【技术实现步骤摘要】
一种图像融合的方法、装置、存储介质及电子设备
[0001]本说明书涉及计算机
，尤其涉及一种图像融合的方法、装置、存储介质及电子设备。
技术介绍
[0002]随着人工智能技术的发展，目标识别和目标检测技术开始广泛应用于高光谱图像的遥感领域。然而，由于遥感高光谱图像采集成本高，单张图像数据量大，地面目标物体出现频次低等情况，面向于深度学习的目标识别和检测等人工智能算法无法获取足够多的训练样本，严重限制该类算法的研发和技术应用的发展。因此为了解决高光谱样本量不足的问题，图像增广方法常被用于扩充训练样本。
[0003]然而，目前的图像增广方法主要为重采样、裁剪、翻转、镜像、加噪等，虽然通过这些图像增广方法能够增加训练样本数量，但是通过上述方式生成的新的训练样本的语义信息丰富性相较于未增广前的训练样本的提升较小，并且，部分图像增广方法会改变采集到的目标物的尺寸特征，甚至造成光谱信息的失真，导致通过上述方法增加的训练样本无法有效提升模型算法的性能。
[0004]因此，如何在现有较少训练样本的基础上生成更多的语义信...
【技术保护点】
【技术特征摘要】
1.一种图像融合的方法，其特征在于，包括：加载预先存储的背景图像以及至少一个目标图像；确定各目标图像对应的目标图像信息，以及，确定所述背景图像对应的背景图像信息；根据所述目标图像信息以及所述背景图像信息，以各目标图像在所述背景图像中不发生重叠为约束，确定每个目标图像在所述背景图像中的位置，作为目标位置；根据每个目标图像对应的目标位置，将各目标图像与所述背景图像进行融合，得到融合图像。2.如权利要求1所述的方法，其特征在于，所述方法还包括：根据所述融合图像生成训练样本并存储。3.如权利要求1所述的方法，其特征在于，加载预先存储的背景图像以及至少一个目标图像之前，所述方法还包括：获取初始图像；识别所述初始图像中包含的背景图像以及目标图像并提取；将提取到的所述背景图像以及所述目标图像存储在指定格式的配置文件中。4.如权利要求3所述的方法，其特征在于，加载预先存储的背景图像以及至少一个目标图像，具体包括：获取图像加载请求，并确定所述加载请求对应的配置参数；根据所述配置参数，从所述配置文件中加载所述预先存储的背景图像以及所述至少一个目标图像。5.如权利要求4所述的方法，其特征在于，所述配置参数包括：加载的目标图像及数量、生成的融合图像的数量、加载的背景图像及数量中的至少一种。6.如权利要求1所述的方法，其特征在于，针对每个目标图像，根据所述目标图像信息以及所述背景图像信息，以各目标图像在所述背景图像中不发生重叠为约束，确定该目标图像在所述背景图像中的位置，作为目标位置，具体包括：针对每个目标图像，根据所述目标图像信息以及所述背景图像信息，以各目标图像均位于所述背景图像的图像范围内，以及，各目标图像在所述背景图像中不发生重叠为约束，确定所述目标位置。7.如权利要求1所述的方法，其特征在于，根据所述目标图像信息以及所述背景图像信息，以各目标图像在所述背景图像中不发生重叠为约束，确定每个目标图像在所述背景图像中的位置，作为目标位置，具体包括：确定各目标图像在所述背景图像中的初始位置；根据所述目标图像信息，确定各目标图像对应的对角线值中的最大值，作为最大对角线值；根据所述最大对角线值以及所述背景图像信息，以各目标图像均位于所述背景图像的图像范围内为约束，对每个目标图像对应的初始位置进行调整，得到各目标图像对应的调整后位置；根据所述调整后位置确定所述目标位置。8.如权利要求7所述的方法，其特征在于，所述背景图像信息包括：背景图像的高度、背景图像的宽度、背景图像的上下边距以及背景图像的左右边距中的至少一种。
9.如权利要求8所述的方法，其特征在于，根据所述最大对角线值以及所述背景图像信息，以各目标图像均位于所述背景图像的图像范围内为约束，对每个目标图像对应的初始位置进行调整，得到各目标图像对应的调整后位置，具体包括：针对每个目标图像，根据所述最大对角线值、所述背景图像的高度、所述背景图像的宽度、所述背景图像的上下边距以及所述背景图像的左右边距，以该目标图像位于所述背景图像的图像边距范围内为约束，对该目标图像对应的初始位置进行调整，得到所述调整后位置。10.如权利要求7所述的方法，其特征在于，根据...
【专利技术属性】
技术研发人员：陈亮亮，王跃明，张承康，何佳妮，周天舒，罗慕昀，
申请(专利权)人：之江实验室，
类型：发明
国别省市：
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。