System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于图像增广,尤其涉及一种用于增强模型抗花纹干扰能力的图像增广方法。
技术介绍
1、随着深度学习网络的发展,基于深度学习的网络模型逐渐应用于社会各个应用领域。近些年来人工智能的发展主要依赖于新的模型的提出、硬件算力的增强以及大数据的应用。而深度学习的发展也高度依赖于数据集。其中,基于深度学习的网络模型对数据集的依赖表现为以下两点:一、基于深度学习的网络模型的性能与数据集的规模在一定程度上呈现正相关;二、基于深度学习的网络模型的性能与数据集各种类别数据的分布情况高度相关。尽管只要改善各种应用场景下的基于深度学习的网络模型的训练数据集的规模、类分布情况,就可以提高该网络模型的相应性能。但是在部分应用场景下受限于数据采集的成本、难度、时间消耗等因素,数据集的样本数量往往是不足的,且数据集的各种类样本的分布也并不均匀。为了解决数据集样本不足以及数据集各种类别样本数据分布不平衡的问题,可以采取数据增广的方式来改善网络模型性能。而在输入样本是图像的深度学习网络中,这种数据增广方式表现为图像数据增广。现有的数据增广方案尚未提出一种简单易行的针对花纹和纹理干扰的增广方案,与现有的数据增广方案相比,本方案在提出简单易行的针对花纹和纹理干扰的增广方案上具有开创性。
2、现有的图像数据增广方案并没有一种简单易行的解决方案来应对部分场景下目标外表面各种线段和色彩干扰,本方案提出了一种简洁有效的解决方式来处理这种场景。
3、本专利技术提出了一种基于色彩纹理的增强模型抗花纹能力的图像数据增广方法。利用对训练集样本图像进行边
4、通过上述分析,现有技术存在的问题及缺陷为:
5、部分应用场景下需要网络模型对部分未知场景具有一定程度上的适应能力,其中包括对目标表面添加花纹的情况。而对飞机舱门的网络模型也是情况之一。在部分场景下,需要要求网络模型对花纹具有一定程度上的鲁棒性。而根据现有已知文献显示,目前尚还没有一种图像数据增广方法专门用于增强网络模型抗花纹干扰能力。因此,如何提高网络模型的抗花纹干扰能力在这种情况下显现出了它的重要性。根据研究,花纹对对用于识别客机舱门的干扰主要是通过纹理干扰和色彩干扰的方式实现的。
技术实现思路
1、针对现有技术存在的问题,本专利技术提供了一种用于增强模型抗花纹干扰能力的图像增广方法。
2、本专利技术是这样实现的,一种用于增强模型抗花纹干扰能力的图像增广方法包括:
3、步骤一,输入图像的边界提取;
4、读取原始的输入图像,然后使用canny算子提取原始图像边缘,最后再对提取的边缘的图像进行阈值处理,以实现边缘图像的二值化;最终得到边缘图像;
5、步骤二,添加随机线条;
6、向步骤一得到的边缘图像随机添加曲线、直线等线条;这里以一种随机添加线段为例:首先,确定随机添加线段的数量;然后,通过随机数产生每条线段的端点;最后,在边缘图像上将每条线段的端点连接成线段;最终得到了插入线条的边缘图像;
7、步骤三,进行区域划分;
8、该步骤的目的是将通过步骤二得到的插入线条的边缘图像的每一个闭合区域打上一个独立的标记;对每个闭合区域的划分可以采取区域生长算法或者分水岭算法;这里以区域生长算法为例:首先;获取输入图像(仅仅指步骤二的输出图像,并非所有步骤的输入图像)的长和高,并且初始化该步骤输出图像(仅仅指步骤三的输出图像,并非所有步骤输出图像)为长高与输入图像一致的单通道图像;然后,遍历输入图像的所有像素点,若满足输入图像该像素点非边界且输出图像该像素点未访问,则初始化seeds为空栈,然后入栈该像素点;若不满足,则跳转至下一个像素点;再然后,若seeds满足非空,则seeds出栈,赋值给cur;若不满足,则跳转至下一个像素点;之后,将(1,0)、(-1,0)、(0,1)、(0,-1)依次赋值给(dx,dy),并将cur[0]+dx与cur[1]+dy赋值给x与y;若全部依次赋值,则label自加1,跳转指下一个像素点;最后,若(x,y)满足0≤x<n、0≤y<m且该点未被访问且input[x][y]==input[cur[0]][cur[1]],seeds入栈(x,y),output[x][y]=label;
9、步骤四,进行随机色彩填充;
10、假设步骤三得到的区域划分图像得到了一共n个区域标记;首先,建立一个长度为n的区域色彩映射表,初始化为(0,0,0);然后,对区域色彩映射表的每个区域标记产生一个随机色彩值;最后,对segment各个区域在原始图像中的对应像素值按照区域色彩映射表进行色彩替换,最终得到增广图像。
11、进一步,所述输入图像的边界提取包括:
12、步骤1-1,读取输入图像;
13、步骤1-2,利用canny算子实现对输入图像的边界提取;
14、步骤1-3,利用阈值处理实现对canny算子提取后的图像二值化,得到边界图像edges。
15、进一步,所述添加随机线条包括:
16、步骤2-1,初始化添加线段的数量n;
17、步骤2-2,随机产生线段的端点位置;具体方法如下:
18、xi1=[rand*m]
19、xi2=[rand*m]
20、yi1=[rand*n]
21、yi2=[rand*n]
22、其中(xi1,yi1)、(xi2,yi2)表示的是端点坐标,m、n表示的是输入图像的长和宽,rand表示产生的范围为(0,1)的随机数,[]表示向下取整;
23、步骤2-3,在边界图像上连接线段端点;得到了插入线段的边界图像addlines。
24、进一步,所述进行区域划分包括:
25、步骤3-1,获取插入线条的图像addlines;获取输入图像的长m和高n,初始化输出图像segment为长为m高为n的0值单通道图像;
26、步骤3-2,初始化i为0,初始化label为1;
27、步骤3-3,初始化j为0,判断i<n是否成立,成立进入步骤3-4,否则进入步骤3最后一步;
28、步骤3-4,判断j<m是否成立,成立进入步骤3-5,否则j=j+1,进入步骤3-3;
29、步骤3-5,判断segment[i][j]==0以及addlines[i][j]==0是否均满足,均满足进入步骤3-6;否则j=j+1,跳转步骤3-4
30、步骤3-6,初始化seeds为空栈,seeds入栈(i,j);判断seeds长度是否满足大于0:如果满足,seeds出栈,赋值给cur,进入步骤3-7;否则la本文档来自技高网...
【技术保护点】
1.一种用于增强模型抗花纹干扰能力的图像增广方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的图像增广方法,其特征在于,所述的区域划分步骤具体包括:获取输入图像的长和高,并初始化该步骤输出图像为长高与输入图像一致的单通道图像;然后遍历输入图像的所有像素点,如果输入图像该像素点非边界且输出图像该像素点未访问,则初始化seeds为空栈,然后入栈该像素点;之后,如果seeds非空,则seeds出栈,赋值给cur;接着,将(1,0)、(-1,0)、(0,1)、(0,-1)依次赋值给(dx,dy),并将cur[0]+dx与cur[1]+dy赋值给x与y;如果全部依次赋值,则label自加1;最后,如果(x,y)满足0≤x<N、0≤y<M且该点未被访问且Input[x][y]==Input[cur[0]][cur[1]],则seeds入栈(x,y),Output[x][y]=label,最终得到每个闭合区域的划分。
3.如权利要求1所述用于增强模型抗花纹干扰能力的图像增广方法,其特征在于,所述输入图像的边界提取包括:
4.如权利要求1所
5.如权利要求1所述用于增强模型抗花纹干扰能力的图像增广方法,其特征在于,所述进行区域划分包括:
6.如权利要求1所述用于增强模型抗花纹干扰能力的图像增广方法,其特征在于,所述进行随机色彩填充包括:
7.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1-6任意一项所述用于增强模型抗花纹干扰能力的图像增广方法的步骤。
8.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1-6任意一项所述用于增强模型抗花纹干扰能力的图像增广方法的步骤。
9.一种信息数据处理终端,其特征在于,所述信息数据处理终端用于实现如权利要求1-6任意一项所述用于增强模型抗花纹干扰能力的图像增广方法。
...【技术特征摘要】
1.一种用于增强模型抗花纹干扰能力的图像增广方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的图像增广方法,其特征在于,所述的区域划分步骤具体包括:获取输入图像的长和高,并初始化该步骤输出图像为长高与输入图像一致的单通道图像;然后遍历输入图像的所有像素点,如果输入图像该像素点非边界且输出图像该像素点未访问,则初始化seeds为空栈,然后入栈该像素点;之后,如果seeds非空,则seeds出栈,赋值给cur;接着,将(1,0)、(-1,0)、(0,1)、(0,-1)依次赋值给(dx,dy),并将cur[0]+dx与cur[1]+dy赋值给x与y;如果全部依次赋值,则label自加1;最后,如果(x,y)满足0≤x<n、0≤y<m且该点未被访问且input[x][y]==input[cur[0]][cur[1]],则seeds入栈(x,y),output[x][y]=label,最终得到每个闭合区域的划分。
3.如权利要求1所述用于增强模型抗花纹干扰能力的图像增广方法,其特征在于,...
【专利技术属性】
技术研发人员:张成,黄川俊,黄磊,叶润,尹雪松,丁卓越,蒋维琛,陈炳梁,余泰霆,黄庆洪,
申请(专利权)人:电子科技大学长三角研究院湖州,
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。