1.一种雷达降雨检测方法，其特征在于，所述雷达降雨检测包括以下步骤：获取雷达图像并进行预处理；

对所述雷达图像进行特征提取；

计算所述雷达图像的特征与预设的若干聚类类心的距离，所述聚类类心包括有雨雷达图像的聚类类心以及无雨雷达图像的聚类类心；

判断所述雷达图像的特征与聚类类心的距离最小的聚类类心是否为有雨雷达图像的聚类类心；若是，则获取的雷达图像为有雨雷达图像，否则为无雨雷达图像。

2.根据权利要求1所述的雷达降雨检测方法，其特征在于，对获取的雷达图像进行预处理包括以及步骤：

利用预设模板对极坐标雷达图像进行中值滤波以抑制同频干扰；

选取有效观测区域作为分析区域。

3.根据权利要求1所述的雷达降雨检测方法，其特征在于，所述预设模板为3×3的2‑D模板：

f'(r,θ)＝median{f(r,θ)}式中，f(r,θ)为在极坐标位置(r,θ)处的雷达图像回波强度值；f'(r,θ)为对雷达图像滤波后的回波强度值；

将3×3中值滤波器模板所对应雷达图像中的9个像素点值进行排序，选取中间的像素点值赋给与滤波器模板中心重合的雷达图像坐标位置处；

将中值滤波器模板在雷达图像进行遍历得到中值滤波后的雷达图像。

4.根据权利要求1所述的雷达降雨检测方法，其特征在于，所述对所述雷达图像进行特征提取，包括以下步骤：

获取所述雷达图像在方向上的自相关系数；

选取若干满足预设条件的所述自相关系数进行提取并构造成相关系数向量特征。

5.根据权利要求1所述的雷达降雨检测方法，其特征在于，所述聚类类心通过以下步骤确定：

获取特征数据集S＝{s1,s2,…,sN}，并设定分类个数K；其中，N为数据集中数据个数；

从所述特征数据集S中任意选择m1(0),m2(0),…,mk(0)作为C1，C2，…，Ck类的初始类心；

对所述特征数据集S进行分类。

6.根据权利要求5所述的雷达降雨检测方法，其特征在于，所述对所述特征数据集S进行分类，包括以下步骤：

依次计算出每个特征数据到每个聚类中心的欧式距离；

根据最小距离原则，将每个特征数据依次划分到类心最近的类中；

Ci类经过j次迭代后类心mi(j)为：其中，ni是Ci类中数据个数；

若mi(j)＝mi(j‑1)，则K均值聚类算法收敛，分类结束，得到聚类类心；否则，重复上述步骤。

7.根据权利要求6所述的雷达降雨检测方法，其特征在于，度量数据集中相关性系数向量特征sm与聚类中心mi之间的欧氏距离为：di(sm,mi)＝||sm‑mi||式中，mi和mj分别是有雨雷达图像特征的聚类中心和无雨雷达图像特征的聚类中心。

8.一种雷达降雨检测装置，其特征在于，所述雷达降雨检测装置包括：获取模块，用于获取雷达图像并进行预处理；

特征提取模块，用对所述雷达图像进行特征提取；

计算模块，用于计算所述雷达图像的特征与预设的若干聚类类心的距离，所述聚类类心包括有雨雷达图像的聚类类心以及无雨雷达图像的聚类类心；

判断模块，用于判断所述雷达图像的特征与聚类类心的距离最小的聚类类心是否为有雨雷达图像的聚类类心；若是，则获取的雷达图像为有雨雷达图像，否则为无雨雷达图像。

9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1至7中任一项权利要求所述雷达降雨检测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1至7中任一项权利要求所述雷达降雨检测方法的步骤。