一种铁路机车小部件图像扩增的方法

技术领域

本发明涉及一种小部件图像扩增方法，属于图像处理技术领域。

背景技术

小物体图像扩增方法包括两类，一类是基于传统图像处理的小物体图像扩增方法，包括：灰度变换、图像翻转、图像旋转、图像缩放、图像滤波等；另一类是基于深度学习的小物体图像扩增方法，包括：基于对抗神经网络的图像扩增方法和基于编码器的图像扩增方法。

第一类的基于传统图像处理的小物体图像扩增方法，存在以下问题：

1、通过改变形状进行数据增强方法(例如：仿射变换、缩放、旋转等)，在数据增强的同时极易发生小物体数据的失真或模糊；

2、通过改变灰度值进行数据增强方法(例如：直方图均衡化、伽马变换、灰度线性变换等)，增强后的数据不具有分布规律的改变；

3、通过滤波进行数据增强方法(例如：添加噪声、模糊处理、去除噪声等)，在数据增强的同时，有可能将小物体数据覆盖或者滤除。

第二类的基于深度学习的小物体图像扩增方法，不论是基于对抗神经网络的图像扩增方法还是基于编码器的图像扩增方法，在小物体数据增强方面存在以下问题：

1、通过整体图像进行数据增强，极易导致模型无法学习到小物体的信息分布，进而无法生成包含小物体的图像数据；

2、通过小物体图像进行数据增强，有可能导致模型学习到小物体的信息分布不符合小物体本身的分布规律，进而无法使用生成的图像数据。

综上，现有技术中的两类小部件图像扩增方法存在无法生成包含小部件图像的原图像，进而无法实现图像扩增的问题。

发明内容

本发明目的是为了解决现有技术中的两类小部件图像扩增方法存在无法生成包含小部件图像的原图像，进而无法实现图像扩增的问题，提供了一种铁路机车小部件图像扩增的方法。

本发明一种铁路机车小部件图像扩增的方法，它包括：

S1、获取需要扩增的铁路机车小部件图像；

S2、采用图像处理算法对S1获取的铁路机车小部件进行随机处理，获取随机图像；

S3、对S2获取的随机图像进行随机增强，并将随机强增后的小部件图像粘贴到S1获取的需要扩增的铁路机车小部件图像中，完成图像扩增；

S3所述对S2获取的随机图像进行随机增强，并将随机强增后的小部件图像粘贴到S1获取的需要扩增的铁路机车小部件图像中的具体方法包括：

设S2获取的随机图像的数据数量为N；

S3-1、在N中随机选取n个小部件图像，作为单张图像的增强样本；

S3-2、在n个小部件图像中随机选取一个小部件图像，作为初始数据A

初始数据A

并在单张图像的增强样本上随机选取一个点P

初始数据A

S3-3、在n个小部件图像中随机选取一个小部件图像A

并在单张图像的增强样本上随机选取一个点P

A

S3-4、判断A

如果不满足则返回执行S3-3，如果满足则保留A

S3-5、将保留的A

S3-6、根据P

优选的，S1获取需要扩增的铁路机车小部件图像的具体方法包括：

S1-1、在铁路机车运行时，通过铁轨底部和两侧设置的线阵相机采集完整的机车图像；

S1-2、根据铁路机车小部件的分布选取包含铁路机车小部件的图像，选取的图像即为需要增强的图像；

S1-3、将需要增强的图像的部件名称和位置信息进行标注，并将标记后的图像进行存储，获得需要扩增的铁路机车小部件图像。

优选的，S2采用图像处理算法对S1获取的铁路机车小部件图像进行随机处理的具体方法包括：随机缩放、随机旋转和随机非尺度变换；

采用随机缩放对S1获取的铁路机车小部件图像进行随机处理的具体方法为：

对S1获取的铁路机车小部件图像进行随机缩放，使得目标尺寸在原图像的±20％范围内变化；

采用随机旋转对S1获取的铁路机车小部件图像进行随机处理的具体方法为：

将S1获取的铁路机车小部件图像进行随机旋转，使得目标图像的旋转角度在S1获得的图像角度的±15°范围内变化；

采用随机非尺度变换对S1获取的铁路机车小部件图像进行随机处理的具体方法为：

将S1获取的铁路机车小部件图像进行随机非尺度变换增强处理，获取随机图像。

优选的，随机非尺度变换增强处理包括：图像翻转、图像滤波和图像灰度变换。

优选的，将S1获取的铁路机车小部件图像进行随机非尺度变换增强处理的具体方法包括：

图像翻转的非尺度变换增强处理包括：图像水平翻转、图像竖直翻转和图像镜像翻转；

图像滤波的非尺度变换增强处理包括：图像均值滤波、图像中值滤波和图像高斯滤波；

图像灰度变换的非尺度变换增强处理包括：图像线性灰度变换、图像伽马灰度变换和图像自适应直方图均衡化。

优选的，S3-5将保留的A

S3-5-1、在保留的A

分别通过Canny边缘检测算法和边缘检测索贝尔算子对B

将边缘检测获得的

S3-5-2、将B

S3-5-3、采用高斯滤波器对B

S3-5-4、将

S3-5-5、将C

D

优选的，S3-5-3高斯滤波器采用3×3的高斯滤波器。

优选的，S3-5-5的系数θ根据先验知识选取，θ＝0.18。

优选的，小部件包括紧固螺栓、防松铁丝和防松扎带。

本发明的优点：本发明提出了一种铁路机车小部件图像扩增的方法，在对铁路机车小部件进行强增的同时，改变铁路机车的小部件图像分布规律，并保留铁路机车小部件图像数据的特征信息；然后将多个铁路机车的小部件图像数据粘贴到同一张图像上，提高了铁路机车小部件图像数据使用率的同时，增加了数据的多样性和随机性。

附图说明

图1是本发明一种铁路机车小部件图像扩增的方法的流程框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

具体实施方式一：下面结合图1说明本实施方式，本实施方式一种铁路机车小部件图像扩增的方法，它包括：

S1、获取需要扩增的铁路机车小部件图像；

S2、采用图像处理算法对S1获取的铁路机车小部件进行随机处理，获取随机图像；

S3、对S2获取的随机图像进行随机增强，并将随机强增后的小部件图像粘贴到S1获取的需要扩增的铁路机车小部件图像中，完成图像扩增；

S3所述对S2获取的随机图像进行随机增强，并将随机强增后的小部件图像粘贴到S1获取的需要扩增的铁路机车小部件图像中的具体方法包括：

设S2获取的随机图像的数据数量为N；

S3-1、在N中随机选取n个小部件图像，作为单张图像的增强样本；

S3-2、在n个小部件图像中随机选取一个小部件图像，作为初始数据A

初始数据A

并在单张图像的增强样本上随机选取一个点P

初始数据A

S3-3、在n个小部件图像中随机选取一个小部件图像A

并在单张图像的增强样本上随机选取一个点P

A

S3-4、判断A

如果不满足则返回执行S3-3，如果满足则保留A

S3-5、将保留的A

S3-6、根据P

进一步的，小部件包括紧固螺栓、防松铁丝和防松扎带。

本实施方式中，铁路机车小部件是紧固螺栓、防松铁丝和防松扎带等数量较多、面积较小的物体。

本实施方式中，S3-5将保留的A

具体实施方式二：下面结合图1说明本实施方式，本实施方式对实施方式一作进一步说明，S1获取需要扩增的铁路机车小部件图像的具体方法包括：

S1-1、在铁路机车运行时，通过铁轨底部和两侧设置的线阵相机采集完整的机车图像；

S1-2、根据铁路机车小部件的分布选取包含铁路机车小部件的图像，选取的图像即为需要增强的图像；

S1-3、将需要增强的图像的部件名称和位置信息进行标注，并将标记后的图像进行存储，获得需要扩增的铁路机车小部件图像。

进一步的，小部件包括紧固螺栓、防松铁丝和防松扎带。

本实施方式中，采用Labelimg软件将需要增强的图像进行标注或存储。

具体实施方式三：下面结合图1说明本实施方式，本实施方式对实施方式二作进一步说明，S2采用图像处理算法对S1获取的铁路机车小部件图像进行随机处理的具体方法包括：随机缩放、随机旋转和随机非尺度变换；

采用随机缩放对S1获取的铁路机车小部件图像进行随机处理的具体方法为：

对S1获取的铁路机车小部件图像进行随机缩放，使得目标尺寸在原图像的±20％范围内变化；

采用随机旋转对S1获取的铁路机车小部件图像进行随机处理的具体方法为：

将S1获取的铁路机车小部件图像进行随机旋转，使得目标图像的旋转角度在S1获得的图像角度的±15°范围内变化；

采用随机非尺度变换对S1获取的铁路机车小部件图像进行随机处理的具体方法为：

将S1获取的铁路机车小部件图像进行随机非尺度变换增强处理，获取随机图像。

进一步的，小部件包括紧固螺栓、防松铁丝和防松扎带。

具体实施方式四：下面结合图1说明本实施方式，本实施方式对实施方式三作进一步说明，随机非尺度变换增强处理包括：图像翻转、图像滤波和图像灰度变换。

进一步的，将S1获取的铁路机车小部件图像进行随机非尺度变换增强处理的具体方法包括：

图像翻转的非尺度变换增强处理包括：图像水平翻转、图像竖直翻转和图像镜像翻转；

图像滤波的非尺度变换增强处理包括：图像均值滤波、图像中值滤波和图像高斯滤波；

图像灰度变换的非尺度变换增强处理包括：图像线性灰度变换、图像伽马灰度变换和图像自适应直方图均衡化。

再进一步的，小部件包括紧固螺栓、防松铁丝和防松扎带。

具体实施方式五：下面结合图1说明本实施方式，本实施方式对实施方式一作进一步说明，S3-5将保留的A

S3-5-1、在保留的A

分别通过Canny边缘检测算法和边缘检测索贝尔算子对B

将边缘检测获得的

S3-5-2、将B

S3-5-3、采用高斯滤波器对B

S3-5-4、将

S3-5-5、将C

D

进一步的，3-5-3高斯滤波器采用3×3的高斯滤波器。

再进一步的，S3-5-5的系数θ根据先验知识选取，θ＝0.18。

再进一步的，小部件包括紧固螺栓、防松铁丝和防松扎带。

本实施方式中，将边缘检测获得的

虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其它实施例中。