(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221084983 0.6 (22)申请日 2022.07.19 (71)申请人 北京理工大 学 地址 100081 北京市海淀区中关村南大街5 号 (72)发明人 刘海鸥　韩雨轩　刘庆霄　陈慧岩　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 赵兴华 (51)Int.Cl. G06V 10/72(2022.01) G06V 10/774(2022.01) G06V 10/10(2022.01) G06V 10/26(2022.01) G06V 10/28(2022.01) G06V 10/762(2022.01)G06V 20/50(2022.01) (54)发明名称 一种图像数据增强方法及系统 (57)摘要 本发明公开了一种图像数据增强方法及系 统， 涉及图像处理领域， 所述方法包括： 获取标注 后图像和环 境背景图像； 对环 境背景图像进行分 割， 得到环 境背景图像中的第一天空区域和第一 地面区域； 裁剪标注后图像中标注 为前景物体的 区域， 得到目标区域图像； 对目标区域图像中各 像素点进行聚类以分离前景和背景， 并获取仅包 括前景物体的前景图像； 根据前景图像中的物体 的类别决定将前景图像拼接在环境背景图像中 的第一地面区域中还是第一天空区域中， 最终得 到数据增强图像。 本发明能够得到考虑了环境特 性的数据增强图像， 提高了数据增强方法对于不 同环境的泛化能力， 解决了 现有数据增强方法泛 化能力较 差的问题。 权利要求书3页 说明书8页 附图3页 CN 115170839 A 2022.10.11 CN 115170839 A 1.一种图像数据增强方法， 其特 征在于， 包括以下步骤： 获取标注后图像和环境背景图像， 所述标注后图像为对原始图像中的前景物体进行标 注后得到的图像； 对所述环境背景图像进行分割， 得到环境背景图像中的第一天空区域和第一地面区 域； 裁剪所述标注后图像中标注为前 景物体的区域， 得到目标区域图像； 对所述目标区域图像中各像素点进行聚类以分离前景和背景， 并获取仅包括前景物体 的前景图像； 判断所述前 景图像中的物体是否为 地面物体； 若是， 则将所述前景图像拼接在所述环境背景图像中的第一地面区域中， 得到数据增 强图像； 若否， 则将所述前景图像拼接在所述环境背景图像中的第一天空区域中， 得到数据增 强图像。 2.根据权利要求1所述的图像数据增强方法， 其特征在于， 所述对所述环境背景图像进 行分割， 得到环境背景图像中的第一天空区域和第一 地面区域， 具体包括： 将所述环境背景图像进行矩阵转换， 得到图像二维矩阵； 对所述图像二维矩阵进行 sobel算子的卷积计算， 得到图像梯度图； 对所述图像梯度图进行扫描， 得到所述图像梯度图中每 个像素点的像素值和位置； 分别计算每 个像素点与相邻像素点的像素值的差值； 将所述差值不在预设阈值范围内的像素点作为不平坦像素点， 并记录所有不平坦像素 点的位置； 将所有近邻的不平坦像素点进行连接得到若干条边界线， 所述近邻的不平坦像素点为 欧氏距离为3个 像素以内的两个不平坦像素点； 构建能量函数， 所述 能量函数为与边界线上下像素点的蓝色通道的单个像素值和边界 线上下RGB通道颜色相关的函数； 根据所述能量 函数， 计算每条边界线对应的能量 值； 选取所述能量 值最大的边界线作为临时最优边界线； 根据所述临时最优边界线对所述环境背景图像进行分割， 得到环境背景图像中的第 一 天空区域和第一 地面区域。 3.根据权利要求2所述的图像数据增强方法， 其特征在于， 在步骤 “根据所述临时最优 边界线对所述环境背 景图像进 行分割， 得到环境背景图像中的第一 天空区域和 第一地面区 域”之后， 还包括： 根据每条边界线对应的能量值， 确定次优边界线， 所述次优边界线为能量值仅小于最 大能量值时对应的边界线； 根据所述 次优边界线对所述环境背景图像进行分割， 得到第 二天空区域和第 二地面区 域； 计算所述第一天空区域和所述第一 地面区域的马氏距离， 得到第一距离； 计算所述第二天空区域和所述第二 地面区域的马氏距离， 得到第二距离； 判断所述第一距离是否大于所述第二距离；权　利　要　求　书 1/3 页 2 CN 115170839 A 2若是， 则将所述临时最优边界线作为 最优边界线； 若否， 则将所述次优边界线作为 最优边界线； 根据所述最优边界线对所述环境背景图像进行分割， 得到最优天空区域和最优地面 区 域。 4.根据权利要求1所述的图像数据增强方法， 其特征在于， 所述对所述目标区域图像中 各像素进行聚类以分离前 景和背景， 并获取仅包括前 景物体的前 景图像， 具体包括： 对所述前 景物体的区域做一维展开， 得到图像展开数据； 采用Kmeans聚类算法对所述 图像展开数据进行聚类， 得到聚类结果， 所述聚类结果包 括： 聚类结果 位置和聚类中心数组； 根据所述 聚类结果对所述图像展开数据进行二值极化， 得到二值极化后的前景图像和 背景图像； 采用sobel算子对所述 二值极化后的前 景图像进行图像卷积提取， 得到前 景边界元 素； 对所述前景边界元素进行膨胀， 得到膨胀后的前景边界元素， 所述膨胀用于滤除离散 的边界干扰点； 采用掩膜技术对所述膨胀后的前景边界元素所围成区域内的像素进行提取， 得到所述 前景物体的区域中的前 景图像。 5.根据权利要求1所述的图像数据增强方法， 其特征在于， 所述将所述前景图像拼接在 所述环境背景图像中的第一 地面区域中， 得到数据增强图像， 具体包括： 对所述前 景图像进行仿射变换， 得到矩阵像素信息； 确定所述矩阵像素信息在所述第一 地面区域的像素点 位置； 根据所述位置， 将所述矩阵像素信息分别累加到所述第一地面区域中， 得到数据增强 图像。 6.根据权利要求1所述的图像数据增强方法， 其特征在于， 所述将所述前景图像拼接在 所述环境背景图像中的第一天空区域中， 得到数据增强图像， 具体包括： 对所述前 景图像进行仿射变换， 得到矩阵像素信息； 确定所述矩阵像素信息在所述第一天空区域的像素点 位置； 根据所述位置， 将所述矩阵像素信息分别累加到所述第一天空区域中， 得到数据增强 图像。 7.根据权利要求2所述的图像数据增强方法， 其特征在于， 所述 能量函数的计算公式如 下： 其中，Pedge为能量函数值， γ为可变参数， n1为边界线长度的像素点个数， Sb为边界线以 上像素点的蓝色通道的单个像素值， Gb为边界线以下像素点的蓝色通道的单个像素值， Ssky 为天空颜色的RGB通道颜色， S为边界线以上的RGB通道颜色。 8.根据权利要求3所述的图像数据增强方法， 其特征在于， 所述马氏距离的计算公式如 下： 权　利　要　求　书 2/3 页 3 CN 115170839 A 3