[發明專利]一種樣本自動生成方法、系統、設備和存儲介質

在審

• 申請號: 202110035077.2
• 申請日: 2021-01-12
• 公開（公告）號: CN112767239A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 李仕林;趙瀟;方正云;余正濤;李凡;趙明;陳開維
• 申請（專利權）人: 云南電網有限責任公司電力科學研究院
• 主分類號: G06T3/00
• 分類號: G06T3/00
• 代理公司: 北京弘權知識產權代理有限公司 11363
• 代理人: 逯長明;許偉群

本發明示出一種樣本自動生成方法、系統、設備和存儲介質，涉及圖像處理技術領域。解決有效擴充輸電線路巡檢圖片缺陷的樣本數據量的問題。本發明示出的樣本自動生成方法，包括：獲取樣本對象圖片，獲取所述樣本對象圖片的前景圖片；獲取目標背景圖片，在所述目標背景圖片上隨機生成至少一個目標顯示區域；將所述前景圖片進行透視變換，得到變換圖片，使得所述變換圖片的尺寸與至少一個所述目標顯示區域匹配；將所述變換圖片放置于匹配的所述目標顯示區域，生成目標樣本圖片。本發明還公開了基于透視變換的樣本自動生成系統、計算機設備和介質。本發明可以有效擴充輸電線路巡檢圖片缺陷的樣本數量，強化模型識別性能。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種樣本自動生成方法、系統、設備和存儲介質。

背景技術

現階段，在基于深度學習的圖像處理技術的相關應用研究中，樣本的數據量是影響模型識別性能的重要因素，樣本的數據量越大，模型識別性能越好。圖像處理技術是視覺、分析和數據融合等實用技術的基礎，在配電網領域有重要的應用價值，也因此被引入到檢測輸電線路巡檢圖片缺陷的相關應用研究中。

然而，利用圖像處理技術來檢測輸電線路巡檢圖片缺陷的研究正處在起步階段，收集到的缺陷樣本數據量較少，獲取新的獨立樣本圖片又比較困難，因此，怎樣有效擴充樣本數據量成為亟待解決的問題。

發明內容

針對現有技術存在的上述技術問題，本發明提供了一種樣本自動生成方法、系統、設備和存儲介質，解決了有效擴充輸電線路巡檢圖片缺陷的樣本數據量的問題。

本發明第一方面示出一種用于稀疏神經網絡的樣本自動生成方法，包括：獲取樣本對象圖片，獲取樣本對象圖片的前景圖片；

獲取目標背景圖片，在目標背景圖片上隨機生成至少一個目標顯示區域；

將前景圖片進行透視變換，獲取變換圖片，使得變換圖片的尺寸與至少一個目標顯示區域匹配；

將變換圖片放置于匹配的目標顯示區域，生成目標樣本圖片。

優選地，在目標背景圖片上隨機生成目標顯示區域的步驟，包括：

在目標背景圖片上隨機選擇至少一個像素點作為至少一個圖片中心點；

以每個圖片中心點為中心生成矩形框，將至少一個矩形框對應的區域作為至少一個目標顯示區域。

優選地，以每個圖片中心點為中心生成矩形框的步驟，包括：

隨機獲取高度值和寬度值，根據高度值和寬度值以圖片中心點為中心生成矩形框。

在一些實施例中，以每個圖片中心點為中心生成矩形框的步驟之后，包括：

隨機確定矩形框的長邊或寬邊與水平線的夾角。

優選地，將前景圖片進行透視變換，獲取變換圖片的步驟，包括：

獲取透視變換矩陣；

獲取前景圖片中目標像素點的初始坐標值，根據透視變換矩陣計算出初始坐標值對應的目標坐標值。

優選地，獲取透視變換矩陣的步驟，包括：

獲取前景圖片中至少四個初始像素點的初始坐標值，以及至少四個初始像素點對應的變換像素點的變換坐標值；

根據初始坐標值和變換坐標值計算透視變換矩陣。

優選地，獲取樣本對象圖片的前景圖片的步驟，包括：

通過圖片前景分割算法獲取前景圖片。

本發明第二方面示出一種用于稀疏神經網絡的樣本自動生成系統，包括：

前景模塊，用于獲取樣本對象圖片，獲取樣本對象圖片的前景圖片；