一种小样本下扩充数据集的图像处理方法

摘要

本发明公开了一种小样本下扩充数据集的图像处理方法，为了解决小样本图像识别精度较差的问题，本发明采用样本扩充的技术来克服样本不足带来的问题，提供了一种较为通用的图像处理方法。该方法将原始训练样本做平移、旋转、镜像、缩放、透视、变换对比度和亮度、增加噪声、模糊变换，产生虚拟训练样本，通过生成虚拟样本使训练样本的数目增加，再将虚拟样本与原始训练样本进行融合。通过大量实验的验证，该发明在小样本训练集上识别效果优异，具有更出色的识别性能。解决了样本不足，那么训练阶段的图像特征不足以有效表示图像特征变化，从而使图像识别的难度加大，甚至出现无法识别的现象的问题。