(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210826011.X (22)申请日 2022.07.14 (71)申请人 湖南文理学院 地址 415000 湖南省常德市洞庭大道315 0 号 (72)发明人 熊齐　 (74)专利代理 机构 北京风雅颂专利代理有限公 司 11403 专利代理师 李博瀚 (51)Int.Cl. G06V 10/74(2022.01) G06V 10/82(2022.01) G06N 3/00(2006.01) G06N 7/08(2006.01) (54)发明名称 图像数据小样 本増广方法、 设备及计算机可 读存储介质 (57)摘要 本发明提供一种虹膜图像数据小样本増广 方法、 设备及计算机可读存储介质， 其中方法包 括： 获取待处理图像； 对所述待处理图像进行图 像増广处理， 直到所获取的生 成图像与所述待处 理图像的相似度大于设定相似度； 将所述生成图 像作为増广后图像； 所述图像増广处理包括： 根 据改进的麻雀搜索算法获取剪辑限制值； 根据所 述剪辑限制值对所述待处理图像进行CLAHE处 理， 以得到生成图像； 所述改进的麻雀搜索算法 包括： 通过分数阶混沌优化麻雀搜索算法中麻雀 的初始位置， 以及采用正余弦算法和帕累托变异 算法， 对所述麻雀搜索算法中麻雀的位置进行更 新。 本发明所提供的技术方案， 能够解决増广效 果不理想的问题。 权利要求书2页 说明书13页 附图5页 CN 115082708 A 2022.09.20 CN 115082708 A 1.一种图像数据小样本増广方法， 其特 征在于， 包括： 获取待处 理图像； 对所述待处理图像进行图像増广处理， 直到所获取的生成图像与所述待处理图像的相 似度大于设定相似度； 将所述生成图像作为増广后图像； 所述图像増广处 理包括： 根据改进的麻雀搜索算法获取剪辑限制值； 根据所述剪辑限制值对所述待处 理图像进行CLAH E处理， 以得到生成图像； 所述改进的麻雀搜索算法包括： 通过分数阶混沌优化麻雀搜索算法中麻雀的初始位置， 以及 采用正余弦算法和帕累托变异算法， 对所述麻雀搜索算法中麻雀的位置进行 更新。 2.根据权利要求1所述的图像数据小样本増广方法， 其特征在于， 所述生成图像与 所述 待处理图像的相似度为 其余弦相似度。 3.根据权利要求1所述的图像数据小样本増广方法， 其特征在于， 所述对所述待处理图 像进行CLAH E处理包括： 将所述待处 理图像划分成多个不重 叠的子图像， 并统计各子图像的直方图； 根据所述剪辑限制值裁剪所述各子图像的直方图， 并将裁剪部分重新分布到各子图的 直方图中， 以得到各子图的新 直方图； 对所述各子图的新 直方图进行均衡化处 理， 并求出 各子图的新灰度值。 4.根据权利要求3所述的图像数据小样本増广方法， 其特征在于， 所述各子图的新灰度 值通过双线性插值 算法得到 。 5.根据权利要求1所述的图像数据小样本増广方法， 其特征在于， 所述通过分数阶混沌 优化麻雀搜索算法中种群的初始位置包括： 采用分数阶混沌获取两个混沌序列； 从所述两个混沌序列中随机 选择一个， 并将其映射到待解决问题的解空间。 6.根据权利要求1所述的图像数据小样本増广方法， 其特征在于， 所述麻雀搜索算法中 麻雀的位置进行 更新包括： 对所述麻雀搜索算法中发现者和跟随者的位置进行 更新。 7.根据权利要求6所述的图像数据小样本増广方法， 其特征在于， 对所述麻雀搜索算法 中发现者的位置进行 更新包括： 获取非线性 正弦学习因子； 根据所述非线性 正弦学习因子， 对所述麻雀搜索算法中发现者的位置进行 更新。 8.根据权利要求6所述的图像数据小样本増广方法， 其特征在于， 对所述麻雀搜索算法 中跟随者 位置的更新包括： 根据帕累托 算法对所述麻雀搜索算法中跟随者 位置的更新模型进行修 正； 根据修正后的跟随者位置的更新模型， 对所述麻雀搜索算法中跟随者的位置进行更 新。 9.一种图像数据小样本増广设备， 其特征在于， 包括处理器和存储器， 所述存储器上存 储有用于在所述处理器上执行 的计算机程序指令， 所述处理器执行该计算机程序指令时， 实现如权利要求1 ‑8任意一项所述的图像数据小样本増广方法。权　利　要　求　书 1/2 页 2 CN 115082708 A 210.一种计算机可读存储介质， 其特征在于， 其存储有计算机指令， 所述计算机指令由 处理器运行时， 实现根据权利要求1 ‑8的任意一项所述的图像数据小样本増广方法。权　利　要　求　书 2/2 页 3 CN 115082708 A 3