[发明专利]一种图像数据增强方法、系统、电子设备及存储介质

说明书

本发明提供一种图像数据增强方法、系统、电子设备及存储介质，方法包括：分别获取实际采集的第一目标图像数据集和从公共数据集中获取第二目标图像数据集；对于所述第二目标图像数据集中的每一张目标图像，通过添加散粒噪声的方式进行增强处理，得到增强处理后的第二目标图像数据集；将第一目标图像数据集和增强处理后的第二目标图像数据集作为最终的目标图像数据集。本发明对于公共数据集中的目标图像，通过添加散粒噪声的方式进行增强加躁处理，消除公共数据集中的目标图像与实际采集的目标图像之间的差异，扩充实际采集的目标图像数据集。

技术领域

本发明涉及图像处理领域，更具体地，涉及一种图像数据增强方法、系统、电子设备及存储介质。

背景技术

当前，深度神经网络在大数据支持下，通过模型的学习和训练，可以构建出一个性能较为出色的模型，在目标检测、识别和跟踪等图像处理应用领域已经取得了巨大的成功。神经网络模型需要在海量数据支持下才能具备较强的泛化性能，适应不同的环境和场景的应用需求。

实际采集的目标图像的数据量有限，需要对目标图像数据进行增强扩充，目前常用的数据增强手段有：对实际采集的目标图像水平或垂直翻转；以图像中心随机角度的图像旋转；随机缩放；随机裁剪；图像水平或垂直方向的移位；以及图像的剪切重组等技术手段，来增加原始数据的数据量。

上述数据增强方法是针对已有的数据(实际采集的目标图像数据)进行数据扩充，其一，在实际的应用中，存在现实应用场景数据不足的问题。其二，进行翻转或缩放等处理的图像来源依然为实际采集的有限的图像数据，这样的数据集不具有泛化性。

发明内容

本发明提供一种克服上述问题或者至少部分地解决上述问题的一种图像数据增强方法、系统、电子设备及存储介质。

根据本发明的第一方面，提供了一种图像数据增强方法，包括：分别获取实际采集的第一目标图像数据集和从公共数据集中获取第二目标图像数据集；对于所述第二目标图像数据集中的每一张目标图像，通过添加散粒噪声的方式进行增强处理，得到增强处理后的第二目标图像数据集；将第一目标图像数据集和增强处理后的第二目标图像数据集作为最终的目标图像数据集。

在上述技术方案的基础上，本发明还可以作出如下改进。

可选的，所述从公共数据集中获取第二目标图像数据集之后还包括：对于公共数据集中的目标图像数据，选取预设比例的目标图像数据作为第二目标图像数据集。

可选的，所述对于所述第二目标图像数据集中的每一张目标图像，通过添加散粒噪声的方式进行增强处理，得到增强处理后的第二目标图像数据集包括：对于第二目标图像数据集中的任一张目标图像，提取所述任一张目标图像中任一个像素点的原始灰度值；基于所述任一个像素点的原始灰度值，生成满足泊松分布的随机数，并对所述随机数进行截断操作，得到截断操作后的随机数；采用截断后的随机数替换原始灰度值，得到所述任一个像素点替换后的灰度值；遍历所述任一张目标图像中的任一个像素点，得到增强处理后的第二目标图像数据集。

可选的，所述基于所述任一个像素点的原始灰度值，产生满足泊松分布的随机数包括：基于所述任一个像素点的原始灰度值，通过调用python中numpy库中的函数产生对应的随机数：

G_p＝np.random.poisson(λ_p,1)；

其中，λ_p为像素点的灰度值，G_p为产生的随机数。

可选的，所述对所述随机数进行截断操作，得到截断操作后的随机数包括：按照下式对随机数G_p进行截断操作：

其中，G_p'为截断操作后的随机数。