基于多稳态特性与灰度差异熵的图像背景Python扩充方法

图像应用范围逐渐扩大,相关技术发展迅速,其发展的主要支撑是大规模的图像数据集合。现有公开资源以图像目标数据集合为主,而背景数据集合较少,并且内部数据体量较小,制约了图像相关技术的发展与应用,故提出基于多稳态特性与灰度差异熵的图像背景数据Python扩充方法。基于图像背景与目标的灰度熵差异,选取灰度熵阈值分割原始图像,获取图像背景区域,采用k近邻(k-Nearest Neighbor,KNN)算法深度挖掘背景数据,应用多稳定特性构造混沌序列,加密处理图像背景数据,通过Python制定图像背景数据并行扩充程序,执行制定程序即可实现图像背景数据的扩充。实验数据显示:提出方法获得的图像背景区域分割效果更好,图像背景数据扩充量最大值为1800MB,充分证实了提出方法应用性能更好。