CN112465932A - 一种图像填充方法、装置、设备及存储介质 - Google Patents

一种图像填充方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112465932A
CN112465932A CN202011455358.5A CN202011455358A CN112465932A CN 112465932 A CN112465932 A CN 112465932A CN 202011455358 A CN202011455358 A CN 202011455358A CN 112465932 A CN112465932 A CN 112465932A
Authority
CN
China
Prior art keywords
data
filling
image
edge
filled
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.)
Pending
Application number
CN202011455358.5A
Other languages
English (en)
Inventor
谈咏东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Eye Control Technology Co Ltd
Original Assignee
Shanghai Eye Control Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Eye Control Technology Co Ltd filed Critical Shanghai Eye Control Technology Co Ltd
Priority to CN202011455358.5A priority Critical patent/CN112465932A/zh
Publication of CN112465932A publication Critical patent/CN112465932A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例公开了一种图像填充方法、装置、设备及存储介质。其中，该方法包括：获取待填充图像的边缘数据；采用预设填充方式根据所述边缘数据在所述待填充图像的外侧增加填充行数据和填充列数据，得到目标图像，所述目标图像用于输入至卷积层中进行卷积运算。本发明实施例提供的技术方案，改进了现有的图像填充方式，填充数据与图像相关性更强，更加接近于真实值，使得填充后的目标图像经过卷积运算后得到结果更加准确，从而在特征提取过程中能更好的将图像的低维特征转换为高维特征。

Description

一种图像填充方法、装置、设备及存储介质
技术领域
本发明实施例涉及数据填充技术，尤其涉及一种图像填充方法、装置、设备及存储介质。
背景技术
卷积神经网络是应用较为广泛的深度学习网络之一。卷积神经网络在进行卷积运算时，有两个缺点：每次卷积运算之后，特征图都会变小；特征图边缘的像素对输出特征图的影响较小。
针对以上缺点，为了实现卷积运算之后特征图大小不变和增强边缘数据对输出特征图的影响，通常需要对特征图进行填充，常用的填充方式为全零填充和全一填充。
但是全零填充和全一填充这两种填充方式填充的像素值与图像本身的相关性不大，在特征提取过程中不利于将低维特征转换为高维特征。
发明内容
本发明实施例提供了一种图像填充方法、装置、设备及存储介质，改进了现有的图像填充方式，填充数据与图像相关性更强，更加接近于真实值，使得填充后的目标图像经过卷积运算后得到结果更加准确，从而在特征提取过程中能更好的将图像的低维特征转换为高维特征。
第一方面，本发明实施例提供了一种图像填充方法，该方法包括：
获取待填充图像的边缘数据；
采用预设填充方式根据所述边缘数据在所述待填充图像的外侧增加填充行数据和填充列数据，得到目标图像，其中，所述目标图像用于输入至卷积层中进行卷积运算。
第二方面，本发明实施例提供了一种图像填充装置，该装置包括：
边缘数据获取模块，用于获取待填充图像的边缘数据；
目标图像确定模块，用于采用预设填充方式根据所述边缘数据在所述待填充图像的外侧增加填充行数据和填充列数据，得到目标图像，其中，所述目标图像用于输入至卷积层中进行卷积运算。
第三方面，本发明实施例提供了一种计算机设备，该计算机设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所述的图像填充方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所述的图像填充方法。
本发明实施例提供了一种图像填充方法、装置、设备及存储介质，首先获取待填充图像的边缘数据，然后采用预设填充方式根据边缘数据在待填充图像的外侧增加填充行数据和填充列数据，得到目标图像，目标图像用于输入至卷积层中进行卷积运算，通过采用上述技术方案，改进了现有的图像填充方式，填充数据与图像相关性更强，更加接近于真实值，使得填充后的目标图像经过卷积运算后得到结果更加准确，从而在特征提取过程中能更好的将图像的低维特征转换为高维特征。
附图说明
图1为本发明实施例一提供的一种图像填充方法的流程图；
图2为本发明实施例二提供的一种图像填充方法的流程图；
图3A为本发明实施例三提供的一种图像填充方法的流程图；
图3B为本发明实施例三提供的方法中待填充图像的示意图；
图3C为本发明实施例三提供的方法中第一图像的示意图；
图3D为本发明实施例三提供的方法中目标图像的示意图；
图4为本发明实施例四提供的一种图像填充装置的结构示意图；
图5为本发明实施例五提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种图像填充方法的流程图，本实施例可适用于对输入至卷积层中进行卷积运算的图像进行填充的情况。本实施例提供的图像填充方法可以由本发明实施例提供的图像填充装置来执行，该装置可以通过软件和/或硬件的方式实现，并集成在执行本方法的计算机设备中。
参见图1，本实施例的方法包括但不限于如下步骤：
S110，获取待填充图像的边缘数据。
卷积神经网络在进行卷积运算时，由于每次卷积运算之后，特征图都会变小，为了避免出现由于特征图太小而无法进行卷积运算的情况，可以预先对需要进行卷积运算的图像进行图像填充。在对图像进行填充时，由于图像边缘的数据(即像素值)对进行卷积运算时得到的特征图影响较小，因此可以获取待填充图像的边缘数据，以便后续采用预设填充方式根据边缘数据在待填充图像的外侧增加填充行数据和填充列数据，得到目标图像。
S120，采用预设填充方式根据所述边缘数据在所述待填充图像的外侧增加填充行数据和填充列数据，得到目标图像。
其中，所述目标图像用于输入至卷积层中进行卷积运算。预设填充方式可以为预先设计好的填充方法，例如将待填充图像的边缘数据增加至待填充图像的外侧等。
在获取待填充图像的边缘数据之后，可以采用预设填充方式根据获取到的边缘数据在待填充图像的外侧(即待填充图像的上边缘、下边缘、左边缘以及右边缘)，增加填充行数据和填充列数据，得到目标图像。
本实施例提供的技术方案，首先获取待填充图像的边缘数据，然后采用预设填充方式根据边缘数据在待填充图像的外侧增加填充行数据和填充列数据，得到目标图像，目标图像用于输入至卷积层中进行卷积运算，通过采用上述技术方案，改进了现有的图像填充方式，填充数据与图像相关性更强，更加接近于真实值，使得填充后的目标图像经过卷积运算后得到结果更加准确，从而在特征提取过程中能更好的将图像的低维特征转换为高维特征。
在上述实施例的基础上，在得到目标图像之后，还可将目标图像输入至卷积层中，目标图像在经过卷积运算和非线性变化等操作之后能够得到一张特征图，对特征图继续使用本发明实施例的图像填充方法进行填充，然后再输入至卷积单元，进行卷积运算，非线性变化，重复上述步骤多次(具体次数可以由模型中包含的卷积层的数量具体定)，最终输出的特征图为既定大小。
实施例二
图2为本发明实施例二提供的一种图像填充方法的流程图。本发明实施例是在上述实施例的基础上进行优化。可选的，本实施例对获取待填充图像的边缘数据的过程进行详细的解释说明。
参见图2，本实施例的方法包括但不限于如下步骤：
S210，根据目标图像对应的目标尺寸、待填充图像对应的原始尺寸和待输入的卷积层对应的卷积核大小以及步长确定待填充的目标行数和目标列数。
根据目标图像对应的目标尺寸(即目标图像的长度和宽度)、待填充图像对应的原始尺寸(即待填充图像的长度和宽度)和待输入的卷积层对应的卷积核大小(预先设定好的)以及步长(预先设定好的)可以确定出待填充的目标行数和目标列数，待填充的目标行数具体可以通过下式计算得到：
Figure BDA0002828542470000051
其中，Hout表示目标图像的长度，Hin表示待填充图像的长度，K表示卷积核大小，X表示待填充的目标行数，S表示步长，[]表示取整运算。
待填充的目标列数具体可以通过下式计算得到：
Figure BDA0002828542470000061
其中，Wout表示目标图像的宽度，Win表示待填充图像的宽度，K表示卷积核大小，Y表示待填充的目标列数，S表示步长，[]表示取整运算。
需要说明的是，X和Y既可以是奇数也可以是偶数。
S220，根据所述目标行数和所述目标列数获取所述待填充图像中相应的边缘数据。
在确定好待填充的目标行数和目标列数之后，可以根据确定的目标行数和目标列数获取待填充图像中相应的边缘数据，例如目标行数是两行，则获取待填充图像中相应的两行边缘数据，目标列数是两列，则获取待填充图像中相应的两列边缘数据。
S230，采用预设填充方式根据所述边缘数据在所述待填充图像的外侧增加填充行数据和填充列数据，得到目标图像。
本实施例提供的技术方案，首先根据目标图像对应的目标尺寸、待填充图像对应的原始尺寸和待输入的卷积层对应的卷积核大小以及步长确定待填充的目标行数和目标列数，然后根据目标行数和目标列数获取待填充图像中相应的边缘数据，最后采用预设填充方式根据边缘数据在待填充图像的外侧增加填充行数据和填充列数据，得到目标图像，通过先确定目标行数和目标列数再获取相应的边缘数据，改进了现有的图像填充方式，填充数据与图像相关性更强，更加接近于真实值，使得填充后的目标图像经过卷积运算后得到结果更加准确，从而在特征提取过程中能更好的将图像的低维特征转换为高维特征。
实施例三
图3A为本发明实施例三提供的一种图像填充方法的流程图。本发明实施例是在上述实施例的基础上进行优化。可选的，本实施例对采用预设填充方式根据边缘数据在待填充图像的外侧增加填充行数据和填充列数据的过程进行详细的解释说明。
参考图3A，本实施例的方法包括但不限于如下步骤：
S310，根据目标图像对应的目标尺寸、待填充图像对应的原始尺寸和待输入的卷积层对应的卷积核大小以及步长确定待填充的目标行数和目标列数。
S320，根据所述目标行数和所述目标列数获取所述待填充图像中相应的边缘数据。
S330，针对所述待填充图像，采用预设填充方式根据所述边缘数据分别在上边缘增加第一填充行数据、在下边缘增加第二填充行数据、在左边缘增加第一填充列数据以及在右边缘增加第二填充列数据。
其中，所述第一填充行数据和所述第二填充行数据对应的行数均为所述目标行数的一半，所述第一填充列数据和所述第二填充列数据对应的列数均为所述目标列数的一半。
具体的，对于待填充图像，采用预预先设计好的填充方法根据边缘数据分别在上边缘增加行数为目标行数一半的第一填充行数据、在下边缘增加行数为目标行数一半的第二填充行数据、在左边缘增加列数为目标列数一半的第一填充列数据以及在右边缘增加列数为目标列数一半的第二填充列数据，由此就将待填充图像填充好，得到目标图像。
可选的，所述待填充图像为雷达图时，所述预设填充方式包括第一填充方式，所述第一填充方式为先增加填充行数据再增加填充列数据；相应的，所述针对所述待填充图像，采用预设填充方式根据所述边缘数据分别在上边缘增加第一填充行数据、在下边缘增加第二填充行数据、在左边缘增加第一填充列数据以及在右边缘增加第二填充列数据，可以具体包括：针对所述待填充图像，将所述边缘数据中的下边缘行数据作为第一填充行数据增加至上边缘，将所述边缘数据中的上边缘行数据作为第二填充行数据增加至下边缘，得到第一图像；针对所述第一图像，将所述第一图像的左边缘列数据上下翻转作为第一填充列数据增加至左边缘，将所述第一图像的右边缘列数据上下翻转作为第二填充列数据增加至右边缘。
具体的，先增加填充行数据，即针对待填充图像(即雷达图)，根据雷达图是由同一雷达旋转不同角度测得数据拼接而成和雷达图上边缘的数据为雷达旋转上下翻转接近360°测得的数据的特点，将边缘数据中的下边缘行数据作为第一填充行数据增加至上边缘，根据雷达图下边缘的数据为雷达旋转接近0°测得的数据的特点，将边缘数据中的上边缘行数据作为第二填充行数据增加至下边缘，得到第一图像。再增加填充列数据，即针对第一图像，根据雷达图左边缘的数据为距离雷达接近0米测得的数据的特点，将第一图像的左边缘列数据上下翻转作为第一填充列数据增加至左边缘，以及根据雷达图右边缘的数据为距离雷达接近雷达X米(X代表雷达有效测量)范围测得的数据的特点，将第一图像的右边缘列数据上下翻转作为第二填充列数据增加至右边缘，由此可以得到目标图像。
示例性的，下面对上述的第一填充方式进行说明，图3B为本发明实施例三提供的方法中待填充图像的示意图，如图3B所示：
已知待填充图像对应的原始尺寸为7×7，目标图像对应的目标尺寸为9×9，卷积核大小为3×3，步长为1，根据S310可得待填充的目标行数为两行和目标列数为两列，图3B中列出了四个角的数据，即第一行第一列的数据a11，第一行第七列的数据a17，第七行第一列的数据a71，第七行第七列的数据a77。根据S320获取待填充图像中相应的边缘数据，即第一行的数据(a11，···，a17)为待填充图像的上边缘行数据，第七行的数据(a71，···，a77)作为待填充图像的下边缘行数据，第一列的数据(a11，···，a71)为待填充图像的左边缘列数据，第七列的数据(a17···，a77)为待填充图像的右边缘列数据。
图3C为本发明实施例三提供的方法中第一图像的示意图，如图3C所示：将待填充图像的下边缘行数据(a71，···，a77)作为第一填充行数据增加至待填充图像的上边缘，将待填充图像的边缘数据中的上边缘行数据(a11，···，a17)作为第二填充行数据增加至待填充图像的下边缘，得到第一图像。
图3D为本发明实施例三提供的方法中目标图像的示意图，如图3D所示：针对第一图像，将第一图像的左边缘列数据(即第一图像的第一列数据，a71，a11，···a71，a11)上下翻转作为第一填充列数据增加至第一图像的左边缘，将第一图像的右边缘列数据(即第一图像的第七列数据，a77，a17，···，a77，a17)上下翻转作为第二填充列数据增加至第一图像的右边缘，得到目标图像。
本发明实施例根据第一填充方式对雷达图进行填充，得到的目标图像填充数据与图像相关性更强，填充结果也更准确。
可选的，所述待填充图像为普通图像，所述预设填充方式为第一填充方式时，相应的，所述针对所述待填充图像，采用预设填充方式根据所述边缘数据分别在上边缘增加第一填充行数据、在下边缘增加第二填充行数据、在左边缘增加第一填充列数据以及在右边缘增加第二填充列数据，可以具体包括：针对待填充图像，将边缘数据中的上边缘行数据作为第一填充行数据增加至上边缘，将边缘数据中的下边缘行数据作为第二填充行数据增加至下边缘，得到第三图像；针对第三图像，将第三图像的左边缘列数据作为第一填充列数据增加至左边缘，将第三图像的右边缘列数据作为第二填充列数据增加至右边缘。
本发明实施例根据第一填充方式对普通图像进行填充，所得到的目标图像填充数据与图像相关性更强，相比于现有技术中的全零填充和全一填充，本发明中的填充结果更为准确。
进一步的，所述待填充图像为雷达图，所述预设填充方式为第一填充方式时，若所述目标行数的一半是多行，则所述第一填充行数据的上下排列顺序与所述待填充图像下边缘行数据的上下排列顺序相反，所述第二填充行数据的上下排列顺序与所述待填充图像上边缘行数据的上下排列顺序相反；若所述目标列数的一半是多列，则所述第一填充列数据的左右排列顺序为所述第一图像的左边缘列数据的左右排列顺序，所述第二填充列数据的排列顺序为所述第一图像的右边缘列数据的左右排列顺序。
具体的，待填充图像为雷达图，预设填充方式为第一填充方式时，若目标行数的一半是多行，假设有两行，则说明要在待填充图像的上边缘增加两行数据和在待填充图像的下边缘增加两行数据，此时上边缘增加的两行数据的上下排列顺序与待填充图像下边缘两行数据的上下排列顺序相反，即待填充图像最后一行数据为第一图像的第一行数据，待填充图像倒数第二行数据为第一图像的第二行数据；下边缘增加的两行数据的上下排列顺序与待填充图像上边缘两行数据的上下排列顺序相反，即待填充图像的第一行数据为第一图像的最后一行数据，待填充图像第二行数据为第一图像的倒数第二行数据；若目标列数的一半是多列，假设有两列，则说明要在第一图像的左边缘增加两列数据和在第一图像的右边缘增加两列数据，则第一填充列数据的左右排列顺序为第一图像的左边两列数据的左右排列顺序，即第一图像的左边第一列数据上下翻转后得到的数据为目标图像的第一列数据，第一图像的左边第二列数据上下翻转后得到的数据为目标图像的第二列数据；第二填充列数据的左右排列顺序为第一图像的右边两列数据的左右排列顺序，即第一图像倒数第二列数据上下翻转后得到的数据为目标图像的倒数二列数据，第一图像的最后一列数据上下翻转后得到的数据为目标图像的最后一列数据。
本发明实施例对雷达图的第一填充方式，在目标行数的一半是多行和目标列数的一半是多列时，对第一填充行数据、第二填充行数据、第一填充列数据以及第二填充列数据进行排序，使得原来的边缘数据在填充之后仍为边缘数据，由此填充结果也更为准确。
需要说明的是，待填充图像为普通图像，预设填充方式为第一填充方式时，若目标行数的一半是多行，本发明实施例对第一填充行数据和第二填充行数据的上下排列顺序不做具体限制，若目标列数的一半是多列，本发明实施例对第一填充列数据和第二填充列数据的左右排列顺序不做具体限制。
可选的，所述待填充图像为雷达图时，所述预设填充方式包括第二填充方式，所述第二填充方式为先增加填充列数据再增加填充行数据；相应的，所述针对所述待填充图像，采用预设填充方式根据所述边缘数据分别在上边缘增加第一填充行数据、在下边缘增加第二填充行数据、在左边缘增加第一填充列数据以及在右边缘增加第二填充列数据，可以具体包括：针对所述待填充图像，将所述边缘数据中的左边缘列数据上下翻转作为第一填充列数据增加至左边缘，将所述边缘数据中的右边缘列数据上下翻转作为第二填充列数据增加至右边缘，得到第二图像；针对所述第二图像，将所述第二图像的下边缘行数据作为第一填充行数据增加至上边缘，将所述第二图像的上边缘行数据作为第二填充行数据增加至下边缘。
具体的，先增加填充列数据，即针对待填充图像(即雷达图)，根据雷达图是由同一雷达旋转不同角度测得数据拼接而成和雷达图左边缘的数据为距离雷达接近0米测得的数据的特点，将边缘数据中的左边缘列数据上下翻转作为第一填充列数据增加至左边缘，以及根据雷达图右边缘的数据为距离雷达接近雷达X米(X代表雷达有效测量)范围测得的数据的特点，将边缘数据中的右边缘列数据上下翻转作为第二填充列数据增加至右边缘，得到第二图像。再增加填充行数据，根据雷达图上边缘的数据为雷达旋转接近360°测得的数据的特点，将第二图像的下边缘行数据作为第一填充行数据增加至上边缘，根据雷达图下边缘的数据为雷达上下翻转接近0°测得的数据的特点，将第二图像的上边缘行数据作为第二填充行数据增加至下边缘，得到目标图像。
本发明实施例根据第二填充方式对雷达图进行填充，得到的目标图像填充数据与图像相关性更强，填充结果也更准确。
可选的，所述待填充图像为普通图像，所述预设填充方式为第二填充方式时，相应的，所述针对所述待填充图像，采用预设填充方式根据所述边缘数据分别在上边缘增加第一填充行数据、在下边缘增加第二填充行数据、在左边缘增加第一填充列数据以及在右边缘增加第二填充列数据，可以具体包括：针对待填充图像，将边缘数据中的左边缘列数据作为第一填充列数据增加至左边缘，将边缘数据中的右边缘列数据作为第二填充列数据增加至右边缘，得到第四图像；针对第四图像，将第四图像的上边缘行数据作为第一填充行数据增加至上边缘，将第四图像的下边缘行数据作为第二填充行数据增加至下边缘。
本发明实施例根据第二填充方式对普通图像进行填充，所得到的目标图像填充数据与图像相关性更强，相比于现有技术中的全零填充和全一填充，本发明中的填充结果更为准确。
进一步的，所述待填充图像为雷达图，所述预设填充方式为第二填充方式时，若所述目标行数的一半是多行，则所述第一填充行数据的上下排列顺序与所述第二图像的下边缘行数据的排列顺序相反，所述第二填充行数据的上下排列顺序与所述第二图像的上边缘行数据的上下排列顺序相反；若所述目标列数的一半是多列，则所述第一填充列数据的左右排列顺序为所述待填充图像的左边缘列数据的左右排列顺序，所述第二填充列数据的左右排列顺序为所述待填充图像的右边缘列数据的左右排列顺序。
具体的，待填充图像为雷达图，预设填充方式为第二填充方式时，若目标行数的一半是多行时，假设有两行，则说明要在第二图像的上边缘增加两行数据和在第二图像的下边缘增加两行数据，此时第二图像上边缘增加的两行数据的上下排列顺序与第二图像下边缘最后两行数据的上下排列顺序相反，即第二图像最后一行数据为目标图像的第一行数据，第二图像倒数第二行数据为目标图像的第二行数据；第二图像下边缘增加的两行数据的上下排列顺序与第二图像上边缘前两行数据的上下排列顺序相反，即第二图像的第一行数据为目标图像的最后一行数据，第二图像第二行数据为目标图像的倒数第二行数据；若目标列数的一半是多列，假设有两列，则说明要在待填充图像的左边缘增加两列数据和在待填充图像的右边缘增加两列数据，则第一填充列数据的左右排列顺序为待填充图像的左边两列数据的左右排列顺序，即待填充图像的左边第一列数据上下翻转后得到的数据为第二图像的第一列数据，待填充图像的左边第二列数据上下翻转后得到的数据为第二图像的第二列数据；第二填充列数据的左右排列顺序为待填充图像的右边两列数据的左右排列顺序，即待填充图像的倒数第二列数据上下翻转后得到的数据为第二图像的倒数第二列数据，待填充图像的最后一列数据上下翻转后得到的数据为第二图像的最后一列数据。
本发明实施例对雷达图的第二填充方式，在目标行数的一半是多行和目标列数的一半是多列时，对第一填充行数据、第二填充行数据、第一填充列数据以及第二填充列数据进行排序，使得原来的边缘数据在填充之后仍为边缘数据，由此填充结果也更为准确。
需要说明的是，待填充图像为普通图像，预设填充方式为第二填充方式时，若目标行数的一半是多行，本发明实施例对第一填充行数据和第二填充行数据的上下排列顺序不做具体限制，若目标列数的一半是多列，本发明实施例对第一填充列数据和第二填充列数据的左右排列顺序不做具体限制。
本实施例提供的技术方案，首先根据目标图像对应的目标尺寸、待填充图像对应的原始尺寸和待输入的卷积层对应的卷积核大小以及步长确定待填充的目标行数和目标列数，然后根据目标行数和目标列数获取待填充图像中相应的边缘数据，最后针对待填充图像，采用预设填充方式根据边缘数据分别在上边缘增加第一填充行数据、在下边缘增加第二填充行数据、在左边缘增加第一填充列数据以及在右边缘增加第二填充列数据，在目标行数的一半是多行和目标列数的一半是多列时，对填充的数据进行排序，改进了现有的图像填充方式，使得填充的数据更接近真实值，从而在进行卷积运算时得到的结果更加准确，特征提取过程中能更好的将图像的低维特征转换为高维特征。
实施例四
图4为本发明实施例四提供的一种图像填充装置的结构示意图，如图4所示，该装置可以包括：
边缘数据获取模块410，用于获取待填充图像的边缘数据；
目标图像确定模块420，用于采用预设填充方式根据所述边缘数据在所述待填充图像的外侧增加填充行数据和填充列数据，得到目标图像，其中，所述目标图像用于输入至卷积层中进行卷积运算。
本实施例提供的技术方案，首先获取待填充图像的边缘数据，然后采用预设填充方式根据边缘数据在待填充图像的外侧增加填充行数据和填充列数据，得到目标图像，目标图像用于输入至卷积层中进行卷积运算，通过采用上述技术方案，改进了现有的图像填充方式，填充数据与图像相关性更强，更加接近于真实值，使得填充后的目标图像经过卷积运算后得到结果更加准确，从而在特征提取过程中能更好的将图像的低维特征转换为高维特征。
进一步的，上述边缘数据获取模块410，可以具体用于：
根据目标图像对应的目标尺寸、待填充图像对应的原始尺寸和待输入的卷积层对应的卷积核大小以及步长确定待填充的目标行数和目标列数；
根据所述目标行数和所述目标列数获取所述待填充图像中相应的边缘数据。
进一步的，上述目标图像确定模块420，可以包括：
数据增加单元，用于针对所述待填充图像，采用预设填充方式根据所述边缘数据分别在上边缘增加第一填充行数据、在下边缘增加第二填充行数据、在左边缘增加第一填充列数据以及在右边缘增加第二填充列数据，其中，所述第一填充行数据和所述第二填充行数据对应的行数均为所述目标行数的一半，所述第一填充列数据和所述第二填充列数据对应的列数均为所述目标列数的一半。
进一步的，所述待填充图像为雷达图时，所述预设填充方式包括第一填充方式，所述第一填充方式为先增加填充行数据再增加填充列数据；
相应的，所述数据增加单元，可以具体用于：
针对所述待填充图像，将所述边缘数据中的下边缘行数据作为第一填充行数据增加至上边缘，将所述边缘数据中的上边缘行数据作为第二填充行数据增加至下边缘，得到第一图像；
针对所述第一图像，将所述第一图像的左边缘列数据上下翻转作为第一填充列数据增加至左边缘，将所述第一图像的右边缘列数据上下翻转作为第二填充列数据增加至右边缘。
进一步的，所述待填充图像为雷达图时，所述预设填充方式包括第二填充方式，所述第二填充方式为先增加填充列数据再增加填充行数据；
相应的，所述数据增加单元，可以具体用于：
针对所述待填充图像，将所述边缘数据中的左边缘列数据上下翻转作为第一填充列数据增加至左边缘，将所述边缘数据中的右边缘列数据上下翻转作为第二填充列数据增加至右边缘，得到第二图像；
针对所述第二图像，将所述第二图像的下边缘行数据作为第一填充行数据增加至上边缘，将所述第二图像的上边缘行数据作为第二填充行数据增加至下边缘。
进一步的，所述待填充图像为雷达图，所述预设填充方式为第一填充方式时，
若所述目标行数的一半是多行，则所述第一填充行数据的上下排列顺序与所述待填充图像下边缘行数据的上下排列顺序相反，所述第二填充行数据的上下排列顺序与所述待填充图像上边缘行数据的上下排列顺序相反；
若所述目标列数的一半是多列，则所述第一填充列数据的左右排列顺序为所述第一图像的左边缘列数据的左右排列顺序，所述第二填充列数据的左右排列顺序为所述第一图像的右边缘列数据的左右排列顺序。
进一步的，所述待填充图像为雷达图，所述预设填充方式为第二填充方式时，
若所述目标行数的一半是多行，则所述第一填充行数据的上下排列顺序与所述第二图像的下边缘行数据的上下排列顺序相反，所述第二填充行数据的上下排列顺序与所述第二图像的上边缘行数据的上下排列顺序相反；
若所述目标列数的一半是多列，则所述第一填充列数据的左右排列顺序为所述待填充图像的左边缘列数据的左右排列顺序，所述第二填充列数据的左右排列顺序为所述待填充图像的右边缘列数据的左右排列顺序。
本实施例提供的图像填充装置可适用于上述任意实施例提供的图像填充方法，具备相应的功能和有益效果。
实施例五
图5为本发明实施例五提供的一种计算机设备的结构示意图，如图5所示，该计算机设备包括处理器510、存储装置520和通信装置530；计算机设备中处理器510的数量可以是一个或多个，图5中以一个处理器510为例；计算机设备中的处理器510、存储装置520和通信装置530可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储装置520作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的图像填充方法对应的模块(例如，用于图像填充装置中的边缘数据获取模块410和目标图像确定模块420)。处理器510通过运行存储在存储装置520中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的图像填充方法。
存储装置520可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置520可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置520可进一步包括相对于处理器510远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信装置530，用于实现服务器之间的网络连接或者移动数据连接。
本实施例提供的一种计算机设备可用于执行上述任意实施例提供的图像填充方法，具备相应的功能和有益效果。
实施例六
本发明实施例六还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例中的图像填充方法，该方法具体包括：
获取待填充图像的边缘数据；
采用预设填充方式根据所述边缘数据在所述待填充图像的外侧增加填充行数据和填充列数据，得到目标图像，其中，所述目标图像用于输入至卷积层中进行卷积运算。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的图像填充方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述图像填充装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种图像填充方法，其特征在于，包括：
获取待填充图像的边缘数据；
采用预设填充方式根据所述边缘数据在所述待填充图像的外侧增加填充行数据和填充列数据，得到目标图像，其中，所述目标图像用于输入至卷积层中进行卷积运算。
2.根据权利要求1所述的方法，其特征在于，所述获取待填充图像的边缘数据，包括：
根据目标图像对应的目标尺寸、待填充图像对应的原始尺寸和待输入的卷积层对应的卷积核大小以及步长确定待填充的目标行数和目标列数；
根据所述目标行数和所述目标列数获取所述待填充图像中相应的边缘数据。
3.根据权利要求2所述的方法，其特征在于，所述采用预设填充方式根据所述边缘数据在所述待填充图像的外侧增加填充行数据和填充列数据，包括：
针对所述待填充图像，采用预设填充方式根据所述边缘数据分别在上边缘增加第一填充行数据、在下边缘增加第二填充行数据、在左边缘增加第一填充列数据以及在右边缘增加第二填充列数据，其中，所述第一填充行数据和所述第二填充行数据对应的行数均为所述目标行数的一半，所述第一填充列数据和所述第二填充列数据对应的列数均为所述目标列数的一半。
4.根据权利要求3所述的方法，其特征在于，所述待填充图像为雷达图时，所述预设填充方式包括第一填充方式，所述第一填充方式为先增加填充行数据再增加填充列数据；
相应的，所述针对所述待填充图像，采用预设填充方式根据所述边缘数据分别在上边缘增加第一填充行数据、在下边缘增加第二填充行数据、在左边缘增加第一填充列数据以及在右边缘增加第二填充列数据，包括：
针对所述待填充图像，将所述边缘数据中的下边缘行数据作为第一填充行数据增加至上边缘，将所述边缘数据中的上边缘行数据作为第二填充行数据增加至下边缘，得到第一图像；
针对所述第一图像，将所述第一图像的左边缘列数据上下翻转作为第一填充列数据增加至左边缘，将所述第一图像的右边缘列数据上下翻转作为第二填充列数据增加至右边缘。
5.根据权利要求3所述的方法，其特征在于，所述待填充图像为雷达图时，所述预设填充方式包括第二填充方式，所述第二填充方式为先增加填充列数据再增加填充行数据；
相应的，所述针对所述待填充图像，采用预设填充方式根据所述边缘数据分别在上边缘增加第一填充行数据、在下边缘增加第二填充行数据、在左边缘增加第一填充列数据以及在右边缘增加第二填充列数据，包括：
针对所述待填充图像，将所述边缘数据中的左边缘列数据上下翻转作为第一填充列数据增加至左边缘，将所述边缘数据中的右边缘列数据上下翻转作为第二填充列数据增加至右边缘，得到第二图像；
针对所述第二图像，将所述第二图像的下边缘行数据作为第一填充行数据增加至上边缘，将所述第二图像的上边缘行数据作为第二填充行数据增加至下边缘。
6.根据权利要求4所述的方法，其特征在于，所述待填充图像为雷达图，所述预设填充方式为第一填充方式时，
若所述目标行数的一半是多行，则所述第一填充行数据的上下排列顺序与所述待填充图像下边缘行数据的上下排列顺序相反，所述第二填充行数据的上下排列顺序与所述待填充图像上边缘行数据的上下排列顺序相反；
若所述目标列数的一半是多列，则所述第一填充列数据的左右排列顺序为所述第一图像的左边缘列数据的左右排列顺序，所述第二填充列数据的左右排列顺序为所述第一图像的右边缘列数据的左右排列顺序。
7.根据权利要求5所述的方法，其特征在于，所述待填充图像为雷达图，所述预设填充方式为第二填充方式时，
若所述目标行数的一半是多行，则所述第一填充行数据的上下排列顺序与所述第二图像的下边缘行数据的上下排列顺序相反，所述第二填充行数据的上下排列顺序与所述第二图像的上边缘行数据的上下排列顺序相反；
若所述目标列数的一半是多列，则所述第一填充列数据的左右排列顺序为所述待填充图像的左边缘列数据的左右排列顺序，所述第二填充列数据的左右排列顺序为所述待填充图像的右边缘列数据的左右排列顺序。
8.一种图像填充装置，其特征在于，包括：
边缘数据获取模块，用于获取待填充图像的边缘数据；
目标图像确定模块，用于采用预设填充方式根据所述边缘数据在所述待填充图像的外侧增加填充行数据和填充列数据，得到目标图像，其中，所述目标图像用于输入至卷积层中进行卷积运算。
9.一种计算机设备，其特征在于，所述计算机设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的图像填充方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的图像填充方法。
CN202011455358.5A 2020-12-10 2020-12-10 一种图像填充方法、装置、设备及存储介质 Pending CN112465932A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011455358.5A CN112465932A (zh) 2020-12-10 2020-12-10 一种图像填充方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011455358.5A CN112465932A (zh) 2020-12-10 2020-12-10 一种图像填充方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN112465932A true CN112465932A (zh) 2021-03-09

Family

ID=74800740

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011455358.5A Pending CN112465932A (zh) 2020-12-10 2020-12-10 一种图像填充方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112465932A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113436138A (zh) * 2021-03-31 2021-09-24 成都飞机工业（集团）有限责任公司 一种基于数字图像的航空结构件识别的图像预处理方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109461119A (zh) * 2019-01-31 2019-03-12 深兰人工智能芯片研究院（江苏）有限公司 卷积神经网络fpga加速中的图像填充方法及装置
CN110473137A (zh) * 2019-04-24 2019-11-19 华为技术有限公司 图像处理方法和装置
CN110796235A (zh) * 2019-10-21 2020-02-14 中国人民解放军国防科技大学 卷积神经网络Valid卷积的向量化实现方法
CN110807170A (zh) * 2019-10-21 2020-02-18 中国人民解放军国防科技大学 多样本多通道卷积神经网络Same卷积向量化实现方法
CN111179183A (zh) * 2019-11-29 2020-05-19 北京时代民芯科技有限公司 一种核级环境下非均匀照明环境下的图像增强方法
CN111797881A (zh) * 2019-07-30 2020-10-20 华为技术有限公司 图像分类方法及装置
CN111914997A (zh) * 2020-06-30 2020-11-10 华为技术有限公司 训练神经网络的方法、图像处理方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109461119A (zh) * 2019-01-31 2019-03-12 深兰人工智能芯片研究院（江苏）有限公司 卷积神经网络fpga加速中的图像填充方法及装置
CN110473137A (zh) * 2019-04-24 2019-11-19 华为技术有限公司 图像处理方法和装置
CN111797881A (zh) * 2019-07-30 2020-10-20 华为技术有限公司 图像分类方法及装置
CN110796235A (zh) * 2019-10-21 2020-02-14 中国人民解放军国防科技大学 卷积神经网络Valid卷积的向量化实现方法
CN110807170A (zh) * 2019-10-21 2020-02-18 中国人民解放军国防科技大学 多样本多通道卷积神经网络Same卷积向量化实现方法
CN111179183A (zh) * 2019-11-29 2020-05-19 北京时代民芯科技有限公司 一种核级环境下非均匀照明环境下的图像增强方法
CN111914997A (zh) * 2020-06-30 2020-11-10 华为技术有限公司 训练神经网络的方法、图像处理方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113436138A (zh) * 2021-03-31 2021-09-24 成都飞机工业（集团）有限责任公司 一种基于数字图像的航空结构件识别的图像预处理方法
CN113436138B (zh) * 2021-03-31 2023-07-21 成都飞机工业（集团）有限责任公司 一种基于数字图像的航空结构件识别的图像预处理方法

Similar Documents

Publication Publication Date Title
CN111598993B (zh) 基于多视角成像技术的三维数据重建方法、装置
CN104182982A (zh) 双目立体视觉摄像机标定参数的整体优化方法
JP2020523703A5 (zh)
KR102513707B1 (ko) 학습 장치, 추론 장치, 학습 모델 생성 방법 및 추론 방법
CN114004754B (zh) 一种基于深度学习的场景深度补全系统及方法
CN105103089A (zh) 用于基于视频输入生成准确传感器校正的系统和方法
CN108122280A (zh) 一种三维点云的重建方法及装置
KR20150114950A (ko) 이미지 스트림의 프레임 레이트 증가
CN111709984B (zh) 位姿深度预测方法、视觉里程计方法、装置、设备及介质
CN112541950A (zh) 一种深度相机外参的标定方法、及装置
CN112508988A (zh) 一种遥感影像镶嵌线精确提取方法及装置
CN112465932A (zh) 一种图像填充方法、装置、设备及存储介质
CN107644393B (zh) 一种基于gpu的丰度估计算法的并行实现方法
CN111507430B (zh) 基于矩阵乘法的特征编码方法、装置、设备及介质
CN117745845A (zh) 一种外参信息确定方法、装置、设备和存储介质
CN117078767A (zh) 激光雷达与相机标定方法、装置、电子设备及存储介质
CN111583166A (zh) 一种影像融合网络模型构建及训练方法、装置
CN113033578B (zh) 基于多尺度特征匹配的图像校准方法、系统、终端及介质
CN114022518B (zh) 图像的光流信息获取方法、装置、设备和介质
US11360744B2 (en) Two-dimensional data matching method, device and logic circuit
CN113126944B (zh) 深度图的显示方法、显示装置、电子设备及存储介质
CN115239815B (zh) 一种相机标定方法及装置
CN106651950B (zh) 一种基于二次曲线透视投影不变性的单相机位姿估计方法
CN115424038A (zh) 多尺度图像处理方法、系统、装置和计算机设备
JP4998905B2 (ja) 三次元地形データ高精度化装置、三次元地形データ高精度化方法及びプログラム

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