一种图像缺陷数据增广方法及装置制造方法及图纸

本申请公开了一种图像缺陷数据增广方法及装置，在该方法中，对缺陷图像和缺陷图像对应的重建图像进行差异计算，确定出多个缺陷像素点以及每个缺陷像素点对应的像素差值；基于每个缺陷像素点的像素差值进行滤波处理，获得每个缺陷像素点的滤波值；保留滤波值的绝对值大于预设阈值的缺陷像素点，确定出核心缺陷；对核心缺陷进行增广处理，获得增广缺陷。可见，该方法对多个缺陷像素点的像素差值进行滤波处理，通过比较滤波值的绝对值和预设阈值，保留多个缺陷像素点中表征核心缺陷特征的缺陷像素点并进行增广处理，得到缺陷特征更加明显且缺陷类型多样化的增广缺陷，以便后续基于得到的增广缺陷对模型进行训练，提高模型训练的训练效果。训练效果。训练效果。

【技术实现步骤摘要】
一种图像缺陷数据增广方法及装置


[0001]本申请涉及图像处理
，尤其涉及一种图像缺陷数据增广方法及装置。

技术介绍

[0002]在图像处理任务中，与图像处理任务相关的深度学习模型通常需要有大量的训练样本进行支撑；但是在实际应用中，经常会出现训练样本数据缺乏、训练样本数据分布不均衡等情况，导致训练得到的模型存在性能不佳的问题。数据增广能在一定程度上解决这些问题，因此，数据增广常用于模型训练过程中训练样本不足或者模型参数较多的场景。
[0003]在训练以缺陷图像为训练样本的模型时，需要对图像缺陷数据进行数据增广的处理，以便后续进行模型训练。其中，图像缺陷数据增广的方法为：首先，获取多个缺陷图像样本；然后，对多个缺陷图像样本进行数据增广处理，包括图像旋转、图像尺寸缩放和图像拼接等；最后，基于多个数据增广处理后的缺陷图像样本进行模型训练。
[0004]然而，在上述图像缺陷数据增广的方法中，对存在缺陷的整个缺陷图像进行数据增广处理，可能会出现由于对缺陷图像的背景也进行了数据增广处理，而导致数据增广处理后的缺陷图像样本的缺陷特征不明本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像缺陷数据增广方法，其特征在于，所述方法包括：对缺陷图像和所述缺陷图像对应的重建图像进行差异计算，确定出多个缺陷像素点以及每个缺陷像素点对应的像素差值；基于所述每个缺陷像素点的像素差值进行滤波处理，获得所述每个缺陷像素点的滤波值；保留滤波值的绝对值大于预设阈值的缺陷像素点，确定出核心缺陷；对所述核心缺陷进行增广处理，获得增广缺陷。2.根据权利要求1所述的方法，其特征在于，所述基于所述每个缺陷像素点的像素差值进行滤波处理，获得所述每个缺陷像素点的滤波值，具体包括：基于所述每个缺陷像素点的像素差值进行高斯滤波处理，获得所述每个缺陷像素点的滤波值。3.根据权利要求2所述的方法，其特征在于，所述基于所述每个缺陷像素点的像素差值进行高斯滤波处理，获得所述每个缺陷像素点的滤波值，具体包括：采用预设高斯核进行所述高斯滤波处理，获得所述每个缺陷像素点的滤波值，所述预设高斯核为非归一化处理的高斯核。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于所述每个缺陷像素点的滤波值的绝对值进行归一化处理，获得所述每个缺陷像素点的归一化值；所述保留滤波值的绝对值大于预设阈值的缺陷像素点，确定出核心缺陷，具体包括：保留归一化值大于预设阈值的缺陷像素点，确定出所述核心缺陷。5.根据权利要求1所述的方法，其特征在于，所述对所述核心缺陷进行增广处理，获得增广缺陷，具体包括：对所述核心缺陷进行随机增广处理，获得所述增广缺陷。6.根据权利要求5所述的方法，其特征在于，所述对所述核心缺陷进行随机增广处理，获得所述增广缺陷，具体包括：对至少两个所述核心缺陷随机组合来进行随机增广处理，获得所述增广缺陷。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：通过重建图像模型对所述缺陷图像进行图像重建，获得所...

【专利技术属性】
技术研发人员：胡尊刚，代杰，
申请(专利权)人：苏州镁伽科技有限公司，
类型：发明
国别省市：