【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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。