【技术实现步骤摘要】
一种基于比特平面信息重组的数据增广方法及系统
[0001]本专利技术涉及图像处理领域
，特别涉及一种基于比特平面信息重组的数据增广方法及系统。
技术介绍
[0002]近年来，深度学习方法在计算机视觉领域取得了一系列突出成就。深度学习方法有赖于数据的驱动，一般认为，训练数据越多，深度学习方法效果越好；即使有时训练数据的质量较差，只要神经网络能从数据中学习到有用信息，神经网络的性能依旧会有所提升。然而，在一些领域中，比如在遥感领域中，由于非合作的成像模式，训练数据非常有限；即便是最大的遥感目标检测数据集，图像数量也不超过3000张。因此，训练数据的匮乏成为制约深度学习方法性能的最主要问题之一。
[0003]针对这个问题，当前主要有三种解决方法。第一种是迁移学习的方法，首先在自然图像大数据集上进行预训练，然后迁移到目标数据集上进行微调。第二种是正则化的方法，通过权值正则化或者批量正则化等来降低网络的过拟合。第三种是数据增广的方法，通过一系列变换从原始数据集中产生新的数据。本专利技术涉及方法，隶属数据增广的类别。
【技术保护点】
【技术特征摘要】
1.一种基于比特平面信息重组的数据增广方法，其特征在于，包括以下步骤：S1，获取多光谱图像，根据光谱通道将所述多光谱图像进行拆分得到拆分后的单通道灰度图像；S2，将所述单通道灰度图像进行比特平面分层，得到比特平面集合；S3，利用多种抽取方法对所述比特平面集合进行比特平面抽取，得到第一预设数量的比特平面；S4，利用图像质量评价指标抽取所述第一预设数量的比特平面，得到第二预设数量的比特平面；S5，将所述第二预设数量的比特平面进行比特平面选择，根据预设顺序选择抽取第三预设数量的比特平面；S6，将所述第三预设数量的比特平面重组产生第一新图像，实现数据增广。2.根据权利要求1所述的基于比特平面信息重组的数据增广方法，其特征在于，所述根据光谱通道将所述多光谱图像进行拆分，得到拆分后的单通道灰度图像，由下面的公式得到：其中，为剪裁后的通道图，为拆分后的单通道灰度图像，H为图像长度，W为图像宽度，C为光谱数量，为实数空间。3.根据权利要求1所述的基于比特平面信息重组的数据增广方法，其特征在于，所述将所述单通道灰度图像进行比特平面分层，得到比特平面集合，由下面的公式得到：其中，表示第m比特平面上位于(i，j)的比特，为第0比特平面到第7比特平面的比特平面的集合。4.根据权利要求1所述的基于比特平面信息重组的数据增广方法，其特征在于，所述S3包括：将抽取的所述第一预设数量的比特平面进行重组产生第二新图像；基于最大后验概率估计，根据所述第二新图像估计所述多光谱图像，再利用估计图像和多光谱图像间的误差确定抽取比特平面的数量。5.根据权利要求4所述的基于比特平面信息重组的数据增广方法，其特征在于，所述基于最大后验概率，根据所述第二新图像估计所述多光谱图像，再利用估计图像和多光谱图像间的误差确定抽取比特平面的数量，由下面公式得到：其中，l
k
为抽取的特定比特平面的编号，为抽取特定数量的比特平面重组产生的新图像，为估计图像，P<...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。