图像处理方法、装置、设备、存储介质和计算机程序产品制造方法及图纸

本申请涉及一种图像处理方法、装置、设备、存储介质和计算机程序产品。其中方法包括：从源图像数据集中提取目标区域的掩膜；其中，源图像数据集是标注了目标区域的源图像的集合，目标区域为目标检测物所在的区域，源图像是预先采集的包含目标检测物的图像；对目标区域的掩膜进行形态学运算，以得到增强后的目标区域的掩膜；将增强后的目标区域的掩膜融合至源图像中，获得融合后的图像；融合后的图像用于训练电力设备的缺陷识别模型。本方法能够使电力缺陷识别模型的训练样本更加充足和多样化，有助于提高电力设备缺陷识别模型的准确性。助于提高电力设备缺陷识别模型的准确性。助于提高电力设备缺陷识别模型的准确性。

【技术实现步骤摘要】
图像处理方法、装置、设备、存储介质和计算机程序产品


[0001]本申请涉及图像处理
，特别是涉及一种图像处理方法、装置、设备、存储介质和计算机程序产品。

技术介绍

[0002]电力巡检包括对输电线路和变电站的检查，是保障电力系统安全的重要工作之一，近年来，随着无人机和图像采集设备的广泛运用，拍摄电力场景的图像并利用基于深度学习的图像识别技术对缺陷进行识别已经成为电力巡检的常用手段。
[0003]然而，基于深度学习的图像识别技术需要大量样本对模型进行训练，以保障识别的准确性，用于训练模型的样本通常是由图像采集设备直接采集的图像，当样本数量不足时，可以人为制造包含需识别的目标的场景并采集这些场景的图像以增加样本数量。但电力系统的缺陷往往意味着存在安全隐患，人为制造隐患场景以获取样本图像会影响电力系统的安全性，用于缺陷识别的样本图像只有在检测到电力系统中存在缺陷时才能进行采集，数量上难以满足模型训练的需求。因此，在电力系统的缺陷检测方面，存在着样本图像缺乏，缺陷识别不准确的问题。

技术实现思路

[0004]基于此，有必要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：从源图像数据集中提取目标区域的掩膜；其中，所述源图像数据集是标注了目标区域的源图像的集合，所述目标区域为目标检测物所在的区域，所述源图像是预先采集的包含所述目标检测物的图像；对所述目标区域的掩膜进行形态学运算，以得到增强后的所述目标区域的掩膜；将增强后的所述目标区域的掩膜融合至源图像中，获得融合后的图像；所述融合后的图像用于训练电力设备的缺陷识别模型。2.根据权利要求1所述的方法，其特征在于，所述从源图像数据集中提取目标区域的掩膜包括：将源图像数据集输入预训练的掩膜提取模型，获得目标区域的多个预测掩膜和对应于所述多个预测掩膜的预测概率；基于所述预测概率在所述多个预测掩膜中确定所述目标区域的掩膜。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：计算所述预测掩膜与所述源图像中的目标区域的重合度，在重合度低于预设的阈值的所述源图像中增加前景点和/或剔除背景点，获得更新后的源图像数据集；从所述更新后的源图像数据集中提取所述目标区域的掩膜。4.根据权利要求1所述的方法，其特征在于，所述对所述目标区域的掩膜进行形态学运算，包括：使用边长为源图像短边的第一预设倍数的正方形结构元素，对所述目标区域的掩膜进行开运算；以及使用边长为源图像短边的第二预设倍数正方形结构元素，对所述目标区域的掩膜进行闭运算。5.根据权利要求1所述的方法，其特征在于，在将图像增强后的所述目标区域...

【专利技术属性】
技术研发人员：王红斌，王勇，孔令明，陈俊，刘俊翔，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：