图像数据小样本増广方法、设备及计算机可读存储介质技术

本发明专利技术提供一种虹膜图像数据小样本増广方法、设备及计算机可读存储介质，其中方法包括：获取待处理图像；对所述待处理图像进行图像増广处理，直到所获取的生成图像与所述待处理图像的相似度大于设定相似度；将所述生成图像作为増广后图像；所述图像増广处理包括：根据改进的麻雀搜索算法获取剪辑限制值；根据所述剪辑限制值对所述待处理图像进行CLAHE处理，以得到生成图像；所述改进的麻雀搜索算法包括：通过分数阶混沌优化麻雀搜索算法中麻雀的初始位置，以及采用正余弦算法和帕累托变异算法，对所述麻雀搜索算法中麻雀的位置进行更新。本发明专利技术所提供的技术方案，能够解决増广效果不理想的问题。果不理想的问题。果不理想的问题。

【技术实现步骤摘要】
图像数据小样本増广方法、设备及计算机可读存储介质


[0001]本专利技术属于数据増广
，具体涉及一种图像数据小样本増广方法、一种图像数据小样本増广设备和一种计算机可读存储介质。

技术介绍

[0002]目前，许多生物特征识别的实现都依赖于卷积神经网络，并且为了保证卷积神经网络识别的准确性，需要采用大量的标注的训练数据对其进行训练。然而，一些生物特征图像数据(比如指纹、虹膜等)都是非常重要的个人信息，其获取的难度较大，因此，需要对这些有限的数据进行増广，以增加数据的数量。
[0003]数据增广，又称数据增强，是一种增加有限数据的数量和多样性的方法，其作用是从有限的数据中提炼出更多有用的信息，产生等价于更多数据的价值，并且为例提高数据増广的可靠性，需要有效地减少数据类内距离并增加数据类间距离。
[0004]目前常用的对于图像数据的增广方法有两种，一种是基于图像处理的增广方法，另外一种是基于深度学习的增广方法。上述基于图像处理的增广方法是采用随机裁剪、旋转、镜像和改变亮度等方法获取増广数据。在卷积神经网络的发展过程中，采用这些方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像数据小样本増广方法，其特征在于，包括：获取待处理图像；对所述待处理图像进行图像増广处理，直到所获取的生成图像与所述待处理图像的相似度大于设定相似度；将所述生成图像作为増广后图像；所述图像増广处理包括：根据改进的麻雀搜索算法获取剪辑限制值；根据所述剪辑限制值对所述待处理图像进行CLAHE处理，以得到生成图像；所述改进的麻雀搜索算法包括：通过分数阶混沌优化麻雀搜索算法中麻雀的初始位置，以及采用正余弦算法和帕累托变异算法，对所述麻雀搜索算法中麻雀的位置进行更新。2.根据权利要求1所述的图像数据小样本増广方法，其特征在于，所述生成图像与所述待处理图像的相似度为其余弦相似度。3.根据权利要求1所述的图像数据小样本増广方法，其特征在于，所述对所述待处理图像进行CLAHE处理包括：将所述待处理图像划分成多个不重叠的子图像，并统计各子图像的直方图；根据所述剪辑限制值裁剪所述各子图像的直方图，并将裁剪部分重新分布到各子图的直方图中，以得到各子图的新直方图；对所述各子图的新直方图进行均衡化处理，并求出各子图的新灰度值。4.根据权利要求3所述的图像数据小样本増广方法，其特征在于，所述各子图的新灰度值通过双线性插值算法得到。5.根据权利要求1所述的图像数据小样本増广方法，其特征在于，所述通过分数阶混沌优化麻雀搜索算法中种群的初始位置包括：...

【专利技术属性】
技术研发人员：熊齐，
申请(专利权)人：湖南文理学院，
类型：发明
国别省市：