目标识别方法、装置、计算机设备和存储介质制造方法及图纸

本发明专利技术涉及一种目标识别方法、装置、计算机设备和存储介质。通过以原始图像的质心为中心进行扩展，从原始图像中提取感兴趣区域图像，并将感兴趣区域图像输入至预设的图像识别网络中，得到感兴趣区域图像的特征向量；再将特征向量输入至预设的分类器中，得到目标物体的分类结果。其中的图像识别网络是基于增广样本集训练得到的网络，而增广样本集中包括原始样本图像和对原始样本图像进行图像数据增广处理后的图像。由于对原始样本图像进行了图像数据增广处理，因此样本图像数据集得到了极大的增强，避免了因样本图像数据集中的图像数量有限致使在训练过程中容易出现过拟合的现象，进而提高了训练好的图像识别网络的识别准确性。

【技术实现步骤摘要】
目标识别方法、装置、计算机设备和存储介质
本申请涉及图像识别
，尤其涉及一种目标识别方法、装置、计算机设备和存储介质。
技术介绍
随着当今科技的快速发展，合成孔径雷达(SyntheticApertureRadar,SAR)图像在各个领域尤其是军事领域发挥越来越多的作用，越来越多的学者将研究重心集中在基于SAR图像的目标识别方法上。目前，基于SAR图像的目标识别方法主要包括两个过程：图像预处理和图像目标识别。其中的图像预处理过程主要包括灰度值归一化、能量归一化、尺寸裁剪等预处理步骤；图像目标识别过程主要包括：利用预设的图像识别网络模型对经过预处理后的SAR图像进行目标物体的识别，得到包括目标物体的识别结果。但是，上述基于SAR图像的目标识别方法存在识别准确性低的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够有效提高识别准确性的目标识别方法、装置、计算机设备和存储介质。第一方面，一种目标识别方法，所述方法包括：以原始图像的质心为中心进行扩展，从原始图像中提取出感兴趣区域图像；感兴趣区域图像的尺寸小于预设阈值；将感兴趣区域图像输入至预设的图像识别网络中，得到感兴趣区域图像的特征向量；图像识别网络是基于增广样本集训练得到的网络，增广样本集中包括原始样本图像和对原始样本图像进行图像数据增广处理后的图像；将特征向量输入至预设的分类器中，得到目标物体的分类结果。在其中一个实施例中，所述从原始图像中提取出感兴趣区域图像，包括：>确定原始图像的质心；以质心为中心，按照预设尺寸对原始图像进行图像采集，得到感兴趣区域图像。在其中一个实施例中，所述图像识别网络的训练过程包括：获取多个原始样本图像；对多个原始样本图像进行处理，得到多个处理后的样本图像，以构建所述增广样本集；将增广样本集中的多个样本图像输入至初始图像识别网络，训练初始图像识别网络，得到图像识别网络。在其中一个实施例中，所述对多个原始样本图像进行处理包括图像旋转处理和/或对图像增加随机噪声。在其中一个实施例中，所述对多个原始样本图像进行处理包括图像旋转处理，对多个原始样本图像进行处理，得到多个处理后的样本图像，包括：按照预设旋转方向和预设角度旋转各所述原始样本图像，得到所述多个处理后的样本图像。在其中一个实施例中，所述对多个原始样本图像进行处理包括对图像增加随机噪声，对多个原始样本图像进行处理，得到多个处理后的样本图像，包括：从预设数值范围内随机选取一个数值作为修正数值；在各原始样本图像中的各像素值上增加修正数值，得到多个处理后的样本图像。在其中一个实施例中，所述对多个原始样本图像进行处理包括图像旋转处理和对图像增加随机噪声，对多个原始样本图像进行处理，得到多个处理后的样本图像，包括：从预设数值范围内随机选取一个数值作为修正数值；在各原始样本图像中的各像素值上增加修正数值，得到多个修正后的图像；按照预设旋转方向和预设角度旋转各修正后的图像，得到多个处理后的样本图像。在其中一个实施例中，所述对多个原始样本图像进行处理包括图像旋转处理和对图像增加随机噪声，对多个原始样本图像进行处理，得到多个处理后的样本图像，包括：按照预设旋转方向和预设角度旋转各原始样本图像，得到多个旋转后的样本图像；从预设数值范围内随机选取一个数值作为修正数值；在各旋转后的样本图像中的各像素值上增加修正数值，得到多个处理后的样本图像。在其中一个实施例中，所述图像识别网络包括第一卷积层和第二卷积层；第一卷积层用于使用预设尺寸的卷积核对所述感兴趣区域图像进行卷积操作，第二卷积层用于使用预设尺寸的卷积核对激活函数层输出的图像进行卷积操作；所述预设卷积核尺寸阈值。第二方面，一种目标识别装置，所述装置包括：提取模块，用于以原始图像的质心为中心进行扩展，从原始图像中提取出感兴趣区域图像；感兴趣区域图像包含待识别的目标物体；识别模块，用于将感兴趣区域图像输入至预设的图像识别网络中，得到感兴趣区域图像的特征向量；图像识别网络是基于增广样本集训练得到的网络，增广样本集中包括原始样本图像和对原始样本图像进行图像数据增广处理后的图像；分类模块，用于将特征向量输入至预设的分类器中，得到目标物体的分类结果。第三方面，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面任一实施例所述的目标识别方法。第四方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一实施例所述的目标识别方法。本申请提供的一种目标识别方法、装置、计算机设备和存储介质，通过以原始图像的质心为中心进行扩展，从原始图像中提取出感兴趣区域图像，并将感兴趣区域图像输入至预设的图像识别网络中，得到感兴趣区域图像的特征向量；再将特征向量输入至预设的分类器中，得到目标物体的分类结果。其中的图像识别网络是基于增广样本集训练得到的网络，而增广样本集中包括原始样本图像和对原始样本图像进行图像数据增广处理后的图像。在上述过程中，由于对原始样本图像进行了图像数据增广处理，因此训练图像识别网络时的样本图像数据集得到了极大的增强，使样本图像数据集中包含的数据量增多，以及提升了图像数据集的多样性，避免了因样本图像数据集中的图像数量有限和单一性致使在训练过程中容易出现过拟合的现象，从而提高了训练好的图像识别网络的识别准确性。另外，感兴趣区域图像的尺寸小于预设阈值，说明感兴趣区域图像的尺寸较小，使感兴趣区域图像中包含目标物体的比例增大，减少了图像背景噪声的影响，更好的使图像识别网络在训练学习的过程中学习到有用的信息，进而提高了图像识别网络的识别能力。附图说明图1为一个实施例提供的一种应用场景示意图；图2为一个实施例提供的一种目标识别方法的流程图；图3A为图2实施例中S101的一种实现方式的流程图；图3B为一个实施例提供的一种提取感兴趣区域图像的效果示意图；图4为一个实施例提供的一种图像识别网络的训练方法的流程图；图5为一个实施例提供的一种图像数据增广方法的流程图；图6为一个实施例提供的一种图像数据增广方法的流程图；图7为一个实施例提供的一种图像数据增广方法的流程图；图8为一个实施例提供的一种卷积神经网络的结构示意图；图9为一个实施例提供的一种网络结构的示意图；图10为一个实施例提供的另一种网络结构的示意图；图11为一个实施例提供的一种目标识别方法的总流程图；图12为一个实施例提供的一种目标识别装置的结构示意图；图13为一个实施例提供的一种目标识别装置的结构示意图；图14为一个实施例提供的一种目标识别装置的结构示意图；图15为一个实施例提供的一种计算机设备的内部结构示意图。...

【技术保护点】
1.一种目标识别方法，其特征在于，所述方法包括：/n以原始图像的质心为中心进行扩展，从所述原始图像中提取出感兴趣区域图像；所述感兴趣区域图像的尺寸小于预设阈值；/n将所述感兴趣区域图像输入至预设的图像识别网络中，得到所述感兴趣区域图像的特征向量；所述图像识别网络是基于增广样本集训练得到的网络，所述增广样本集中包括原始样本图像和对所述原始样本图像进行图像数据增广处理后的图像；/n将所述特征向量输入至预设的分类器中，得到所述目标物体的分类结果。/n

【技术特征摘要】
1.一种目标识别方法，其特征在于，所述方法包括：
以原始图像的质心为中心进行扩展，从所述原始图像中提取出感兴趣区域图像；所述感兴趣区域图像的尺寸小于预设阈值；
将所述感兴趣区域图像输入至预设的图像识别网络中，得到所述感兴趣区域图像的特征向量；所述图像识别网络是基于增广样本集训练得到的网络，所述增广样本集中包括原始样本图像和对所述原始样本图像进行图像数据增广处理后的图像；
将所述特征向量输入至预设的分类器中，得到所述目标物体的分类结果。


2.根据权利要求1所述的方法，其特征在于，所述以原始图像的质心为中心进行扩展，从所述原始图像中提取出感兴趣区域图像，包括：
确定所述原始图像的质心；
以所述质心为中心，按照预设尺寸对所述原始图像进行图像采集，得到所述感兴趣区域图像。


3.根据权利要求1或2所述的方法，其特征在于，对所述图像识别网络的训练过程包括：
获取多个所述原始样本图像；
对所述多个原始样本图像进行处理，得到多个处理后的样本图像，以构建所述增广样本集；
将所述增广样本集中的多个样本图像输入至初始图像识别网络，训练所述初始图像识别网络，得到所述图像识别网络。


4.根据权利要求3所述的方法，其特征在于，所述对所述多个原始样本图像进行处理包括图像旋转处理和/或对图像增加随机噪声。


5.根据权利要求4所述的方法，其特征在于，所述对所述多个原始样本图像进行处理包括所述图像旋转处理，所述对所述多个原始样本图像进行处理，得到多个处理后的样本图像，包括：
按照预设旋转方向和预设角度旋转各所述原始样本图像，得到所述多个处理后的样本图像。


6.根据权利要求4所述的方法，其特征在于，所述对所述多个原始样本图像进行处理包括所述对图像增加随机噪声，所述对所述多个原始样本图像进行处理，得到多个处理后的样本图像，包括：
从预设数值范围内随机选取一个数值作为修正数值；
在各所述原始样本图像中的各像素值上增加所述修正数值，得到多个所述处理后的样本图像。


7.根据权利要求4所述的方法，其特征在于，所述对所述多个原始样本图像进行处理包括所述图像...

【专利技术属性】
技术研发人员：刘若鹏，栾琳，季春霖，刘凯品，陈欢，
申请(专利权)人：成都天府新区光启未来技术研究院，
类型：发明
国别省市：四川;51