[发明专利]基于图像分割的降低神经网络训练样本量的方法

权利要求书

1.一种基于图像分割的降低神经网络训练样本量的方法，其特征是，将数据集送入神经网络训练之前，对数据集进行下面的操作：

步骤一、用Mean Shift算法对单张图片按照像素点进行分割；

步骤二、将分割后的各个区域按照分割顺序标号，将区域面积统计下来，并且找到区域中心像素点设置一个阈值M，将面积小于M的区域直接舍掉；

步骤三、将保留下来的区域色彩表达从RGB颜色空间转变到HIS颜色空间，并且求出单个区域的平均色彩表示，对比相邻区域的色彩变化，差异明显的保留，差异不明显的情况下，若相对较小的区域面积小于大区域的1/5，则舍去小区域；

得到每个区域所有像素点的H、I、S值之后，计算每个区域三个分量的平均值按照区域编号遍历各个区域，计算相邻区域的三个分量平均值的变化值Δh、Δi、Δs，设置三个阈值m_h、m_i、m_s，当相邻区域的三个分量差值均小于这三个阈值，且其中一个区域面积小于另一个的1/5，则将面积小的区域sign值置0；

步骤四、提取保留区域的形状特征；

将每个区域拉伸或压缩为100×100的方块图形中，扫描出区域轮廓，每隔两行像素记录一次区域宽度，每隔两列像素记录一次区域高度，得到一个100维的向量，计算每个向量的方差s，设置阈值max和min，保留方差大于max和小于min的区域；

步骤五、循环区域编号，将废弃区域的像素点的RGB值设置为255，将保留的区域像素点颜色值按原图显示，得到一张新的图片替换掉未处理的图片作为数据样本；遍历图像像素点，若该点所在区域的sign值为0，则将该点的RGB值显示为(255,255,255)；若该点所在区域sign值为1，则该点显示原图的RGB值，将新图像替换原图作为数据集；

步骤六、将数据集中的下一张图片样本载入，重复步骤一至步骤五直至所有图片处理完，将新数据集送入神经网络训练。

2.根据权利要求1所述的基于图像分割的降低神经网络训练样本量的方法，其特征是所述的对单张图片按照像素点进行分割具体包括：每个像素点由一个五维信息向量来表达f＝(x,y,r,g,b)，x表示横坐标，y表示纵坐标，r、g、b表示像素三个通道的色彩信息，根据这个五维向量将图像分割成不同区域。