CN112215202A - 近红外图像数据离线增广装置、系统及方法 - Google Patents
近红外图像数据离线增广装置、系统及方法 Download PDFInfo
- Publication number
- CN112215202A CN112215202A CN202011188560.6A CN202011188560A CN112215202A CN 112215202 A CN112215202 A CN 112215202A CN 202011188560 A CN202011188560 A CN 202011188560A CN 112215202 A CN112215202 A CN 112215202A
- Authority
- CN
- China
- Prior art keywords
- image data
- mapping
- mapping parameter
- image
- preset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000003416 augmentation Effects 0.000 title claims abstract description 23
- 238000013507 mapping Methods 0.000 claims abstract description 303
- 238000005070 sampling Methods 0.000 claims abstract description 63
- 238000012549 training Methods 0.000 claims abstract description 61
- 230000003190 augmentative effect Effects 0.000 claims abstract description 60
- 238000010606 normalization Methods 0.000 claims abstract description 39
- 238000004891 communication Methods 0.000 claims abstract description 29
- 230000003321 amplification Effects 0.000 claims description 41
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 32
- 230000006978 adaptation Effects 0.000 claims description 23
- 238000002474 experimental method Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000005286 illumination Methods 0.000 description 4
- 238000013434 data augmentation Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000003333 near-infrared imaging Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种面向多模组适配的近红外图像数据离线增广装置、系统及方法。本发明提供的近红外图像数据离线增广装置,与采样摄像头模组通信连接,用于对采样摄像头模组捕获的包含多个近红外图像数据作为原始图像数据的原始图像数据集进行增广得到作为对图像处理器进行训练的增广图像数据训练集,以使图像处理器适配更多个具有不同规格的目标摄像头模组,包括:预设亮度存储部、数据集获取请求部、归一化部、感兴趣区域选取部、映射参数极值获取部、映射参数中间值选取部、映射参数集生成部、映射部、去归一化部、训练集存储部以及通信部。
Description
技术领域
本发明属于数据处理技术领域,特别涉及一种面向多模组适配的近红外图像数据离线增广装置、系统及方法。
背景技术
近红外光的波段位于红外光谱的反射部分,是一种介于可见光区与热红外光之间的电磁波,它的波长介于0.7微米和1.1微米之间。近红外光对于光照变化具有很强的鲁棒性,在不同的光照(比如强光、暗光或者阴阳光等)条件下,可见光图像会有很明显的变化,而这些光照对近红外图像的影响较小,近红成像对外部环境的光照呈现很强的鲁棒性。因此,在黑夜和暗光等视觉应用场景下,近红外图像更是具有不可替代的作用。
在近红外成像的过程中,红外摄像头模组捕获的原始图像数据需要图像处理器(ISP)经过一些非线性映射处理,才能转化成我们所看到的近红外图像。但是,由于不同的厂家所使用的图像处理器的参数不同,会导致最后所得的近红外图像有所差异,这个差异会导致算法在不同的红外摄像头模组上性能有所差异,甚至性能会较大幅度的下降。当为图像处理器更新新的红外摄像头模组时,传统的方法是重新采集一批原始图像数据来对该图像处理器中的算法进行训练优化。但是,在很多应用场景中,原始图像数据的重新采集难度大且成本高。
发明内容
本发明是为了解决上述问题而进行的,目的在于提供一种面向多模组适配的近红外图像数据离线增广装置、系统及方法,能够使图像处理器对各种不同规格的摄像头模组都具备良好的适配性。
本发明为了实现上述目的,采用了以下方案:
<方案一>
本发明提供了一种面向多模组适配的近红外图像数据离线增广装置,与采样摄像头模组通信连接,用于对采样摄像头模组捕获的包含多个近红外图像数据作为原始图像数据的原始图像数据集进行增广得到作为对图像处理器进行训练的增广图像数据训练集,以使图像处理器适配更多个具有不同规格的目标摄像头模组,具有这样的特征,包括:预设亮度存储部、数据集获取请求部、归一化部、感兴趣区域选取部、映射参数极值获取部、映射参数中间值选取部、映射参数集生成部、映射部、去归一化部、训练集存储部以及通信部,其中,预设亮度存储部存储有目标摄像头模组的输出图像的感兴趣区域的预设最小平均亮度值和预设最大平均亮度值,数据集获取请求部生成获取原始图像数据集的获取请求,通信部将获取请求发送给采样摄像头模组并从该采样摄像头模组接收原始图像数据集,归一化部对原始图像数据集中的所有原始图像数据分别进行归一化处理得到归一化图像,感兴趣区域选取部从归一化图像中选定与输出图像的感兴趣区域相对应的区域作为增广感兴趣区域,映射参数极值获取部采用预设非线性映射方式对增广感兴趣区域进行映射实验获取分别与预设最小平均亮度值和预设最大平均亮度值相对应的最大映射参数值和最小映射参数值,映射参数中间值选取部在最小映射参数值和最大参数值之间均匀间隔地选取多个值作为中间映射参数值,映射参数集生成部生成由最小映射参数值、多个中间映射参数值、以及最大映射参数值构成的映射参数集,映射部采用预设非线性映射方式并基于映射参数集中的每一个映射参数值对归一化图像进行映射处理得到映射图像,去归一化部对映射图像进行去归一化处理得到去归一化图像,一旦去归一化处理部得到去归一化图像,训练集存储部就将该去归一化图像作为增广图像数据进行存储,从而形成增广图像数据训练集。
在本发明提供的面向多模组适配的近红外图像数据离线增广装置中,还可以具有这样的特征:其中,预设非线性映射方式为伽马映射。
在本发明提供的面向多模组适配的近红外图像数据离线增广装置中,还可以具有这样的特征:其中,预设最大平均亮度值和预设最大平均亮度值分别为120和160。
<方案二>
本发明还提供了一种面向多模组适配的近红外图像数据离线增广装置,与至少两个具有不同规格的采样摄像头模组通信连接,用于对每一个采样摄像头模组捕获的包含多个近红外图像数据作为原始图像数据的原始图像数据集进行增广得到作为对图像处理器进行训练的增广图像数据训练集,以使图像处理器适配更多个具有不同规格的目标摄像头模组,具有这样的特征,包括:预设亮度存储部、数据集获取请求部、归一化部、感兴趣区域选取部、映射参数极值获取部、映射参数中间值选取部、映射参数集生成部、映射部、去归一化部、训练集存储部以及通信部,其中,预设亮度存储部存储有目标摄像头模组的输出图像的感兴趣区域的预设最小平均亮度值和预设最大平均亮度值,数据集获取请求部生成获取原始图像数据集的获取请求,通信部将获取请求分别发送给每一个采样摄像头模组并从采样摄像头模组接收对应的原始图像数据集,归一化部对每一个原始图像数据集中的所有原始图像数据分别进行归一化处理得到归一化图像,感兴趣区域选取部从归一化图像中选定与输出图像的感兴趣区域相对应的区域作为增广感兴趣区域,映射参数极值获取部采用预设非线性映射方式对增广感兴趣区域进行映射实验获取分别与预设最小平均亮度值和预设最大平均亮度值相对应的最大映射参数值和最小映射参数值,映射参数中间值选取部在最小映射参数值和最大参数值之间均匀间隔地选取多个值作为中间映射参数值,映射参数集生成部生成与原始图像数据集相对应的并且由最小映射参数值、多个中间映射参数值、以及最大映射参数值构成的映射参数集,映射部采用预设非线性映射方式并基于映射参数集中的每一个映射参数值对对应的归一化图像进行映射处理得到映射图像,去归一化部对映射图像进行去归一化处理得到去归一化图像,一旦去归一化处理部得到去归一化图像,训练集存储部就将该去归一化图像作为增广图像数据进行存储,从而形成增广图像数据训练集。
在本发明提供的面向多模组适配的近红外图像数据离线增广装置中,还可以具有这样的特征:其中,预设非线性映射方式为伽马映射。
在本发明提供的面向多模组适配的近红外图像数据离线增广装置中,还可以具有这样的特征:其中,预设最大平均亮度值和预设最大平均亮度值分别为120和160。
<方案三>
本发明还提供了一种面向多模组适配的近红外图像数据离线增广系统,与图像处理器通信连接,具有这样的特征,包括:采样摄像头模组,用于捕获包含多个近红外图像数据作为原始图像数据的原始图像数据集;以及图像数据增广装置,与采样摄像头模组通信连接,用于对原始图像数据集进行增广得到作为对图像处理器进行训练的增广图像数据训练集,以使图像处理器适配更多个具有不同规格的目标摄像头模组,其中,图像数据增广装置为<方案一>的面向多模组适配的近红外图像数据离线增广装置。
<方案四>
本发明还提供了一种面向多模组适配的近红外图像数据离线增广系统,与图像处理器通信连接,具有这样的特征,包括:至少两个具有不同规格的采样摄像头模组,分别用于捕获包含多个近红外图像数据作为原始图像数据的原始图像数据集,每一个采样摄像头模组具有唯一的摄像头模组识别码;以及图像数据增广装置,与至少两个采样摄像头模组分别通信连接,用于对每一个采样摄像头模组捕获的原始图像数据集进行增广得到作为对图像处理器进行训练的增广图像数据训练集,以使图像处理器适配更多个具有不同规格的目标摄像头模组,其中,图像数据增广装置为<方案二>的面向多模组适配的近红外图像数据离线增广装置。
<方案五>
本发明还提供了一种面向多模组适配的近红外图像数据离线增广方法,用于对采样摄像头模组捕获的包含多个近红外图像数据作为原始图像数据的原始图像数据集进行增广得到作为对图像处理器进行训练的增广图像数据训练集,以使图像处理器适配更多个具有不同规格的目标摄像头模组,具有这样的特征,包括:生成获取原始图像数据集的获取请求,将获取请求发送给采样摄像头模组并从该采样摄像头模组接收原始图像数据集,对原始图像数据集中的所有原始图像数据分别进行归一化处理得到归一化图像,从归一化图像中选定与目标摄像头模组的输出图像的感兴趣区域相对应的区域作为增广感兴趣区域,采用预设非线性映射方式对增广感兴趣区域进行映射实验获取分别与输出图像的感兴趣区域的预设最小平均亮度值和预设最大平均亮度值相对应的最大映射参数值和最小映射参数值,在最小映射参数值和最大参数值之间均匀间隔地选取多个值作为中间映射参数值,生成由最小映射参数值、多个中间映射参数值、以及最大映射参数值构成的映射参数集,采用预设非线性映射方式并基于映射参数集中的每一个映射参数值对归一化图像进行映射处理得到映射图像,对映射图像进行去归一化处理得到去归一化图像,一旦得到去归一化图像,就将该去归一化图像作为增广图像数据进行存储,从而形成增广图像数据训练集。
<方案六>
本发明还提供了一种面向多模组适配的近红外图像数据离线增广方法,用于对至少两个具有不同规格的采样摄像头模组分别捕获的包含多个近红外图像数据作为原始图像数据的原始图像数据集进行增广得到作为对图像处理器进行训练的增广图像数据训练集,以使图像处理器适配更多个具有不同规格的目标摄像头模组,具有这样的特征,包括:生成获取原始图像数据集的获取请求,将获取请求分别发送给每一个采样摄像头模组并从采样摄像头模组接收对应的原始图像数据集,对每一个原始图像数据集中的所有原始图像数据分别进行归一化处理得到归一化图像,从归一化图像中选定与目标摄像头模组的输出图像的感兴趣区域相对应的区域作为增广感兴趣区域,采用预设非线性映射方式对增广感兴趣区域进行映射实验获取分别与输出图像的感兴趣区域的预设最小平均亮度值和预设最大平均亮度值相对应的最大映射参数值和最小映射参数值,在最小映射参数值和最大参数值之间均匀间隔地选取多个值作为中间映射参数值,生成与原始图像数据集相对应的并且由最小映射参数值、多个中间映射参数值、以及最大映射参数值构成的映射参数集,采用预设非线性映射方式并基于映射参数集中的每一个映射参数值对对应的归一化图像进行映射处理得到映射图像,对映射图像进行去归一化处理得到去归一化图像,一旦得到去归一化图像,就将该去归一化图像作为增广图像数据进行存储,从而形成增广图像数据训练集。
发明的作用与效果
根据本发明所涉及的面向多模组适配的近红外图像数据离线增广装置、系统及方法,因为归一化部对原始图像数据集中的所有原始图像数据分别进行归一化处理得到归一化图像,感兴趣区域选取部从归一化图像中选定与输出图像的感兴趣区域相对应的区域作为增广感兴趣区域,映射参数极值获取部采用预设非线性映射方式对增广感兴趣区域进行映射实验获取分别与预设最小平均亮度值和预设最大平均亮度值相对应的最大映射参数值和最小映射参数值,映射参数中间值选取部在最小映射参数值和最大参数值之间均匀间隔地选取多个值作为中间映射参数值,映射参数集生成部生成由最小映射参数值、多个中间映射参数值、以及最大映射参数值构成的映射参数集,映射部采用预设非线性映射方式并基于映射参数集中的每一个映射参数值对归一化图像进行映射处理得到映射图像,去归一化部对映射图像进行去归一化处理得到去归一化图像,一旦去归一化处理部得到去归一化图像,训练集存储部就将该去归一化图像作为增广图像数据进行存储从而形成增广图像数据训练集,所以,本发明能够在无需重新采集图像数据的情况下,对现有的小样本原始图像数据集进行增广形成与更多个不同规格的摄像头模组相对应的增广图像数据训练集,来对图像处理器中的算法进行训练,使得图像处理器能够对不同的目标摄像头模组都具备良好的适配性,操作方便,且节约成本。
附图说明
图1是本发明的实施例一中面向多模组适配的近红外图像数据离线增广系统的结构框图;
图2是本发明的实施例一中图像数据增广装置的结构框图;
图3是本发明的实施例一中图像数据增广装置的动作流程图;
图4是本发明的实施例二中面向多模组适配的近红外图像数据离线增广系统的结构框图;以及
图5是本发明的实施例二中图像数据增广装置的动作流程图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,以下结合实施例及附图对本发明的面向多模组适配的近红外图像数据离线增广装置、系统及方法作具体阐述。
<实施例一>
图1是本发明的实施例一中面向多模组适配的近红外图像数据离线增广系统的结构框图。
如图1所示,在本实施例一中,面向多模组适配的近红外图像数据离线增广装置100通过通信网络201与图像处理器200通信连接,用于得到使图像处理器200进行训练的增广图像数据训练集。该近红外图像数据离线增广100包括采样摄像头模组10以及图像数据增广装置20。
如图1所示,采样摄像头模组10用于捕获包含多个近红外图像数据作为原始图像数据的原始图像数据集。在本实施例中,原始图像数据的位长可以为8位、10位或者12位,原始图像数据的文件格式可以为.xml、.raw或者.png等格式。
图2是本发明的实施例一中图像数据增广装置的结构框图。
如图1和图2所示,图像数据增广装置20通过通信网络40与采样摄像头模组10通信连接,用于对采样摄像头模组10捕获的原始图像数据集进行增广得到作为对图像处理器200进行训练的增广图像数据训练集,以使图像处理器200适配更多个具有不同规格的目标摄像头模组。该图像数据增广装置20包含预设亮度存储部21、数据集获取请求部22、归一化部23、感兴趣区域选取部24、映射参数极值获取部25、映射参数中间值选取部26、映射参数集生成部27、映射部28、去归一化部29、训练集存储部30、通信部31、暂存部32以及控制部33。
预设亮度存储部21用于存储目标摄像头模组的输出图像的感兴趣区域的预设最小平均亮度值和预设最大平均亮度值。在本实施例中,预设最大平均亮度值和预设最大平均亮度值分别为120和160。
数据集获取请求部22用于生成从采样摄像头模组10获取原始图像数据集的获取请求。
归一化部23用于对原始图像数据进行归一化处理得到归一化图像。图像归一化的目的是将图像的矩阵的像素值映射到0-1之间的浮点数,采用的归一化计算公式为:
式中,I为原始图像的像素值,Inormed为归一化图像的像素值,α为原始图像数据集中的所有原始图像的像素值的平均值,β为原始图像数据集中的原始图像的最大像素值。
感兴趣区域选取部24用于从归一化部23得到的归一化图像中选定与目标摄像头模组的输出图像的感兴趣区域相对应的区域作为增广感兴趣区域。
映射参数极值获取部25用于采用预设非线性映射方式对感兴趣区域选取部24选定的增广感兴趣区域进行映射实验获取分别与预设最小平均亮度值和预设最大平均亮度值相对应的最大映射参数值和最小映射参数值。在本实施例中,预设非线性映射方式采用伽马映射。
映射参数中间值选取部26用于在映射参数极值获取部25获取的最小映射参数值和最大参数值之间均匀间隔地选取多个值作为中间映射参数值。
映射参数集生成部27用于生成由最小映射参数值、多个中间映射参数值、以及最大映射参数值构成的映射参数集。以伽马映射为例,设定最小伽马映射参数值为γmin,最大伽马映射参数值为γmax,则映射参数集为{γ1,γ2,γ3...,γN},其中γ1=γmin,γN=γmax,第i个中间伽马映射参数值N为大于2的正整数。
映射部28用于采用预设非线性映射方式并基于映射参数集中的每一个映射参数值对归一化图像进行映射处理得到映射图像。
去归一化部29用于对映射部28得到的映射图像进行去归一化处理得到去归一化图像。图像去归一化的目的是将图像的矩阵的像素值回到0-255之间的浮点数,采用的去归一化公式为:
Idenormed=Inormed×β+α
式中,Idenormed为去归一化图像的像素值。
训练集存储部30用于对去归一化部得到的去归一化图像作为增广图像数据进行存储。一旦去归一化处理部29得到去归一化图像,训练集存储部30就将该去归一化图像作为增广图像数据进行存储,从而形成增广图像数据训练集。
通信部31用于图像数据增广装置20的各个构成部分之间、图像数据增广装置20与采样摄像头模组10之间以及图像数据增广装置20与图像处理器200之间的数据交换。例如,将获取请求发送给采样摄像头模组10并从该采样摄像头模组10接收原始图像数据集,以及将增广图像数据训练集发送给图像处理器200。
暂存部32用于暂时存储图像数据增广装置20的各个构成部分之间、图像数据增广装置20与采样摄像头模组10之间以及图像数据增广装置20与图像处理器200之间所交换的相关数据信息,包括数据集获取请求部22生成的获取请求、归一化部23得到的归一化图像、映射参数极值获取部25获取的最大映射参数值和最小映射参数值、映射参数中间值选取部26选取的中间映射参数值、映射参数集生成部27生成的映射参数集、映射部28得到的映射图像、以及从采样摄像头模组10接收到的原始图像数据集。
控制部33用于控制图像数据增广装置20中的各个构成部分的工作。
下面结合流程图来详细阐述图像数据增广装置20的动作过程。
图3是本发明的实施例一中图像数据增广装置的动作流程图。
如图4所示,在本实施例一中,图像数据增广装置20的动作流程包含如下步骤:
步骤S1-1,数据集获取请求部22生成获取原始图像数据集的获取请求,然后进入步骤S1-2。
步骤S1-2,通信部31将获取请求发送给采样摄像头模组10并从该采样摄像头模组10接收原始图像数据集,然后进入步骤S1-3。
步骤S1-3,归一化部23对原始图像数据集中的所有原始图像数据分别进行归一化处理得到归一化图像,然后进入步骤S1-4。
步骤S1-4,感兴趣区域选取部24从归一化图像中选定与输出图像的感兴趣区域相对应的区域作为增广感兴趣区域,然后进入步骤S1-5。
步骤S1-5,映射参数极值获取部25采用预设非线性映射方式对增广感兴趣区域进行映射实验获取分别与预设最小平均亮度值和预设最大平均亮度值相对应的最大映射参数值和最小映射参数值,然后进入步骤S1-6。
步骤S1-6,映射参数中间值选取部26在最小映射参数值和最大参数值之间均匀间隔地选取多个值作为中间映射参数值,然后进入步骤S1-7。
步骤S1-7,映射参数集生成部27生成由最小映射参数值、多个中间映射参数值、以及最大映射参数值构成的映射参数集,然后进入步骤S1-8。
步骤S1-8,映射部28采用预设非线性映射方式并基于映射参数集中的每一个映射参数值对归一化图像进行映射处理得到映射图像,然后进入步骤S1-9。
步骤S1-9,去归一化部29对映射图像进行去归一化处理得到去归一化图像,然后进入步骤S1-10。
步骤S1-10,一旦去归一化处理部29得到去归一化图像,训练集存储部30就将该去归一化图像作为增广图像数据进行存储,从而形成增广图像数据训练集,然后进入结束状态。
实施例一的作用与效果
根据本实施例一所涉及的面向多模组适配的近红外图像数据离线增广装置、系统及方法,因为归一化部对原始图像数据集中的所有原始图像数据分别进行归一化处理得到归一化图像,感兴趣区域选取部从归一化图像中选定与输出图像的感兴趣区域相对应的区域作为增广感兴趣区域,映射参数极值获取部采用预设非线性映射方式对增广感兴趣区域进行映射实验获取分别与预设最小平均亮度值和预设最大平均亮度值相对应的最大映射参数值和最小映射参数值,映射参数中间值选取部在最小映射参数值和最大参数值之间均匀间隔地选取多个值作为中间映射参数值,映射参数集生成部生成由最小映射参数值、多个中间映射参数值、以及最大映射参数值构成的映射参数集,映射部采用预设非线性映射方式并基于映射参数集中的每一个映射参数值对归一化图像进行映射处理得到映射图像,去归一化部对映射图像进行去归一化处理得到去归一化图像,一旦去归一化处理部得到去归一化图像,训练集存储部就将该去归一化图像作为增广图像数据进行存储从而形成增广图像数据训练集,所以,本实施例能够在无需重新采集图像数据的情况下,对现有一个摄像头模组的小样本原始图像数据集进行增广形成与更多个不同规格的摄像头模组相对应的增广图像数据训练集,来对图像处理器中的算法进行训练,使得图像处理器能够对不同的目标摄像头模组都具备良好的适配性,操作方便,且节约成本。
<实施例二>
与实施例一相比,实施例二对其中与实施例一具有同样结构的构成要素给予相同的符号,并省略相应的附图以及相同的说明。
图4是本发明的实施例二中面向多模组适配的近红外图像数据离线增广系统的结构框图。
如图4所示,在本实施例二中,面向多模组适配的近红外图像数据离线增广装置100包括多个采样摄像头模组10以及图像数据增广装置20。
多个采样摄像头模组10分别具有不同规格并且相互独立,每一个采样摄像头模组10分别具有唯一的摄像头模组识别码。
图像数据增广装置20通过通信网络40与多个采样摄像头模组10分别通信连接。
图5是本发明的实施例二中图像数据增广装置的动作流程图。
如图5所示,在本实施例二中,图像数据增广装置20的动作流程包括如下步骤:
步骤S2-1,数据集获取请求部22生成获取原始图像数据集的获取请求,然后进入步骤S2-2。
步骤S2-2,通信部31将获取请求分别发送给每一个采样摄像头模组并从采样摄像头模组接收对应的原始图像数据集,然后进入步骤S2-3。
步骤S2-3,归一化部23对每一个原始图像数据集中的所有原始图像数据分别进行归一化处理得到归一化图像,然后进入步骤S2-4。
步骤S2-4,感兴趣区域选取部24从归一化图像中选定与输出图像的感兴趣区域相对应的区域作为增广感兴趣区域,然后进入步骤S2-5。
步骤S2-5,映射参数极值获取部25采用预设非线性映射方式对增广感兴趣区域进行映射实验获取分别与预设最小平均亮度值和预设最大平均亮度值相对应的最大映射参数值和最小映射参数值,然后进入步骤S2-6。
步骤S2-6,映射参数中间值选取部26在最小映射参数值和最大参数值之间均匀间隔地选取多个值作为中间映射参数值,然后进入步骤S2-7。
步骤S2-7,映射参数集生成部27生成与原始图像数据集相对应的并且由最小映射参数值、多个中间映射参数值、以及最大映射参数值构成的映射参数集,然后进入步骤S2-8。
步骤S2-8,映射部28采用预设非线性映射方式并基于映射参数集中的每一个映射参数值对对应的归一化图像进行映射处理得到映射图像,然后进入步骤S2-9。
步骤S2-9,去归一化部29对映射图像进行去归一化处理得到去归一化图像,然后进入步骤S2-10。
步骤S2-10,一旦去归一化处理部29得到去归一化图像,训练集存储部30就将该去归一化图像作为增广图像数据进行存储,从而形成增广图像数据训练集,然后进入结束状态。
实施例二的作用与效果
在本实施例二中,因为采用多个采样摄像头模组捕获的多个原始图像数据集进行增广得到更多样本的增广图像数据训练集来对图像处理器中的算法进行训练,进一步提高了图像处理器对不同目标摄像头模组的适配性。
上述实施方式为本发明的优选案例,并不用来限制本发明的保护范围。
Claims (10)
1.一种面向多模组适配的近红外图像数据离线增广装置,与采样摄像头模组通信连接,用于对所述采样摄像头模组捕获的包含多个近红外图像数据作为原始图像数据的原始图像数据集进行增广得到作为对图像处理器进行训练的增广图像数据训练集,以使所述图像处理器适配更多个具有不同规格的目标摄像头模组,其特征在于,包括:
预设亮度存储部、数据集获取请求部、归一化部、感兴趣区域选取部、映射参数极值获取部、映射参数中间值选取部、映射参数集生成部、映射部、去归一化部、训练集存储部以及通信部,
其中,所述预设亮度存储部存储有所述目标摄像头模组的输出图像的感兴趣区域的预设最小平均亮度值和预设最大平均亮度值,
所述数据集获取请求部生成获取所述原始图像数据集的获取请求,
所述通信部将所述获取请求发送给所述采样摄像头模组并从该采样摄像头模组接收所述原始图像数据集,
所述归一化部对所述原始图像数据集中的所有所述原始图像数据分别进行归一化处理得到归一化图像,
所述感兴趣区域选取部从所述归一化图像中选定与所述输出图像的所述感兴趣区域相对应的区域作为增广感兴趣区域,
所述映射参数极值获取部采用预设非线性映射方式对所述增广感兴趣区域进行映射实验获取分别与所述预设最小平均亮度值和所述预设最大平均亮度值相对应的最大映射参数值和最小映射参数值,
所述映射参数中间值选取部在所述最小映射参数值和所述最大参数值之间均匀间隔地选取多个值作为中间映射参数值,
所述映射参数集生成部生成由所述最小映射参数值、多个所述中间映射参数值、以及所述最大映射参数值构成的映射参数集,
所述映射部采用所述预设非线性映射方式并基于所述映射参数集中的每一个映射参数值对所述归一化图像进行映射处理得到映射图像,
所述去归一化部对所述映射图像进行去归一化处理得到去归一化图像,
一旦所述去归一化处理部得到所述去归一化图像,所述训练集存储部就将该去归一化图像作为增广图像数据进行存储,从而形成所述增广图像数据训练集。
2.根据权利要求1所述的面向多模组适配的近红外图像数据离线增广装置,其特征在于:
其中,所述预设非线性映射方式为伽马映射。
3.根据权利要求1所述的面向多模组适配的近红外图像数据离线增广装置,其特征在于:
其中,所述预设最大平均亮度值和所述预设最大平均亮度值分别为120和160。
4.一种面向多模组适配的近红外图像数据离线增广装置,与至少两个具有不同规格的采样摄像头模组通信连接,用于对每一个所述采样摄像头模组捕获的包含多个近红外图像数据作为原始图像数据的原始图像数据集进行增广得到作为对图像处理器进行训练的增广图像数据训练集,以使所述图像处理器适配更多个具有不同规格的目标摄像头模组,其特征在于,包括:
预设亮度存储部、数据集获取请求部、归一化部、感兴趣区域选取部、映射参数极值获取部、映射参数中间值选取部、映射参数集生成部、映射部、去归一化部、训练集存储部以及通信部,
其中,所述预设亮度存储部存储有所述目标摄像头模组的输出图像的感兴趣区域的预设最小平均亮度值和预设最大平均亮度值,
所述数据集获取请求部生成获取所述原始图像数据集的获取请求,
所述通信部将所述获取请求分别发送给每一个所述采样摄像头模组并从所述采样摄像头模组接收对应的所述原始图像数据集,
所述归一化部对每一个所述原始图像数据集中的所有所述原始图像数据分别进行归一化处理得到归一化图像,
所述感兴趣区域选取部从所述归一化图像中选定与所述输出图像的所述感兴趣区域相对应的区域作为增广感兴趣区域,
所述映射参数极值获取部采用预设非线性映射方式对所述增广感兴趣区域进行映射实验获取分别与所述预设最小平均亮度值和所述预设最大平均亮度值相对应的最大映射参数值和最小映射参数值,
所述映射参数中间值选取部在所述最小映射参数值和所述最大参数值之间均匀间隔地选取多个值作为中间映射参数值,
所述映射参数集生成部生成与所述原始图像数据集相对应的并且由所述最小映射参数值、多个所述中间映射参数值、以及所述最大映射参数值构成的映射参数集,
所述映射部采用所述预设非线性映射方式并基于所述映射参数集中的每一个映射参数值对对应的所述归一化图像进行映射处理得到映射图像,
所述去归一化部对所述映射图像进行去归一化处理得到去归一化图像,
一旦所述去归一化处理部得到所述去归一化图像,所述训练集存储部就将该去归一化图像作为增广图像数据进行存储,从而形成所述增广图像数据训练集。
5.根据权利要求4所述的面向多模组适配的近红外图像数据离线增广装置,其特征在于:
其中,所述预设非线性映射方式为伽马映射。
6.根据权利要求4所述的面向多模组适配的近红外图像数据离线增广装置,其特征在于:
其中,所述预设最大平均亮度值和所述预设最大平均亮度值分别为120和160。
7.一种面向多模组适配的近红外图像数据离线增广系统,与图像处理器通信连接,其特征在于,包括:
采样摄像头模组,用于捕获包含多个近红外图像数据作为原始图像数据的原始图像数据集;以及
图像数据增广装置,与所述采样摄像头模组通信连接,用于对所述原始图像数据集进行增广得到作为对所述图像处理器进行训练的增广图像数据训练集,以使所述图像处理器适配更多个具有不同规格的目标摄像头模组,
其中,所述图像数据增广装置为权利要求1-3中任意一项所述的面向多模组适配的近红外图像数据离线增广装置。
8.一种面向多模组适配的近红外图像数据离线增广系统,与图像处理器通信连接,其特征在于,包括:
至少两个具有不同规格的采样摄像头模组,分别用于捕获包含多个近红外图像数据作为原始图像数据的原始图像数据集,每一个所述采样摄像头模组具有唯一的摄像头模组识别码;以及
图像数据增广装置,与至少两个所述采样摄像头模组分别通信连接,用于对每一个所述采样摄像头模组捕获的所述原始图像数据集进行增广得到作为对图像处理器进行训练的增广图像数据训练集,以使所述图像处理器适配更多个具有不同规格的目标摄像头模组,
其中,所述图像数据增广装置为权利要求4-6中任意一项所述的面向多模组适配的近红外图像数据离线增广装置。
9.一种面向多模组适配的近红外图像数据离线增广方法,用于对采样摄像头模组捕获的包含多个近红外图像数据作为原始图像数据的原始图像数据集进行增广得到作为对图像处理器进行训练的增广图像数据训练集,以使所述图像处理器适配更多个具有不同规格的目标摄像头模组,其特征在于,包括:
生成获取所述原始图像数据集的获取请求,
将所述获取请求发送给所述采样摄像头模组并从该采样摄像头模组接收所述原始图像数据集,
对所述原始图像数据集中的所有所述原始图像数据分别进行归一化处理得到归一化图像,
从所述归一化图像中选定与所述目标摄像头模组的输出图像的所述感兴趣区域相对应的区域作为增广感兴趣区域,
采用预设非线性映射方式对所述增广感兴趣区域进行映射实验获取分别与所述输出图像的所述感兴趣区域的预设最小平均亮度值和预设最大平均亮度值相对应的最大映射参数值和最小映射参数值,
在所述最小映射参数值和所述最大参数值之间均匀间隔地选取多个值作为中间映射参数值,
生成由所述最小映射参数值、多个所述中间映射参数值、以及所述最大映射参数值构成的映射参数集,
采用所述预设非线性映射方式并基于所述映射参数集中的每一个映射参数值对所述归一化图像进行映射处理得到映射图像,
对所述映射图像进行去归一化处理得到去归一化图像,
一旦得到所述去归一化图像,就将该去归一化图像作为增广图像数据进行存储,从而形成所述增广图像数据训练集。
10.一种面向多模组适配的近红外图像数据离线增广方法,用于对至少两个具有不同规格的采样摄像头模组分别捕获的包含多个近红外图像数据作为原始图像数据的原始图像数据集进行增广得到作为对图像处理器进行训练的增广图像数据训练集,以使所述图像处理器适配更多个具有不同规格的目标摄像头模组,其特征在于,包括:
生成获取所述原始图像数据集的获取请求,
将所述获取请求分别发送给每一个所述采样摄像头模组并从所述采样摄像头模组接收对应的所述原始图像数据集,
对每一个所述原始图像数据集中的所有所述原始图像数据分别进行归一化处理得到归一化图像,
从所述归一化图像中选定与所述目标摄像头模组的输出图像的所述感兴趣区域相对应的区域作为增广感兴趣区域,
采用预设非线性映射方式对所述增广感兴趣区域进行映射实验获取分别与所述输出图像的所述感兴趣区域的预设最小平均亮度值和预设最大平均亮度值相对应的最大映射参数值和最小映射参数值,
在所述最小映射参数值和所述最大参数值之间均匀间隔地选取多个值作为中间映射参数值,
生成与所述原始图像数据集相对应的并且由所述最小映射参数值、多个所述中间映射参数值、以及所述最大映射参数值构成的映射参数集,
采用所述预设非线性映射方式并基于所述映射参数集中的每一个映射参数值对对应的所述归一化图像进行映射处理得到映射图像,
对所述映射图像进行去归一化处理得到去归一化图像,
一旦得到所述去归一化图像,就将该去归一化图像作为增广图像数据进行存储,从而形成所述增广图像数据训练集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011188560.6A CN112215202B (zh) | 2020-10-30 | 2020-10-30 | 近红外图像数据离线增广装置、系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011188560.6A CN112215202B (zh) | 2020-10-30 | 2020-10-30 | 近红外图像数据离线增广装置、系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112215202A true CN112215202A (zh) | 2021-01-12 |
CN112215202B CN112215202B (zh) | 2023-06-30 |
Family
ID=74057669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011188560.6A Active CN112215202B (zh) | 2020-10-30 | 2020-10-30 | 近红外图像数据离线增广装置、系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112215202B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130129214A1 (en) * | 2010-08-04 | 2013-05-23 | Nec Corporation | Image processing method, image processing apparatus, and image processing program |
CN108256473A (zh) * | 2018-01-17 | 2018-07-06 | 北京绽放时代科技有限公司 | 用于数据扩增的方法、装置和系统、计算机可读存储介质 |
CN110598765A (zh) * | 2019-08-28 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 样本生成方法、装置、计算机设备及存储介质 |
US20200160105A1 (en) * | 2018-11-15 | 2020-05-21 | Toyota Research Institute, Inc. | System and method for generating training data from synthetic images |
CN111507389A (zh) * | 2020-04-10 | 2020-08-07 | 上海眼控科技股份有限公司 | 一种用于天空云量探测的UNet分割网络的训练方法与设备 |
CN111539467A (zh) * | 2020-04-17 | 2020-08-14 | 北京工业大学 | 基于生成对抗网络为医疗影像数据集做数据增广的gan网络架构及方法 |
CN111683269A (zh) * | 2020-06-12 | 2020-09-18 | 腾讯科技(深圳)有限公司 | 视频处理方法、装置、计算机设备和存储介质 |
-
2020
- 2020-10-30 CN CN202011188560.6A patent/CN112215202B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130129214A1 (en) * | 2010-08-04 | 2013-05-23 | Nec Corporation | Image processing method, image processing apparatus, and image processing program |
CN108256473A (zh) * | 2018-01-17 | 2018-07-06 | 北京绽放时代科技有限公司 | 用于数据扩增的方法、装置和系统、计算机可读存储介质 |
US20200160105A1 (en) * | 2018-11-15 | 2020-05-21 | Toyota Research Institute, Inc. | System and method for generating training data from synthetic images |
CN110598765A (zh) * | 2019-08-28 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 样本生成方法、装置、计算机设备及存储介质 |
CN111507389A (zh) * | 2020-04-10 | 2020-08-07 | 上海眼控科技股份有限公司 | 一种用于天空云量探测的UNet分割网络的训练方法与设备 |
CN111539467A (zh) * | 2020-04-17 | 2020-08-14 | 北京工业大学 | 基于生成对抗网络为医疗影像数据集做数据增广的gan网络架构及方法 |
CN111683269A (zh) * | 2020-06-12 | 2020-09-18 | 腾讯科技(深圳)有限公司 | 视频处理方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
唐超颖;: "一种基于近红外-可见光映射的快捷静脉提取算法", 东南大学学报(自然科学版), no. 01 * |
Also Published As
Publication number | Publication date |
---|---|
CN112215202B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7949185B2 (en) | Method of performing robust auto white balance | |
US8199384B2 (en) | Method of compensating the color tone differences between two images of the same scene | |
US8164647B2 (en) | Image pickup apparatus and its light source estimating apparatus | |
CN102098410B (zh) | 信息处理设备和方法及包括光学显微镜的成像设备 | |
CN101839979A (zh) | 作物冠层植被指数测量方法及装置 | |
CN105635593A (zh) | 多重曝光成像系统及其白平衡方法 | |
CN104246820A (zh) | 个人认证方法以及个人认证装置 | |
CN109215042B (zh) | 一种基于计算机视觉的光伏电池板热斑效应检测系统及其计算方法 | |
CN101631200A (zh) | 图像处理设备和图像处理方法 | |
CN108897786A (zh) | 应用程序的推荐方法、装置、存储介质及移动终端 | |
CN111885312B (zh) | Hdr图像的成像方法、系统、电子设备及存储介质 | |
JP2010506169A (ja) | コーティング外観の測定方法およびその使用 | |
US20100302399A1 (en) | High linear dynamic range imaging | |
CN110686783A (zh) | 一种InGaAs短波红外成像仪的盲元检测方法及图像处理方法 | |
CN112308758B (zh) | 近红外图像数据在线增广装置、系统及方法 | |
CN104406697A (zh) | 红外焦平面阵列校正方法 | |
CN112215202B (zh) | 近红外图像数据离线增广装置、系统及方法 | |
KR20220060966A (ko) | 센서를 통한 자동 화이트 밸런스를 위한 데이터 사전-처리 | |
KR102277005B1 (ko) | 비지도 학습을 이용한 저조도 영상 처리 방법 및 장치 | |
CN106454274B (zh) | 一种适应特殊环境的监视摄像机系统 | |
CN109798982A (zh) | 一种无挡片热像仪及其测温矫正算法 | |
CN115937031A (zh) | 一种针对低光照图像的增强方法 | |
CN102318333A (zh) | 图像处理装置、方法以及程序 | |
US10970509B1 (en) | Fingerprint recognition apparatus | |
CN108647620B (zh) | 一种基于伽马变换的韦伯人脸的光照归一化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240327 Address after: 201600 6 6, Si brick road, Si Jing Town, Songjiang District, Shanghai Patentee after: Zhiyin Education Technology (Shanghai) Co.,Ltd. Country or region after: China Address before: Room 352, 2nd floor, building 1, 333 Hongqiao Road, Xuhui District, Shanghai 200030 Patentee before: Shanghai heermeng Intelligent Technology Co.,Ltd. Country or region before: China |