，所述对归一化后的图像做一次或多次gamma变换包括：基于所述目标晴天云量图像集中的图像设置gamma变换参数；基于每个变换参数对所述归一化后的图像做一次或多次gamma变换；其中，所述对所述归一化后的图像做一次或多次gamma变换以调整所述图像的亮度，和/或所述图像中的灰白色区域。可选地，所述对所述已标注的目标晴天云量图像集中的图像做数据增广包括：复制所述已标注的目标晴天云量图像集中的图像，其中，复制的次数与所述目标晴天云量图像集中的图像所做的gamma变换次数相同，并基于与所述目标晴天云量图像集中的图像所做的gamma变换后得到的图像命名规则相同的规则命名数据增广得到的图像。可选地，所述方法还包括：获取用于探测天空云量的天空云量图像，输入所述已训练的UNet分割网络，预测天空云量。根据本申请的另一方面，还提供了一种用于天空云量探测的UNet分割网络的训练设备，其中，所述设备包括：第一装置，用于获取原始天空云量图像集和基于所述原始天空云量图像集确定的已标注的天空云量图像集；第二装置，用于基于所述原始天空云量图像集和所述已标注的天空云量图像集，确定目标晴天云量图像集和已标注的目标晴天云量图像集；第三装置，用于对所述目标晴天云量图像集和已标注的目标晴天云量图像集中的图像做数据增广，分别获得目标增广晴天云量图像集和已标注的目标增广晴天云量图像集；第四装置，用于基于所述原始天空云量图像集和所述目标增广晴天云量图像集确定天空云量图像训练集，基于所述已标注的天空云量图像集和所述已标注的目标增广晴天云量图像集确定天空云量图像真实数据集；第五装置，用于基于所述天空云量图像训练集和所述天空云量图像真实数据集训练UNet分割网络，若网络输出满足预置阈值，获得已训练的UNet分割网络。与现有技术相比，本申请通过一种用于天空云量探测的UNet分割网络的训练方法，首先获取原始天空云量图像集和基于所述原始天空云量图像集确定的已标注的天空云量图像集，接着基于所述原始天空云量图像集和所述已标注的天空云量图像集，确定目标晴天云量图像集和已标注的目标晴天云量图像集，然后对所述目标晴天云量图像集和已标注的目标晴天云量图像集中的图像做数据增广，分别获得目标增广晴天云量图像集和已标注的目标增广晴天云量图像集，再接着基于所述原始天空云量图像集和所述目标增广晴天云量图像集确定天空云量图像训练集，基于所述已标注的天空云量图像集和所述已标注的目标增广晴天云量图像集确定天空云量图像真实数据集，最后基于所述天空云量图像训练集和所述天空云量图像真实数据集训练UNet分割网络，若网络输出满足预置阈值，获得已训练的UNet分割网络。通过该方法对天空云量图像做数据增广，实现用于训练UNet分割网络的训练样本量的多样性，可提高UNet分割网络的训练学习效果，有利于提升天空云量探测的准确度，带来有益效果。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：图1示出根据本申请一个方面的一种用于天空云量探测的UNet分割网络的训练方法流程图；图2(a)示出一个实施例的原始天空云量图像；图2(b)示出一个实施例的目标晴天云量图像；图3示出基于不同γ参数的gamma变换曲线示意图；图4(a)示出一个实施列的目标晴天云量图像；图4(b)示出图4(a)的基于γ取值为0.5的gamma变换后的增广目标晴天云量图像；图4(c)示出图4(a)的基于γ取值为1.5的gamma变换后的增广目标晴天云量图像；图5示出一个已标记的目标晴天云量图像；图6(a)示出一个实施例的基于未做gamma变换数据增广的原始天空云量图像集训练UNet分割网络后得到的天空云量图像测试效果图；图6(b)示出图6(a)对应的基于同一原始天空云量图像集做gamma变换数据增广得到的增广天空云量图像集训练UNet分割网络后得到的天空云量图像测试本文档来自技高网...

【技术保护点】
1.一种用于天空云量探测的UNet分割网络的训练方法，其特征在于，所述方法包括：/n获取原始天空云量图像集和基于所述原始天空云量图像集确定的已标注的天空云量图像集；/n基于所述原始天空云量图像集和所述已标注的天空云量图像集，确定目标晴天云量图像集和已标注的目标晴天云量图像集；/n对所述目标晴天云量图像集和已标注的目标晴天云量图像集中的图像做数据增广，分别获得目标增广晴天云量图像集和已标注的目标增广晴天云量图像集；/n基于所述原始天空云量图像集和所述目标增广晴天云量图像集确定天空云量图像训练集，基于所述已标注的天空云量图像集和所述已标注的目标增广晴天云量图像集确定天空云量图像真实数据集；/n基于所述天空云量图像训练集和所述天空云量图像真实数据集训练UNet分割网络，若网络输出满足预置阈值，获得已训练的UNet分割网络。/n

【技术特征摘要】
1.一种用于天空云量探测的UNet分割网络的训练方法，其特征在于，所述方法包括：
获取原始天空云量图像集和基于所述原始天空云量图像集确定的已标注的天空云量图像集；
基于所述原始天空云量图像集和所述已标注的天空云量图像集，确定目标晴天云量图像集和已标注的目标晴天云量图像集；
对所述目标晴天云量图像集和已标注的目标晴天云量图像集中的图像做数据增广，分别获得目标增广晴天云量图像集和已标注的目标增广晴天云量图像集；
基于所述原始天空云量图像集和所述目标增广晴天云量图像集确定天空云量图像训练集，基于所述已标注的天空云量图像集和所述已标注的目标增广晴天云量图像集确定天空云量图像真实数据集；
基于所述天空云量图像训练集和所述天空云量图像真实数据集训练UNet分割网络，若网络输出满足预置阈值，获得已训练的UNet分割网络。


2.根据权利要求1所述的方法，其特征在于，所述确定目标晴天图像集包括：
对所述原始天空云量图像集中的图像基于每个像素点的亮度值做二值化；
基于值为1的像素点，获取一个或多个轮廓；
遍历所述轮廓，进行椭圆拟合，得到拟合椭圆；
计算所述拟合椭圆的长轴和短轴，若长轴和短轴之和大于预设的阈值，确定所述图像是目标晴天云量图像；
将所述原始天空云量图像集中由目标晴天云量图像组成的图像集，确定为目标晴天云量图像集。


3.根据权利要求2所述的方法，其特征在于，所述对所述原始天空云量图像集中的图像基于每个像素点的亮度值做二值化包括：
读取所述图像的RGB像素矩阵；
判断每个像素点的RGB亮度值，若所述像素点的RGB亮度值为[255,255,255]，则该像素点的值标记为1，否则，标记为0；
遍历所述图像的每一个像素点，完成对所述原始天空云量图像集中的图像基于每个像素点的亮度值做二值化。


4.根据权利要求1至3任一项所述的方法，其特征在于，所述对所述目标晴天云量图像集中的图像数据增广包括：
对所述目标晴天云量图像集中的图像做归一化处理；
对归一化后的图像做一次或多次gamma变换。


5.根据权利要求4所述的方法，其特征在于，所述对归一化后的图像做一次或多次gamma变换包括：
基于所述目标晴天云量图像集中的图像设置g...

【专利技术属性】
技术研发人员：周康明，何敏，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海;31