【技术实现步骤摘要】
本专利技术属于图像数据增广，具体涉及一种图像数据的增广方法、装置、计算机设备及存储介质。
技术介绍
1、目前图像数据的增广方法主要包括：传统几何变换方法和深度学习方法。传统方法几何变换方法主要通过水平/垂直翻转、旋转、缩放、裁剪、剪切、平移、对比度、色彩抖动、噪声、仿射等操作来扩展样本。该类方法较为简单，主要在几何上改变数据样本，并未改变样本数据的分布，对模型性能的提升比较有限。基于深度学习的方法主要考虑利用生成对抗网络来生成新的样本，能产生大量差异性的样本，但该类方法过程不可控，生成样本可能存在不合理的细节特征，且前期需要大量的训练。
2、基于深度学习和图像处理的检测技术具有无接触、低成本、高准确性、高效率等优势，目前已广泛应用于各个工业领域中，在表面的斑点、裂痕、腐蚀、残缺等缺陷检测上取得良好效果。对于轨道钢轨表面缺陷检测问题，基于图像处理的相关技术和方法也被广泛研究。但面向钢轨表面缺陷检测图像，其受到表面反光影响，使得缺陷细节特征不明显，且表面缺陷一般具有几个边界不规则、目标区域小、样本数量小等特点，这些不利因素导致高...
【技术保护点】
1.一种图像数据的增广方法，应用于亮度分布不均匀图像数据的增广，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的图像数据的增广方法，其特征在于，所述步骤(2)中图像F(x)表示为：
3.根据权利要求1所述的图像数据的增广方法，其特征在于，所述步骤(3)中利用的傅里叶逆变换公式为：
4.根据权利要求1所述的图像数据的增广方法，其特征在于，所述步骤(4)分布变换后的语义分量的计算方法如下：
5.根据权利要求4所述的图像数据的增广方法，其特征在于，所述步骤(5)中语义增广图像的计算表达式为：
6.根据权...
【技术特征摘要】
1.一种图像数据的增广方法，应用于亮度分布不均匀图像数据的增广，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的图像数据的增广方法，其特征在于，所述步骤(2)中图像f(x)表示为：
3.根据权利要求1所述的图像数据的增广方法，其特征在于，所述步骤(3)中利用的傅里叶逆变换公式为：
4.根据权利要求1所述的图像数据的增广方法，其特征在于，所述步骤(4)分布变换后的语义分量的计算方法如下：
5.根据权利要求4所述的图像数据的增广方法，其特征在于，所述步骤(5)中语义增广图像的计算表达式为：
6.根据权利要求1所述的图像数据的增广方法，其特征在于，所述原始图像为反光图...
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。