一种基于深度图像的数据增强方法技术

本发明专利技术公开了一种基于深度图像的数据增强方法，涉及深度图像数据增强技术领域，包括以下步骤：获取原始深度图像，对所述原始深度图像进行Gabor滤波变换，得到多方向多尺度的深度图像，其中，包括SAR图像；获取多方向多尺度的深度图像中的待修复区域是否位于图像的边缘位置确定目标掩膜生成方式，基于目标掩膜生成方式确定多方向多尺度的深度图像中待修复区域的掩膜。本发明专利技术实现去除质量不好的深度图像的噪声，提高深度图像的质量，得到的增强深度图可以作为后续图像处理的标准图像，使得深度图质量得到改善，解决了目前网络泛化能力低，增强效果不佳的问题，具体很好的实时性和应用范围广。

【技术实现步骤摘要】
一种基于深度图像的数据增强方法
本专利技术涉及深度图像数据增强
，具体来说，涉及一种基于深度图像的数据增强方法。
技术介绍
深度模型是一种多层的神经网络，在多个领域得到了非常多的应用，比如：目标识别、目标检测、语义分割等。对于目标识别，深度模型主要分为两个部分，第一个阶段充当一个特征提取器，相比传统的分类器需要手动设计特征提取器，在这一步中深度模型通过卷积层能够自动提取丰富的层级特征，从而减少了手动设计特征的代价。第二阶段充当一个分类器。Gabor滤波器的频率和方向表示接近人类视觉系统对于频率和方向的表示。它对目标边缘敏感，可以提供良好的方向选择特性。利用Gabor滤波器很容易提取目标的多尺度多方向信息。SAR-ATR的性能往往和所能够获取的训练样本的完备程度相关。训练一个好的分类器往往需要多的训练数据，但是SAR图像数据的稀少性质会对所训练的分类器的效果造成影响，使识别正确率降低。所以在SAR-ATR领域，训练数据的稀少性是一个比较严重的问题。对于深度模型，训练一个好的网络需要大量的训练数据。如果仅仅用现有的SAR图像数本文档来自技高网...

【技术保护点】
1.一种基于深度图像的数据增强方法，其特征在于，包括以下步骤：/n获取原始深度图像，对所述原始深度图像进行Gabor滤波变换，得到多方向多尺度的深度图像，其中，包括SAR图像；/n获取多方向多尺度的深度图像中的待修复区域是否位于图像的边缘位置确定目标掩膜生成方式，基于目标掩膜生成方式确定多方向多尺度的深度图像中待修复区域的掩膜；/n将待修复区域的掩膜结合快速行进算法对多方向多尺度的深度图像的待修复区域进行空洞填补得到修复后的深度图像；/n对空洞修复后的深度图像进行中值滤波，去除图像边缘噪声，得到图像增强处理后的深度图像，其中包括对空洞修复后的深度图像依次进行直方图均衡化、双边滤波器滤波、Sob...

【技术特征摘要】
1.一种基于深度图像的数据增强方法，其特征在于，包括以下步骤：
获取原始深度图像，对所述原始深度图像进行Gabor滤波变换，得到多方向多尺度的深度图像，其中，包括SAR图像；
获取多方向多尺度的深度图像中的待修复区域是否位于图像的边缘位置确定目标掩膜生成方式，基于目标掩膜生成方式确定多方向多尺度的深度图像中待修复区域的掩膜；
将待修复区域的掩膜结合快速行进算法对多方向多尺度的深度图像的待修复区域进行空洞填补得到修复后的深度图像；
对空洞修复后的深度图像进行中值滤波，去除图像边缘噪声，得到图像增强处理后的深度图像，其中包括对空洞修复后的深度图像依次进行直方图均衡化、双边滤波器滤波、Sobel算子提取边界、基于分水岭算法的分割、分割块平均值填充和像素量化处理。


2.根据权利要求1所述的基于深度图像的数据增强方法，其特征在于，进一步包括构建深度图像模型，包括
输入分别输入第一卷积层和第二卷积层，第一卷积层、第二卷积层分别为9*9的卷积层和3*3的卷积层；
第一卷积层连接第三卷积单元，所述第三卷积单元为3*3的卷积层后连接一个ReLU层；
第三卷积单元连接第四卷积单元，第四卷积单元连接第五卷积单元，第五卷积单元连接第六卷积单元，第四卷积单元、第五卷积单元、第六卷积单元均为3*3的卷积层后连接一个ReLU层；
第六卷积单元的输出与第三卷积单元的输出进行Concat操作后输入第七卷积单元，第七卷积单元为3*3的卷积层后连接一个ReLU层；
第七卷积单元的输出与第二卷积单元...

【专利技术属性】
技术研发人员：田相轩，石志强，赵萌，王璇，陈波，白向华，
申请(专利权)人：中国人民解放军陆军装甲兵学院，
类型：发明
国别省市：北京;11