[發明專利]一種圖像數據增強方法、系統、電子設備及存儲介質

在審

• 申請號: 202011553650.0
• 申請日: 2020-12-24
• 公開（公告）號: CN112672052A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 張智杰;鄒爾博;程文韶;譚海;王群
• 申請（專利權）人: 華中光電技術研究所（中國船舶重工集團公司第七一七研究所）
• 主分類號: H04N5/232
• 分類號: H04N5/232;H04N5/341;G06T5/50
• 代理公司: 武漢藍寶石專利代理事務所(特殊普通合伙) 42242
• 代理人: 劉璐

本發明提供一種圖像數據增強方法、系統、電子設備及存儲介質，方法包括：分別獲取實際采集的第一目標圖像數據集和從公共數據集中獲取第二目標圖像數據集；對于所述第二目標圖像數據集中的每一張目標圖像，通過添加散粒噪聲的方式進行增強處理，得到增強處理后的第二目標圖像數據集；將第一目標圖像數據集和增強處理后的第二目標圖像數據集作為最終的目標圖像數據集。本發明對于公共數據集中的目標圖像，通過添加散粒噪聲的方式進行增強加躁處理，消除公共數據集中的目標圖像與實際采集的目標圖像之間的差異，擴充實際采集的目標圖像數據集。

技術領域

本發明涉及圖像處理領域，更具體地，涉及一種圖像數據增強方法、系統、電子設備及存儲介質。

背景技術

當前，深度神經網絡在大數據支持下，通過模型的學習和訓練，可以構建出一個性能較為出色的模型，在目標檢測、識別和跟蹤等圖像處理應用領域已經取得了巨大的成功。神經網絡模型需要在海量數據支持下才能具備較強的泛化性能，適應不同的環境和場景的應用需求。

實際采集的目標圖像的數據量有限，需要對目標圖像數據進行增強擴充，目前常用的數據增強手段有：對實際采集的目標圖像水平或垂直翻轉；以圖像中心隨機角度的圖像旋轉；隨機縮放；隨機裁剪；圖像水平或垂直方向的移位；以及圖像的剪切重組等技術手段，來增加原始數據的數據量。

上述數據增強方法是針對已有的數據(實際采集的目標圖像數據)進行數據擴充，其一，在實際的應用中，存在現實應用場景數據不足的問題。其二，進行翻轉或縮放等處理的圖像來源依然為實際采集的有限的圖像數據，這樣的數據集不具有泛化性。

發明內容

本發明提供一種克服上述問題或者至少部分地解決上述問題的一種圖像數據增強方法、系統、電子設備及存儲介質。

根據本發明的第一方面，提供了一種圖像數據增強方法，包括：分別獲取實際采集的第一目標圖像數據集和從公共數據集中獲取第二目標圖像數據集；對于所述第二目標圖像數據集中的每一張目標圖像，通過添加散粒噪聲的方式進行增強處理，得到增強處理后的第二目標圖像數據集；將第一目標圖像數據集和增強處理后的第二目標圖像數據集作為最終的目標圖像數據集。

在上述技術方案的基礎上，本發明還可以作出如下改進。

可選的，所述從公共數據集中獲取第二目標圖像數據集之后還包括：對于公共數據集中的目標圖像數據，選取預設比例的目標圖像數據作為第二目標圖像數據集。

可選的，所述對于所述第二目標圖像數據集中的每一張目標圖像，通過添加散粒噪聲的方式進行增強處理，得到增強處理后的第二目標圖像數據集包括：對于第二目標圖像數據集中的任一張目標圖像，提取所述任一張目標圖像中任一個像素點的原始灰度值；基于所述任一個像素點的原始灰度值，生成滿足泊松分布的隨機數，并對所述隨機數進行截斷操作，得到截斷操作后的隨機數；采用截斷后的隨機數替換原始灰度值，得到所述任一個像素點替換后的灰度值；遍歷所述任一張目標圖像中的任一個像素點，得到增強處理后的第二目標圖像數據集。

可選的，所述基于所述任一個像素點的原始灰度值，產生滿足泊松分布的隨機數包括：基于所述任一個像素點的原始灰度值，通過調用python中numpy庫中的函數產生對應的隨機數：

G_p＝np.random.poisson(λ_p,1)；

其中，λ_p為像素點的灰度值，G_p為產生的隨機數。

可選的，所述對所述隨機數進行截斷操作，得到截斷操作后的隨機數包括：按照下式對隨機數G_p進行截斷操作：

其中，G_p'為截斷操作后的隨機數。