[發(fā)明專利]一種基于深度圖像的數(shù)據(jù)增強方法

在審

• 申請?zhí)枺?/td>: 202010858444.4
• 申請日: 2020-08-24
• 公開（公告）號: CN112070689A
• 公開（公告）日: 2020-12-11
• 發(fā)明（設(shè)計）人: 田相軒;石志強;趙萌;王璇;陳波;白向華
• 申請（專利權(quán)）人: 中國人民解放軍陸軍裝甲兵學(xué)院
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/40;G06N3/04;G06N3/08
• 代理公司: 上海思牛達專利代理事務(wù)所(特殊普通合伙) 31355
• 代理人: 丁劍

1.一種基于深度圖像的數(shù)據(jù)增強方法，其特征在于，包括以下步驟：

獲取原始深度圖像，對所述原始深度圖像進行Gabor濾波變換，得到多方向多尺度的深度圖像，其中，包括SAR圖像；

獲取多方向多尺度的深度圖像中的待修復(fù)區(qū)域是否位于圖像的邊緣位置確定目標(biāo)掩膜生成方式，基于目標(biāo)掩膜生成方式確定多方向多尺度的深度圖像中待修復(fù)區(qū)域的掩膜；

將待修復(fù)區(qū)域的掩膜結(jié)合快速行進算法對多方向多尺度的深度圖像的待修復(fù)區(qū)域進行空洞填補得到修復(fù)后的深度圖像；

對空洞修復(fù)后的深度圖像進行中值濾波，去除圖像邊緣噪聲，得到圖像增強處理后的深度圖像，其中包括對空洞修復(fù)后的深度圖像依次進行直方圖均衡化、雙邊濾波器濾波、Sobel算子提取邊界、基于分水嶺算法的分割、分割塊平均值填充和像素量化處理。

2.根據(jù)權(quán)利要求1所述的基于深度圖像的數(shù)據(jù)增強方法，其特征在于，進一步包括構(gòu)建深度圖像模型，包括

輸入分別輸入第一卷積層和第二卷積層，第一卷積層、第二卷積層分別為9*9的卷積層和3*3的卷積層；

第一卷積層連接第三卷積單元，所述第三卷積單元為3*3的卷積層后連接一個ReLU層；

第三卷積單元連接第四卷積單元，第四卷積單元連接第五卷積單元，第五卷積單元連接第六卷積單元，第四卷積單元、第五卷積單元、第六卷積單元均為3*3的卷積層后連接一個ReLU層；

第六卷積單元的輸出與第三卷積單元的輸出進行Concat操作后輸入第七卷積單元，第七卷積單元為3*3的卷積層后連接一個ReLU層；

第七卷積單元的輸出與第二卷積單元的輸出進行Concat操作后輸入第八卷積層，第八卷積層連接第九卷積層，第八卷積層、第九卷積層均為3*3的卷積層；

第九卷積層連接一個Sigmoid激活函數(shù)層；

Sigmoid激活函數(shù)層連接輸出層，輸出為反射圖像R和照度圖像I。

3.根據(jù)權(quán)利要求2所述的基于深度圖像的數(shù)據(jù)增強方法，其特征在于，

進一步包括，獲取訓(xùn)練網(wǎng)絡(luò)的圖像數(shù)據(jù)樣本，包括以下步驟：

視覺圖像灰度化為灰度圖像；

對灰度圖像進行圖像預(yù)處理后，以干凈的深度圖像及其對應(yīng)的灰度圖像和帶噪的深度圖像為一組，對每一組圖像進行切割，從而得到由圖像塊組成的訓(xùn)練集；

丟棄訓(xùn)練集中的干擾圖像塊組；

對訓(xùn)練集中的每組圖像塊隨機旋轉(zhuǎn)設(shè)定角度并對其像素值進行翻轉(zhuǎn)，擴充訓(xùn)練集；

丟棄冗余的噪深度圖像塊。

4.根據(jù)權(quán)利要求3所述的基于深度圖像的數(shù)據(jù)增強方法，其特征在于，進一步包括將圖像分割成9*4*6*4個128*128的失真圖像塊，并分別將圖像塊在失真圖中向四周擴選64個像素點，生成256*256的失真圖像塊，最終得到9*4*6*4個256*256的失真圖像塊。

5.根據(jù)權(quán)利要求4所述的基于深度圖像的數(shù)據(jù)增強方法，其特征在于，進一步包括對每一組圖像進行切割，其對每張帶噪的深度圖像，以設(shè)定的間隔進行分割間隔，取出大小固定的圖像塊；再從灰度圖像中的相同區(qū)域上取出同樣大小圖像塊和前面的圖像塊一起組成了訓(xùn)練集的輸入部分；再從深度圖像的相同區(qū)域中以圖像塊中心為對稱點取出縮小的圖像塊作為訓(xùn)練集的輸出。