[发明专利]基于泊松融合的烟雾数据增强方法、增强设备和存储介质

说明书

本发明的实施例提供了一种基于泊松融合的烟雾数据增强方法、增强设备和存储介质，基于泊松融合的烟雾数据增强方法包括：获取图像数据集；获取待增强图片；判断待增强图片中的目标烟囱是否为无烟状态，生成第一烟雾判断结果；若第一烟雾判断结果为是，根据图像数据集，确定烟雾图像数据；通过泊松融合方法，将烟雾图像数据与待增强图片进行泊松融合，生成增强图片。本发明提供的基于泊松融合的烟雾数据增强方法的实施例，对不同烟雾图像与目标烟囱进行图像的泊松融合，可以提高增强图片的多样性，提升深度学习模型的泛化能力。

技术领域

本发明涉及数据增强应用技术领域，具体而言，涉及一种基于泊松融合的烟雾数据增强方法、一种烟雾数据增强设备和一种可读存储介质。

背景技术

随着政府对环境管控的力度越来越大，对实现一个良好的空气环境越来越重视，希望通过深度学习方法来更好的发现违规排放等造成污染的行为。为了能够增加深度学习所需的样本量，并提高深度学习的效果，需要通过对数据进行增强，以增加数据的多样性。现有技术中，数据增强的方法主要是使用几何变换方法进行增强或使用颜色变换方法实现增强，但无论几何变换方法还是颜色变换方法，数据增强的效果都不理想，无法满足深度学习对学习样本的需求。

发明内容

本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。

有鉴于此，本发明实施例的第一方面提供了一种基于泊松融合的烟雾数据增强方法。

本发明实施例的第二方面提供了一种烟雾数据增强设备。

本发明实施例的第三方面提供了一种可读存储介质。

为了实现上述目的，本发明第一方面的实施例提供了一种基于泊松融合的烟雾数据增强方法，包括：获取图像数据集；获取待增强图片；判断待增强图片中的目标烟囱是否为无烟状态，生成第一烟雾判断结果；若第一烟雾判断结果为是，根据图像数据集，确定烟雾图像数据；通过泊松融合方法，将烟雾图像数据与待增强图片进行泊松融合，生成增强图片。

根据本发明第一方面的实施例提供的基于泊松融合的烟雾数据增强方法，首先获取图像数据集，并获取待增强图片。其中，图像数据集为保存有大量烟囱图像数据和烟雾图像数据的图像数据集，待增强图片为当前拍摄到的烟囱及烟雾的照片。该照片可以作为烟雾排放图像的深度学习模型的学习样本。待增强图片中可以有目标烟囱，以及烟雾的图像。目标烟囱为待增强图片中的烟囱。通过判断目标烟囱上方是否有烟雾，可以判断该目标烟囱是否为无烟状态。可以理解，当目标烟囱上方没有烟雾图像或烟雾与烟囱距离较远，则该目标烟囱为无烟状态。若该目标烟囱为无烟状态，那么需要为该目标烟囱添加烟雾图像，以使待增强图片可以成为深度学习样本。图像数据集中保存有大量烟囱图像数据和烟雾图像数据，可以从图像数据集中选取烟雾图像数据，与待增强图片进行融合，为目标烟囱上方增加烟雾，生成增强图片。在与待增强图片进行融合时，采用泊松融合的方法，进行图片的融合，可以实现目标烟囱与烟雾图像的无缝融合效果。进一步地，由于图像数据集中存有大量形态的烟雾图像，对不同烟雾图像与目标烟囱进行图像的泊松融合，可以提高增强图片的多样性，提升深度学习模型的泛化能力，实现深度学习样本的均衡。

另外，本发明提供的上述方案中的基于泊松融合的烟雾数据增强方法还可以具有如下附加技术特征：

上述技术方案中，判断待增强图片中的目标烟囱是否为无烟状态，生成第一烟雾判断结果，具体包括：获取待增强图片对应的图像标签文件；通过图像标签文件，确定待增强图片中的图片烟囱数据及图片烟雾数据；根据图片烟囱数据及图片烟雾数据，判断待增强图片中的目标烟囱是否为无烟状态，生成第一烟雾判断结果。

在该技术方案中，为了判断目标烟囱的状态是否为无烟状态，首先获取待增强图片对应的图像标签文件。图像标签文件为记录待增强图片的数据文件，通常为扩展标记语言文件。图像标签文件记录了待增强图片中烟囱的数量信息和各烟囱的位置信息，以及待增强图片中烟雾的数量信息。其中，图片烟囱数量为待增强图片中烟囱的数量，图片烟雾数据为待增强图片中烟雾的数量。