【技术实现步骤摘要】
一种基于模型融合和数据增强的低质图像分类增强方法
本专利技术涉及低质图像分类增强方法,尤其是涉及一种基于模型融合和数据增强的低质图像分类增强方法。
技术介绍
相机在拍照时通常会因为光照环境较差或者自身不稳定等因素拍摄到低质图像,这类低质图像上会存在阴影、亮度低或者画面模糊的情况,导致图像细节丢失,难以对图像进行后续的识别分析等操作,处理这类图像通常的方式是采用图像增强的方法来提高低质图像的对比度,放大细节信息。在中国专利CN201610079472.X公开的一种极端天气条件下低质图像增强方法中,等提出了一种根据色度分量值区分雾霾图像和雨雪图像的分类增强方法。该方法采用纯物理学算法,能够区分的图像类别少且鲁棒性差,极容易出现误判等情况。在中国专利CN201811484514.3公开的一种恶劣天气下的成像识别方法及系统中,提出了一种对采集到的恶劣天气下的低质图像进行增强后再识别的方法,使用电子稳像算法消除图像的运动模糊或者用自适应图像去雾算法消除图像的云烟雾干扰,然后使用VGG16卷积神经网络对图像进行识别分类。但是该专利技术并未提及如何分辨采集到的图像是否为低质图像,且只采用一种增强算法对所有类别的低质图像进行增强处理,增强效果一般。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于模型融合和数据增强的低质图像分类增强方法。本专利技术的目的可以通过以下技术方案来实现:一种基于模型融合和数据增强的低质图像分类增强方法,包括以下步骤:S1:建 ...
【技术保护点】
1.一种基于模型融合和数据增强的低质图像分类增强方法,其特征在于,包括以下步骤:/nS1:建立图像集,图像集中包括清晰图像、模糊图像和低亮度图像;/nS2:对图像集中的图像进行数据增强;/nS3:构建VGG16卷积神经网络模型,通过图像集训练VGG16卷积神经网络模型;/nS4:构建ResNet卷积神经网络模型,通过图像集训练ResNet卷积神经网络模型;/nS5:输入待分类图像;/nS6:将待分类图像输入VGG16卷积神经网络模型,获取待分类图像的第一概率向量,将待分类图像输入ResNet卷积神经网络模型,获取待分类图像的第二概率向量;/nS7:融合第一概率向量和第二概率向量,得到融合概率向量,并获取待分类图像的图像类别,若图像类型为清晰,进入步骤S9,否则进入步骤S8;/nS8:选取与图像类型对应的图像增强算法对待分类图像进行增强,获取增强图像,并将增强图像作为待分类图像输入步骤S6;/nS9:输出图像。/n
【技术特征摘要】
1.一种基于模型融合和数据增强的低质图像分类增强方法,其特征在于,包括以下步骤:
S1:建立图像集,图像集中包括清晰图像、模糊图像和低亮度图像;
S2:对图像集中的图像进行数据增强;
S3:构建VGG16卷积神经网络模型,通过图像集训练VGG16卷积神经网络模型;
S4:构建ResNet卷积神经网络模型,通过图像集训练ResNet卷积神经网络模型;
S5:输入待分类图像;
S6:将待分类图像输入VGG16卷积神经网络模型,获取待分类图像的第一概率向量,将待分类图像输入ResNet卷积神经网络模型,获取待分类图像的第二概率向量;
S7:融合第一概率向量和第二概率向量,得到融合概率向量,并获取待分类图像的图像类别,若图像类型为清晰,进入步骤S9,否则进入步骤S8;
S8:选取与图像类型对应的图像增强算法对待分类图像进行增强,获取增强图像,并将增强图像作为待分类图像输入步骤S6;
S9:输出图像。
2.根据权利要求1所述的一种基于模型融合和数据增强的低质图像分类增强方法,其特征在于,所述的第一概率向量为:
[λa1,λa2,λa3]
其中,λa1,λa2,λa3分别为VGG16卷积神经网络模型中获取的图像分别为清晰图像、模糊图像和低亮度图像的概率,
所述的第二概率向量为:
[λb1,λb2,λb3]
其中,λb1,λb2,λb3分别为ResNet卷积神经网络模型中获取的图像分别为清晰图像、模糊图像和低亮度图像的概率,
所述的融合概率向量为:
[λa1+λb1,λa2+λb2,λa3+λb3]
所述的融合概率向量中的最大值代表的图像类型为待分类图像的图像类型。
3.根据权利要求1所述的一种基于模型融合和数据增强的低质图像分类增强方法,其特征在于,所述的VGG16卷积神经网络模型的分类器包含两个全连接层,其中第二个全连接层采用Softmax激活函数,并且第二个全连接层将由第一个全连接层的输入值映射到区间(0,1)之间,获取第一概率向量。
4.根据权利要求1所述的一种基于模型融合和数据增强的低质图像分类增强方法,其特征在于,所述的ResNet卷积神经网络模型的分类器包含两个全连接层,其中第二个全连接层采用Softmax激活函数,并且第二个全连接层将由第一个全连接层的输入值映射到区间(0,1)之间,获取第二概率向量。
5.根据权利要求1所述的一种基于模型...
【专利技术属性】
技术研发人员:王道累,张天宇,朱瑞,孙嘉珺,李明山,李超,韩清鹏,袁斌霞,
申请(专利权)人:上海电力大学,
类型:发明
国别省市:上海;31
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。