[發明專利]一種基于比特平面信息重組的數據增廣方法及系統

在審

• 申請號: 202111566270.5
• 申請日: 2021-12-20
• 公開（公告）號: CN114511079A
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 張歡;韓曉琳;孫衛東
• 申請（專利權）人: 清華大學
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06V10/774;G06K9/62
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 杜月

本發明公開了一種基于比特平面信息重組的數據增廣方法及系統，其中，方法包括：獲取多光譜圖像，根據光譜通道將多光譜圖像進行拆分得到拆分后的單通道灰度圖像；將單通道灰度圖像進行比特平面分層，得到比特平面集合；利用多種抽取方法對比特平面集合進行比特平面抽取，得到第一預設數量的比特平面；利用圖像質量評價指標抽取第一預設數量的比特平面，得到第二預設數量的比特平面；將第二預設數量的比特平面進行比特平面選擇，根據預設順序選擇抽取第三預設數量的比特平面；將第三預設數量的比特平面重組產生第一新圖像，實現數據增廣。本發明可有效提升圖像分類、目標檢測等不同應用處理任務中深度學習模型的學習效果與性能。

技術領域

本發明涉及圖像處理領域技術領域，特別涉及一種基于比特平面信息重組的數據增廣方法及系統。

背景技術

近年來，深度學習方法在計算機視覺領域取得了一系列突出成就。深度學習方法有賴于數據的驅動，一般認為，訓練數據越多，深度學習方法效果越好；即使有時訓練數據的質量較差，只要神經網絡能從數據中學習到有用信息，神經網絡的性能依舊會有所提升。然而，在一些領域中，比如在遙感領域中，由于非合作的成像模式，訓練數據非常有限；即便是最大的遙感目標檢測數據集，圖像數量也不超過3000張。因此，訓練數據的匱乏成為制約深度學習方法性能的最主要問題之一。

針對這個問題，當前主要有三種解決方法。第一種是遷移學習的方法，首先在自然圖像大數據集上進行預訓練，然后遷移到目標數據集上進行微調。第二種是正則化的方法，通過權值正則化或者批量正則化等來降低網絡的過擬合。第三種是數據增廣的方法，通過一系列變換從原始數據集中產生新的數據。本發明涉及方法，隸屬數據增廣的類別。

幾何數據增廣方法是最傳統的數據增廣方法，通常包括翻轉、旋轉和剪裁等。在過去的研究中，該方法已經證明了其有效性，但該方法通常將整張圖像作為一個整體，忽視了圖像內部的結構信息。近年來，基于變換的增廣方法和基于學習的增廣方法也被逐漸提出。但這些方法生成的數據是不真實的或者不可靠的，不能直接應用于某些領域的任務，比如遙感目標檢測；并且這些方法都沒有關注圖像內部的結構信息。

發明內容

本發明旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本發明提出一種基于比特平面信息重組的數據增廣方法，將單張圖像內部的層級結構信息分層成不同的比特平面，利用最大后驗概率估計確定比特平面的抽取數量，利用圖像質量評價指標選擇各種抽取方法中需要保留的比特平面；然后，再利用最大后驗概率估計選擇比特平面相鄰抽取或者跳躍抽取的抽取方式；隨后，將按特定順序抽取的特定數量的比特平面重組產生具有不同結構細節信息的新圖像，實現具有高可靠性的數據增廣，有效解決了樣本數據不充分帶來的深度學習模型難以訓練和容易過擬合的問題。

本發明的第二個目的在于提出一種基于比特平面信息重組的數據增廣系統。

為達到上述目的，本發明一方面實施例提出了一種基于比特平面信息重組的數據增廣方法，包括：

S1，獲取多光譜圖像，根據光譜通道將所述多光譜圖像進行拆分得到拆分后的單通道灰度圖像；

S2，將所述單通道灰度圖像進行比特平面分層，得到比特平面集合；

S3，利用多種抽取方法對所述比特平面集合進行比特平面抽取，得到第一預設數量的比特平面；

S4，利用圖像質量評價指標抽取所述第一預設數量的比特平面，得到第二預設數量的比特平面；

S5，將所述第二預設數量的比特平面進行比特平面選擇，根據預設順序選擇抽取第三預設數量的比特平面；

S6，將所述第三預設數量的比特平面重組產生第一新圖像，實現數據增廣。