本发明属于计算机视觉，尤其涉及一种基于风格迁移的变化检测图像增广方法。
背景技术：
1、变化检测图像(change detection image)是一种用于检测和可视化图像变化区域的特殊图像类型。它通常由两幅或多幅不同时间获取的图像进行像素级别的差异比对而生成，目标是分析并识别两个或多个不同时相的影像序列之间的差异，找出发生"变化"的像素或区域，在遥感影像分析、视频监控、医学成像等多个领域都有广泛应用。
2、随着深度学习技术在计算机视觉领域的迅速发展，变化检测任务也开始逐步应用深度学习模型。相比传统的基于手工特征的变化检测方法，基于深度学习的变化检测方法能够自动从大量数据中学习有效的特征表示，提高变化检测的精确性和鲁棒性。但是，基于深度学习的变化检测方法通常需要大量的训练数据，对数据的质量和多样性有较高要求。变化检测图像的标注不同于静态分割图像，需要人工逐像素对变化区域进行精细标注，这严重制约了大规模变化检测图像数据集的发展，导致现有的变化检测图像数据集的规模都远小于普通分割图像数据集，并且覆盖的种类也较少。
3、数据增广是常用来扩充数据集规模、提高数据集多样性的技术。现有的用于变化检测图像数据的增广方法和普通分割图像的增广方法类似，例如几何变换、颜色空间变换、图像混合、添加噪声等等，但这些方法只是对图像的低级特征(如颜色、尺度等)进行了变换，缺乏对高级语义概念的模拟能力，并且可能会破坏变化目标物体的完整性和上下文信息，影响模型性能。
4、通过上述分析，现有技术存在的问题及缺陷为：
5、现有的用于变化检测图像数据的增广方法和普通分割图像的增广方法类似，例如几何变换、颜色空间变换、图像混合、添加噪声等等，但这些方法只是对图像的低级特征(如颜色、尺度等)进行了变换，缺乏对高级语义概念的模拟能力，并且可能会破坏变化目标物体的完整性和上下文信息，影响模型性能。
技术实现思路
1、针对现有技术存在的问题，本发明提供了一种基于风格迁移的变化检测图像增广方法。
2、本发明是这样实现的，一种基于风格迁移的变化检测图像增广方法包括：
3、步骤1，从a、b和label中按顺序取出一组对应的图像和标注，记作a、b和label；
4、步骤2，利用预训练的风格迁移模型学习b的图像风格，然后对a进行风格迁移，得到内容和a相同但是风格和b相同的图像c；
5、步骤3，从label中随机保留一定比例的差异对象，生成新的标注new_label；
6、步骤4，从b中裁剪new_label标注中对应的对象区域并覆盖到c中，制造出a和c内容上的差异；
7、步骤5，将c存放到图片集c中，将new_label存放到标注集new_label中；
8、步骤6，重复步骤1-5，直到数据集中的每一幅图像都完成风格迁移；
9、步骤7，将a中的图片复制一遍并重命名防止重复，对c和new_label中的数据进行相同格式的重命名以保持和复制后a中图像的对应；
10、步骤8，c合并到b中，new_label合并到label中。
11、进一步，所述a为：较早的图片集。
12、进一步，所述b为：较晚的图片集。
13、进一步，所述label为：标注集。
14、进一步，所述b的图像的风格迁移到a集图像上，产生新的具有b集风格但内容来自a集的图像c。
15、进一步，所述c集新图像，直接从b集图像中裁剪出变化对象区域并覆盖到c集图像上。
16、本发明的另一目的在于提供一种基于风格迁移的变化检测图像增广系统包括：
17、标注模块，用于从a、b和label中按顺序取出一组对应的图像和标注，记作a、b和label；
18、迁移模块，用于利用预训练的风格迁移模型学习b的图像风格，然后对a进行风格迁移，得到内容和a相同但是风格和b相同的图像c；
19、生成模块，用于从label中随机保留一定比例的差异对象，生成新的标注new_label；
20、覆盖模块，用于从b从裁剪new_label标注中对应的对象区域并覆盖到c中，制造出a和c内容上的差异；
21、存放模块，用于将c存放到图片集c中，将new_label存放到标注集new_label中；
22、重复模块，用于重复标注、迁移、生成、覆盖、存放模块，直到数据集中的每一幅图像都完成风格迁移；
23、复制模块，用于将a中的图片复制一遍并重命名防止重复，对c和new_label中的数据进行相同格式的重命名以保持和复制后a中图像的对应；
24、合并模块，用于c合并到b中，new_label合并到label中。
25、本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述基于风格迁移的变化检测图像增广方法的步骤。
26、本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述基于风格迁移的变化检测图像增广方法的步骤。
27、本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述基于风格迁移的变化检测图像增广系统。
28、结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：
29、第一、本发明针对变化检测图像数据集存在的数据量少、数据分布不均的问题，提出了一种基于风格迁移的变化检测图像增广方法，能有效扩充变化检测数据集的规模和多样性。
30、1.增加了数据的多样性，扩充了数据集的规模
31、通过将b集图像的风格迁移到a集图像上,可以产生新的具有b集风格但内容来自a集的图像c。这种通过风格迁移生成的图像,可以有效扩充原始数据集的多样性和规模,增加了不同风格背景下的变化情况,有助于提升模型的泛化能力。
32、2.保留了原始变化对象的真实性
33、在生成c集新图像时,直接从b集图像中裁剪出变化对象区域并覆盖到c集图像上。这种方式保留了原始变化对象的真实性和细节信息,避免了直接合成变化对象可能带来的失真。这对于保留变化对象的准确性很有帮助。
34、3.控制了变化区域的覆盖程度
35、通过从原始标注label中随机保留一定比例的差异对象生成new_label,可以控制新图像c中变化区域的覆盖程度。这种部分覆盖机制增加了数据的多样性,避免了全覆盖或不覆盖的两种极端情况。
36、4.充分利用了已有的标注信息
37、该方法充分利用了原始数据集a、b、label中的标注信息,不需要对新生成的c、new_label数据集进行复杂的重新标注工作,从而降低了标注成本。
38、第二，有效扩充了变化检测数据集的规模和多样性，克服了变化检测数据集数据量少、数据分布不均的问题，为变化检测领域的深度学习模型训练提供了一种新的数据增广技术。
39、(1)本发明的技术方案转化后的预期收益和商业价值为：
40、变化检测在遥感影像分析、视频监控、医学成像等多个领域都有广泛应用，本发明提出的针对变化检测图像的增广技术可以有效提高变化检测数据集的规模和多样性，从而提高模型的准确度，为相关领域的提供更优质的解决方案。
41、(2)本发明的技术方案填补了国内外业内技术空白：
42、本发明是一种针对变化检测图像领域的数据增广技术，目前针对这一领域的图像增广技术还停留在传统的基于图像操作的方法上，本发明提出了一种基于风格迁移模型的增广方法，将深度学习和变化检测图像增广相结合，提高了增广图像的多样性和丰富度，填补了变化检测图像基于深度学习的图像增广方法的技术空白。
43、第三，本发明所解决的现有技术中的技术问题以及获得的显著的技术进步主要体现在以下几个方面：
44、技术问题：
45、1.数据多样性不足：在变化检测任务中，通常需要大量的标注数据来训练模型，但实际获取的数据集往往多样性不足，导致模型泛化能力受限。
46、2.标注成本高昂：对于变化检测任务，需要对不同时间点的图像进行精细的标注，这通常是一个耗时且成本高昂的过程。
47、3.风格差异对模型性能的影响：在实际应用中，不同时间或不同设备采集的图像往往存在风格差异，这会影响变化检测模型的性能。
48、技术进步：
49、1.增加数据多样性：通过风格迁移技术，本发明能够生成与原始图像内容相同但风格不同的新图像，从而显著增加了数据集的多样性。这有助于模型更好地学习到不同风格下的变化特征，提高了模型的泛化能力。
50、2.降低标注成本：本发明在生成新图像的同时，对标注数据进行了相应的调整。通过随机保留一定比例的差异对象生成新的标注，既保持了标注的多样性，又避免了完全重新标注的繁琐过程，从而降低了标注成本。
51、3.提升模型对风格差异的鲁棒性：通过风格迁移，本发明模拟了实际场景中可能出现的风格差异，使模型在训练过程中就能学习到如何忽略这些差异，专注于内容的变化。这有助于提升模型对风格差异的鲁棒性，提高了模型的准确性和稳定性。
52、4.高效的数据增广方法：本发明提出了一种高效的数据增广方法，通过简单的步骤就能生成大量的新数据。这种方法不仅适用于变化检测任务，也可以扩展到其他类似的图像处理和计算机视觉任务中，具有广泛的应用前景。
53、本发明通过基于风格迁移的变化检测图像增广方法，有效地解决了现有技术中数据多样性不足、标注成本高昂以及风格差异对模型性能影响的问题，获得了显著的技术进步和应用价值。
1.一种基于风格迁移的变化检测图像增广方法，其特征在于，所述基于风格迁移的变化检测图像增广方法包括以下步骤：
2.如权利要求1所述基于风格迁移的变化检测图像增广方法，其特征在于，所述a为：较早的图片集。
3.如权利要求1所述基于风格迁移的变化检测图像增广方法，其特征在于，所述b为：较晚的图片集。
4.如权利要求1所述基于风格迁移的变化检测图像增广方法，其特征在于，所述label为：标注集。
5.如权利要求1所述基于风格迁移的变化检测图像增广方法，其特征在于，所述b的图像的风格迁移到a集图像上，产生新的具有b集风格但内容来自a集的图像c。
6.如权利要求1所述基于风格迁移的变化检测图像增广方法，其特征在于，所述c集新图像，直接从b集图像中裁剪出变化对象区域并覆盖到c集图像上。
7.一种实施如权利要求1-6任意一项所述基于风格迁移的变化检测图像增广方法的基于风格迁移的变化检测图像增广系统，其特征在于，所述基于风格迁移的变化检测图像增广系统包括：
8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1-6任意一项所述基于风格迁移的变化检测图像增广方法的步骤。
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1-6任意一项所述基于风格迁移的变化检测图像增广方法的步骤。
10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求7所述基于风格迁移的变化检测图像增广系统。
