一种基于优化卷积神经网络分类的数据增强方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111091092A(43)申请公布日2020.05.01(21)申请号201911296246.7(22)申请日2019.12.16(71)申请人桂林电子科技大学地址541004广西壮族自治区桂林市七星区金鸡路1号(72)发明人陈真诚郑震宇梁永波朱健铭韩国成魏子宁唐群峰(74)专利代理机构桂林市华杰专利商标事务所有限责任公司45112代理人刘梅芳(51)Int.Cl.G06K9/00(2006.01)G06K9/34(2006.01)G06K9/40(2006.01)G06T11/60(2006.01)权利要求书2页说明书4页附图2页(54)发明名称一种基于优化卷积神经网络分类的数据增强方法(57)摘要本发明公开了一种基于优化卷积神经网络分类的数据增强方法，其特征在于，包括如下步骤：1）获取一维信号数据；2）生成二维灰度图像；3）得到二维图像；4）图像重塑；5）训练。这种方法能够增加较少数据类型的数据量进而达到数据平衡的目的，获得的二维灰度图像能够最大程度的保留原始信号的信息，避免因为噪声滤波等操作带来的数据丢失问题，这种方法也能提高数据处理的效率、提高图像分类的准确率。CN111091092ACN111091092A权利要求书1/2页1.一种基于优化卷积神经网络分类的数据增强方法，其特征在于，包括如下步骤：1)获取一维信号数据；2)生成二维灰度图像：将步骤1)获得的一维信号转换生成二维灰度图像；3)得到二维图像：将步骤2)生成的二维灰度图像采用九种不同的裁剪方式得到九个不同的二维灰度图像；4)图像重塑：将所有裁剪后的二维灰度图像进行重塑，以统一全部二维图像的图像大小，进而实现二维灰度图像的数据增强；5)训练：将经过数据增强后的二维灰度图像输入到二维卷积神经网络中加以训练学习，进行检测识别分类。2.根据权利要求1所述的基于优化卷积神经网络分类的数据增强方法，其特征在于，步骤2)中所述的生成二维灰度图像的过程为：以心电信号为例，假定一维心电信号包含有P-QRS-T波，QRS波群在P波之后，是一个短时程、较高幅度及波形尖锐的波群，P-QRS-T波是三个紧密相连的电位波动，第一个向下的波成为Q波，第一个向上的波成为R波，紧接R波之后向下的波形为S波，正常QRS波群历时0.06秒-0.10秒，是心室内兴奋传播所需的时间，找到R波的峰值时间并对其进行定位，以R波峰值为定位基点，对每个心电信号搏动进行切片，将R波峰值信号居中，同时将前一个和后一个R波峰值信号中排除第一个和最后92个心电信号，用以转换生成为一个二维心电图像，转换如公式(1)：T(Rp(n)-92)≤T(Rp(n))≤T(Rp(n)+92)(1)，式中T(Rp(n))表示所定位的R波峰值时间；T(Rp(n)-92)表示所定位的R波峰值时间之前的92个心电信号；T(Rp(n)+92)表示所定位的R波峰值时间之后的92个心电信号，转换后生成的二维灰度图像为192×128大小的二维灰度图像，作为二维卷积神经网络的输入数据。3.根据权利要求1所述的基于优化卷积神经网络分类的数据增强方法，其特征在于，步骤3)中所述得到九个不同的二维灰度图像的过程为：对目标二维图像的指定区域进行裁剪，将图像左上角坐标定位为(0,0,0,0)，按照96×96大小的格式进行裁剪，则左上图像的基准坐标为(0,0,96,96)，得到大小为96×96的左上灰度图像，依照这种方式，分别定位基准坐标(0,16,96,96)和(0,32,96,96)可以得到左中灰度图像和左下灰度图像，以此类推，依照这种方式可以得到中上灰度图像、中部灰度图像、中下灰度图像、右上灰度图像、右中灰度图像和右下灰度图像，所采用的裁剪方式以96大小为标准，所以得到的全部裁剪图像均是96×96大小的二维灰度图像。4.根据权利要求1所述的基于优化卷积神经网络分类的数据增强方法，其特征在于，步骤4)中所述的重塑为：将裁剪后的二维灰度图像内各点的像素值标记为裁剪后96×96的灰度图像内与其最近的点，表示公式如下：2CN111091092A权利要求书2/2页式中fw表示重塑后的宽度比；fh表示重塑后的高度比；w1和h1表示96×96灰度图像的宽度和高度；w2和h2表示重塑后的二维灰度图像的宽度和高度，通过图像的重塑，得到大小为192×128尺寸的二维灰度图像，这样使得裁剪后的增加的图像与原始图像的大小尺寸一致。3CN111091092A说明书1/4页一种基于优化卷积神经网络分类的数据增强方法技术领域[0001]本发明涉及图像信息处理技术领域，具体是一种基于优化卷积神经网络分类的数据增强方法。背景技术[0002]在图像信息处理技术领域，得到更好更准确的图像分类结果是众多研究者所