[发明专利]一种基于页岩气田生产设备图像增强标注方法

说明书

本发明一种基于页岩气田生产设备图像增强标注方法，涉及图像融合增强领域，首先对需要识别的目标物在一定的不同角度、距离、高度、光线下进行目标物图像采集，并抠出目标物图像，然后在采集目标物识别任务场景下，以同样的方式在不同的高度和距离下，采集背景图像，最终通过特定的图像增强技术处理后，对目标物图像和背图像景进行随机配对，并进行泊松融合，采集了原始数据集并增强了较小的原始图像数据集，解决了现有的采集图像样本和现有技术中框架里的增强技术，在样本基数太小时，样本的丰富度并没有显著的提升的问题。

技术领域

本发明涉及图像融合增强领域，特别涉及一种基于页岩气田生产设备图像增强标注方法。

背景技术

一般而言，比较成功的深度学习神经网络模型需要大量的参数，许许多多的深度学习神经网路的参数都是数以百万计，而使得这些参数可以正确工作则需要大量的数据进行训练，而实际情况中数据并没有我们想象中的那么多。在现实的工作中可以采集获得更多新的数据，并进行标注，但这种方法难度较大，需要大量的时间，资金和人力成本，所以现有技术中很多使用数据增强方法来处理上述问题，即利用已有的数据比如翻转、平移或旋转，创造出更多的数据，来使得神经网络具有更好的泛化效果。数据增强主要有两个作用：1.增加训练的数据量，提高模型的泛化能力；2.增加噪声数据，提升模型的鲁棒性。

目前深度学习框架训练都采取在线增强的方式进行数据增强，这种增强的方法用于，获得batch数据之后，然后对这个batch的数据进行增强，如旋转、平移、翻折等相应的变化，由于有些数据集不能接受线性级别的增长，这种方法常用于大的数据集，很多机器学习框架已经支持了这种数据增强方式，并且可以使用GPU优化计算。但在实际生产中模型往往只有较小的数据集，在使用框架里的增强技术后，由于样本基数太小，样本的丰富度并没有显著的提升，所以以上在线增强技术往往不能的提升模型的精度。因此现工业界需要一种采集原始数据集并增强较小数据集的算法。

发明内容

本发明的目的在于：提供了一种基于页岩气田生产设备图像增强标注方法，首先对需要识别的目标物在一定的不同角度、距离、高度、光线下进行图像采集，并抠出目标物图像，然后在采集目标物识别任务场景下，以同样的方式采集背景图像，最终通过特定的图像增强技术处理后，对目标物和背景进行随机配对，并进行泊松融合，采集了原始数据集并增强了较小的原始数据集，解决了在使用现有技术中框架里的增强技术后，由于样本基数太小，样本的丰富度并没有显著的提升的问题。

本发明采用的技术方案如下：

一种基于页岩气田生产设备图像增强标注方法，主要包括以下步骤：

步骤1目标物图像采集：在目标物识别任务场景下，对需要识别的目标物在不同角度、不同距离、不同高度和不同光线下分别进行图像采集，并抠出目标物图像，去掉背景；

步骤2背景采集：在目标物识别任务场景下，在不同距离和不同高度采集背景图像；

步骤3目标物图像处理：对采集的目标物图像做数据增广，生成更多目标物图像；

步骤4目标物图像与背景图像融合：将各个背景图像分别与步骤3生成的目标物图像随机配对，并采用泊松融合算法对目标物图像和背景图像进行融合；

步骤5融合图像增强：对步骤4中目标物图像和背景图像融合后的图像进行图像增强。

在步骤1中主要是对目标物进行采集，在采集时，我们需要对目标物采集各种不同的图像，包括不同的距离、高度、角度、光线，但是我们也不可能对每一个距离、高度、角度、光线下的目标物都进行采集，故而我们需要进行典型目标角度的采集，这样采集出的目标物图像更有针对性和代表性，目标物图像之间更有区别性。