【技术实现步骤摘要】
三维图像的数据增强方法、装置、电子设备及存储介质
[0001]本申请涉及图像处理
,尤其是涉及三维图像的数据增强方法
、
装置
、
电子设备及存储介质
。
技术介绍
[0002]随着人工智能技术的不断发展,基于深度学习的图像处理技术愈发成熟,应用也越来越广泛
。
而在深度学习技术过程中需要对大量的图像数据来进行训练;由数据集驱动的人工智能(
Artificial intelligence
,
AI
)技术训练的学习模型需要一个庞大而多样的训练数据集,以确保鲁棒性和互操作性
。
但由于时间成本等的限制,可能常会遇到图像数量少
、
图像质量差和类别不均衡的情形;因此,数据增强已成为一种有希望且具有成本效益的技术,用于增加训练数据集的大小和多样性;通过数据增加技术达到丰富数据集本身
、
提升相应分类检测系统性能以及拓展延伸价值的效果
。
[0003]相关技术中,对于三维图像的图像数据增强一般是通过数据处理,得到二维图像数据并进行增强,或者是在
2.5
维上对图像数据进行处理,上述处理方式,在对图像增强时,可能会导致丢失数据的三维特性,进而导致数据增强后得到的增强图像的真实性较低
。
技术实现思路
[0004]有鉴于此,本申请的目的在于提供三维图像的数据增强方法
、
装置
、
电子设备及存储介质,直 ...
【技术保护点】
【技术特征摘要】
1.
一种三维图像的数据增强方法,其特征在于,所述数据增强方法包括:获取至少一个待增强的三维样本图像;针对于每一个三维样本图像,对该三维样本图像按照设定的旋转角度进行旋转,得到该三维样本图像在横断面上的径向切片的初始样本图像
、
该三维样本图像在矢状面上的径向切片的初始样本图像以及该三维样本图像在冠状面上的径向切片的初始样本图像;对多个所述初始样本图像进行插值处理后,得到多个增强样本图像;将所述多个增强样本图像基于图像数据集的划分,加入对应的数据集中,得到增强后的三维样本图像集
。2.
根据权利要求1所述的数据增强方法,其特征在于,所述针对于每一个三维样本图像,对该三维样本图像按照设定的旋转角度进行旋转,得到该三维样本图像在横断面上的径向切片的初始样本图像,包括:针对于每一个三维样本图像,以该三维样本图像为基准,建立三维笛卡尔坐标系;针对于每一个三维样本图像,确定该三维样本图像在纵轴方向上的第一维度,并基于所述第一维度,确定第一旋转角度;针对于每一个三维样本图像,以所述三维笛卡尔坐标系中的竖轴为旋转轴,按照所述第一旋转角度对该三维样本图像进行旋转,得到多个第一旋转径向切片图像;针对于每一个三维样本图像,将每一个第一旋转径向切片图像中的纵轴轴切面图像集合后,得到该三维样本图像在横断面上的径向切片的初始样本图像
。3.
根据权利要求2所述的数据增强方法,其特征在于,针对于每一个三维样本图像,通过以下步骤得到该三维样本图像在矢状面上的径向切片的初始样本图像:针对于每一个三维样本图像,确定该三维样本图像在横轴方向上的第二维度,并基于所述第二维度,确定第二旋转角度;针对于每一个三维样本图像,以所述三维笛卡尔坐标系中的竖轴为旋转轴,按照所述第二旋转角度对该三维样本图像进行旋转,得到多个第二旋转径向切片图像;针对于每一个三维样本图像,将每一个第二旋转径向切片图像中的横轴轴切面图像集合后,得到该三维样本图像在矢状面上的径向切片的初始样本图像
。4.
根据权利要求2所述的数据增强方法,其特征在于,针对于每一个三维样本图像,通过以下步骤得到该三维样本图像在冠状面上的径向切片的初始样本图像:针对于每一个三维样本图像,确定该三维样本图像在竖轴方向上的第三维度,并基于所述第三维度,确定第三旋转角度;针对于每一个三维样本图像,以所述三维笛卡尔坐标系中的横轴或者纵轴为旋转轴,按照所述第三旋转角度对该三维样本图像进行旋转,得到多个第三旋转径向切片图像;针对于每一个三维样本图像,将每一个第三旋转径向切片图像中的横轴轴切面图像集合后,得到该三维样本图像在冠状面上的径向切片的初始样本图像
。5.
根据权利要求1所述的数据增强方法,其特征在于,所述三维样本图像包括三维原始样本图像以及三维真值样本图像;其中,所述三维真值样本图像为基于标注过的二维真值图像与切片图像之间的对应关系构建的;若所述初始样本图像对应的三维样本图像为所述三维原始样本图像时,针对于每一个初始样本图像,通过以下步骤得到多个...
【专利技术属性】
技术研发人员:丁辉,尚媛园,鲁嘉铖,黄钰涵,刘铁,邵珠宏,
申请(专利权)人:首都师范大学,
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。