[发明专利]适用于训练深度卷积神经网络的图像数据库的构建方法

摘要

本发明公开了一种适用于训练深度卷积神经网络的图像数据库的构建方法，包括以下步骤：收集害虫RGB格式的原始图像，识别、标记害虫种类；对所述原始图像进行颜色衰减得到RGB图像和对应的HSV图像；根据RGB图像计算各颜色比例，根据HSV图像计算颜色相似性区域，计算RGB图像的显著性图；阈值化所述的显著性图得二值图像，将二值图像所指代区域作为初始区域，以GrabCut算法在该初始区域内分割害虫目标；根据分割区域裁剪原始图像并放缩至统一尺寸，存储构建数据库。解决了现有技术建立作物害虫数据库时采样困难、标记模糊、尺寸大小不一的问题，也解决了深度卷积神经网络模型训练过程中因为样本数量过少，姿态单一而引起的过拟合问题。

主权项

1.适用于训练深度卷积神经网络的图像数据库的构建方法，其特征在于，包括以下步骤：(1)收集害虫RGB格式的原始图像，识别、标记害虫种类；(2)对所述原始图像进行颜色衰减得到RGB图像和对应的HSV图像；(3)根据RGB图像计算各颜色比例，根据HSV图像计算颜色相似性区域，计算RGB图像的显著性图；根据K‑means方法将HSV图像聚类成若干颜色近似区域，并根据以下公式计算在衰减的RGB图像的对应区域内计算各区域的显著性值S：其中，rk为当前区域，ri为任意其它区域，Ds为两个区域中心点的空间距离，A(ri)为任意其它区域的面积，Dr为两个区域的RGB颜色空间距离，ε为0.3～0.5；其中，其中，p(c_m，n)为第m个区域中第n种颜色所占的比例，D为两种颜色在衰减后的RGB颜色空间中的距离，n1、n2分别为r₁，r₂区域中颜色的总数；(4)阈值化所述的显著性图得二值图像，将二值图像所指代区域作为初始区域，以GrabCut算法在该初始区域内分割害虫目标；(5)根据分割区域裁剪原始图像并放缩至统一尺寸，存储构建数据库。