[发明专利]一种图像数据增强方法及系统在审

专利信息
申请号: 202210849830.6 申请日: 2022-07-19
公开(公告)号: CN115170839A 公开(公告)日: 2022-10-11
发明(设计)人: 刘海鸥;韩雨轩;刘庆霄;陈慧岩 申请(专利权)人: 北京理工大学
主分类号: G06V10/72 分类号: G06V10/72;G06V10/774;G06V10/10;G06V10/26;G06V10/28;G06V10/762;G06V20/50
代理公司: 北京高沃律师事务所 11569 代理人: 赵兴华
地址: 100081 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 图像 数据 增强 方法 系统
【权利要求书】:

1.一种图像数据增强方法,其特征在于,包括以下步骤:

获取标注后图像和环境背景图像,所述标注后图像为对原始图像中的前景物体进行标注后得到的图像;

对所述环境背景图像进行分割,得到环境背景图像中的第一天空区域和第一地面区域;

裁剪所述标注后图像中标注为前景物体的区域,得到目标区域图像;

对所述目标区域图像中各像素点进行聚类以分离前景和背景,并获取仅包括前景物体的前景图像;

判断所述前景图像中的物体是否为地面物体;

若是,则将所述前景图像拼接在所述环境背景图像中的第一地面区域中,得到数据增强图像;

若否,则将所述前景图像拼接在所述环境背景图像中的第一天空区域中,得到数据增强图像。

2.根据权利要求1所述的图像数据增强方法,其特征在于,所述对所述环境背景图像进行分割,得到环境背景图像中的第一天空区域和第一地面区域,具体包括:

将所述环境背景图像进行矩阵转换,得到图像二维矩阵;

对所述图像二维矩阵进行sobel算子的卷积计算,得到图像梯度图;

对所述图像梯度图进行扫描,得到所述图像梯度图中每个像素点的像素值和位置;

分别计算每个像素点与相邻像素点的像素值的差值;

将所述差值不在预设阈值范围内的像素点作为不平坦像素点,并记录所有不平坦像素点的位置;

将所有近邻的不平坦像素点进行连接得到若干条边界线,所述近邻的不平坦像素点为欧氏距离为3个像素以内的两个不平坦像素点;

构建能量函数,所述能量函数为与边界线上下像素点的蓝色通道的单个像素值和边界线上下RGB通道颜色相关的函数;

根据所述能量函数,计算每条边界线对应的能量值;

选取所述能量值最大的边界线作为临时最优边界线;

根据所述临时最优边界线对所述环境背景图像进行分割,得到环境背景图像中的第一天空区域和第一地面区域。

3.根据权利要求2所述的图像数据增强方法,其特征在于,在步骤“根据所述临时最优边界线对所述环境背景图像进行分割,得到环境背景图像中的第一天空区域和第一地面区域”之后,还包括:

根据每条边界线对应的能量值,确定次优边界线,所述次优边界线为能量值仅小于最大能量值时对应的边界线;

根据所述次优边界线对所述环境背景图像进行分割,得到第二天空区域和第二地面区域;

计算所述第一天空区域和所述第一地面区域的马氏距离,得到第一距离;

计算所述第二天空区域和所述第二地面区域的马氏距离,得到第二距离;

判断所述第一距离是否大于所述第二距离;

若是,则将所述临时最优边界线作为最优边界线;

若否,则将所述次优边界线作为最优边界线;

根据所述最优边界线对所述环境背景图像进行分割,得到最优天空区域和最优地面区域。

4.根据权利要求1所述的图像数据增强方法,其特征在于,所述对所述目标区域图像中各像素进行聚类以分离前景和背景,并获取仅包括前景物体的前景图像,具体包括:

对所述前景物体的区域做一维展开,得到图像展开数据;

采用Kmeans聚类算法对所述图像展开数据进行聚类,得到聚类结果,所述聚类结果包括:聚类结果位置和聚类中心数组;

根据所述聚类结果对所述图像展开数据进行二值极化,得到二值极化后的前景图像和背景图像;

采用sobel算子对所述二值极化后的前景图像进行图像卷积提取,得到前景边界元素;

对所述前景边界元素进行膨胀,得到膨胀后的前景边界元素,所述膨胀用于滤除离散的边界干扰点;

采用掩膜技术对所述膨胀后的前景边界元素所围成区域内的像素进行提取,得到所述前景物体的区域中的前景图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京理工大学,未经北京理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210849830.6/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top