[發(fā)明專利]一種高質(zhì)量切割子圖獲取方法

在審

• 申請?zhí)枺?/td>: 202011204327.2
• 申請日: 2020-11-02
• 公開（公告）號: CN112288653A
• 公開（公告）日: 2021-01-29
• 發(fā)明（設計）人: 閆學慧
• 申請（專利權(quán)）人: 哈爾濱市科佳通用機電股份有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/11
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 劉強

一種高質(zhì)量切割子圖獲取方法，涉及圖像處理技術(shù)領(lǐng)域，針對現(xiàn)有技術(shù)中由于格柵位置在每節(jié)車的位置不固定，在確定分割參數(shù)時會增大子圖切取大小，也會產(chǎn)生一個格柵被分布到兩張子圖上的情況，且如果有較小的格柵故障被分布開，會造成模型準確率變低的問題，對原圖像進行濾波操作，可以減少原始圖像拍攝時產(chǎn)生的噪聲以及調(diào)整光線對圖像的影響，提高圖像質(zhì)量。通過點擊圖像的方法可以精確地獲得想要切取子圖的位置和大小，節(jié)省了人工嘗試所需時間，且不會造成信息浪費。通過代碼自動生成切割子圖參數(shù)配置文件，可替代人工輸入?yún)?shù)，節(jié)省時間，并可避免人工輸入時的產(chǎn)生的錯誤。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體為一種高質(zhì)量切割子圖獲取方法。

背景技術(shù)

隨著深度學習技術(shù)在處理圖像問題上的快速發(fā)展，在訓練模型時，需要高質(zhì)量的圖像樣本集，才可以訓練出更好的模型。快速、高效、精準的獲取訓練對象圖像樣本集成為了訓練模型的關(guān)鍵所在。傳統(tǒng)分割采取估計分割參數(shù)的方式，以獲取裙板格柵子圖為例，由于格柵位置在每節(jié)車的位置不固定，為了盡可能的保證格柵完整性，在確定分割參數(shù)時會增大子圖切取大小，但也會產(chǎn)生一個格柵被分布到兩張子圖上的情況，且如果有較小的格柵故障被分布開，會造成模型準確率變低的結(jié)果。在進行切圖時，還需將參數(shù)進行計算并手動輸入到XML文件，這是一項比較耗時且容易出錯的工作。

發(fā)明內(nèi)容

本發(fā)明的目的是：針對現(xiàn)有技術(shù)中由于格柵位置在每節(jié)車的位置不固定，在確定分割參數(shù)時會增大子圖切取大小，也會產(chǎn)生一個格柵被分布到兩張子圖上的情況，且如果有較小的格柵故障被分布開，會造成模型準確率變低的問題，提出一種高質(zhì)量切割子圖獲取方法。

本發(fā)明為了解決上述技術(shù)問題采取的技術(shù)方案是：

一種高質(zhì)量切割子圖獲取方法，包括以下步驟：

步驟一：獲取待切割圖像；

步驟二：對獲取到的待切割圖像進行濾波處理；

步驟三：針對濾波處理后的圖像獲取切割位置參數(shù)；

步驟四：根據(jù)切割位置參數(shù)生成切割子圖XML；

步驟五：利用切割子圖XML生成深度學習樣本集所需子圖。

進一步的，濾波處理的具體步驟為：首先對原始圖像進行降低亮度操作，然后對圖像進行去噪處理。

進一步的，對原始圖像進行降低亮度操作通過濾波器F₁進行，濾波器F₁表示為：

進一步的，對圖像進行去噪處理通過濾波器F₂進行，F(xiàn)₂表示為：

進一步的，步驟三的具體步驟為：

步驟三一：讀取濾波處理過后的圖像；

步驟三二：根據(jù)濾波處理過后的圖像，利用ginput()函數(shù)獲取濾波處理后的圖像中待切割目標的水平坐標信息；

步驟三三：根據(jù)待切割目標的水平坐標信息獲得切割位置參數(shù)，切割位置參數(shù)包括待切割目標起點x_i和待切割目標長度w_i。

進一步的，待切割目標起點x_i表示為：

其中，L為像素長度，P代表待切割目標長度方向像素坐標，n代表待切割目標數(shù)量。

進一步的，待切割目標長度w_i表示為：