[发明专利]基于特征相似性和线性平滑组合的图像数据扩充方法

说明书

本发明公开了基于特征相似性和线性平滑组合的图像数据扩充方法，根据已有图像确定扩充需求并进行特征分析，收集待组合的目标与图像；通过线性平滑完成图像和目标的融合：将标注目标Gsubgt;i/subgt;的中心点与场景图像中目标出现区域的一点重合，设定环形平滑区、最内层边界的像素值为Asubgt;1/subgt;直至最外层边界的像素值Asubgt;n/subgt;，连接外边界的像素点Psubgt;j/subgt;和内侧像素点Psubgt;i/subgt;组成平滑线，根据各像素点到线段垂直投影点的距离设定为Asubgt;1/subgt;～Asubgt;n/subgt;，计算各像素点的像素值Asubgt;i/subgt;；输出组合后的图像，与原有小批量数据组成新的数据集。本发明通过线性平滑的方式将目标和图像组合成我们需要的数据，只需要付出少量成本即可得到足够的数据样本，提升深度学习模型训练的效果。

技术领域

本发明涉及深度学习和图像处理技术领域，具体的说，是一种基于特征相似性和线性平滑组合的图像数据扩充方法。

背景技术

随着人工智能的兴起，深度学习的应用领域越来越广泛。深度学习应用的一大难点就在于数据来源与原始数据的处理，要进行深度学习训练需要准备大批量的数据，且数据最好具备相对全面性，即数据集需要尽可能包含检测对象存在的全部情形，以丰富学习的过程。但是由于外部诸多因素的限制，部分目标场景诸如缺陷检测构建成本大，会对物体造成损伤或不易实现，使得最终能够获取的数据量远不足以支撑深度学习模型训练，工程师也常常面临数据量不足以及数据处理机械重复的问题。

发明内容

本发明的目的在于提供一种基于特征相似性和线性平滑组合的图像数据扩充方法，用于解决现有技术中图像处理中由于数据集不足不能支撑深度学习模型训练以及数据处理机械重复的问题。

本发明通过下述技术方案解决上述问题：

一种基于特征相似性和线性平滑组合的图像数据扩充方法，包括：

步骤S100、根据已有图像确定扩充需求，并进行特征分析，再收集待组合的目标与图像；

步骤S200、采用区域替代规则实现目标与图像的组合步骤，并通过线性平滑完成图像和目标的融合，具体包括：

步骤S210、随机选定场景图像中目标出现的可能区域中的一点为中心，将目标的集合中的其中一个标注目标G_i的中心点与该点重合，以标注边缘L为中心线，分别向内向外同时延伸宽度为H/2的环形区域为平滑区；设最内层边界的像素值为A₁，向外依次递增到最外层边界的像素值为A_n，计算最外层边界上的任一像素点到与其具有最小像素距离的最内层边界的像素点的距离的公式为：

其中，P_j为最外层边界的任一像素点，P_i为与该P_j具有最小像素距离的内侧像素点；m为i的极大值；

即由上公式可以得到最外层边界上的所有像素点到与其最近的最内侧边界像素点的距离；

步骤S220、在局部小区域中，每个像素点可以看作是小块值唯一的区域，连接P_j(x_j,y_j)、P_i(x_i,y_i)线段，环形平滑区域中被穿过的各像素点组成平滑线，各像素点的顺序由各像素点到线段所在直线的垂直投影点P₀(x₀,y₀)到P_j的距离确定：

步骤S230、根据距离由远及近分别设定为A₁～A_n，各像素点的像素值A_i计算公式为：