[发明专利]一种基于数据增强的零样本学习方法

摘要

本发明公开了一种基于数据增强的零样本学习方法，画出病灶的轮廓，对轮廓采用形态学操作方法处理病灶轮廓，然后用连续梯度颜色填充方法对病灶填充颜色；使用矩阵线性变换方法丰富填充了颜色的病灶的多样性，生成多张仿真的病灶图片，再使用图像融合技术将仿真病灶图片与疾病背景图片进行融合，对融合后的图片加以高斯白噪声就得到扩充的样本集；用扩充的样本集训练VGG分类器，训练一个最优的分类器；利用所述最优的分类器测试皮肤病病例。本发明有效解决了罕见疾病的零样本学习辅助诊断问题。

主权项

1.一种基于数据增强的零样本学习方法，其特征在于，包括以下步骤：1)画出病灶的轮廓，对轮廓采用形态学操作中的闭运算处理，即对轮廓先膨胀后腐蚀，使得病灶轮廓连续且封闭；2)用连续梯度颜色填充方法对病灶填充颜色：在轮廓的几何中心M处选择填充颜色，在填充了颜色的轮廓上任意取一点A，A点的颜色填充为待融合时背景图片上该点处的颜色；3)使用矩阵线性变换方法丰富填充了颜色的病灶的多样性，生成多张仿真病灶图片；4)使用图像融合技术将仿真病灶图片与疾病背景图片进行融合：先用仿真病灶图片覆盖在背景图片上，然后将轮廓周围3个像素范围内像素点改为病灶颜色和背景图片颜色的平均值，最后对融合后的图片加以高斯白噪声就得到扩充的样本集；5)用扩充的样本集训练VGG分类器，训练一个最优的分类器；6)利用所述最优的分类器测试皮肤病病例，判断测试准确率是否达到阈值，若是，则结束；否则，返回步骤2)。