[发明专利]图像数据清洗方法、控制装置及可读存储介质

权利要求书

1.一种图像数据清洗方法，其特征在于，所述方法包括：

对待清洗图像集合中的待清洗图像进行特征提取，获取所述待清洗图像的颜色矩特征；

应用预设的训练好的异常检测算法模型，根据所述待清洗图像的颜色矩特征，对每张所述待清洗图像进行异常图像检测，获得所述待清洗图像集合的异常分数集合；

根据所述异常分数集合及预设的异常图像比例，获取所述待清洗图像集合中的异常图像以供从所述待清洗图像集合中删除。

2.根据权利要求1所述的图像数据清洗方法，其特征在于，

所述对待清洗图像集合中的待清洗图像进行特征提取，获取所述待清洗图像的颜色矩特征，包括：

针对每张待清洗图像，将所述待清洗图像从RGB颜色空间转换至HSV颜色空间，以获取所述待清洗图像的每个像素点的色调、饱和度和亮度；

根据所述待清洗图像的每个像素点的色调、饱和度和亮度获取所述待清洗图像的颜色矩特征。

3.根据权利要求2所述的图像数据清洗方法，其特征在于，所述颜色矩特征包括一阶矩特征、二阶矩特征和三阶矩特征；

所述根据所述待清洗图像的每个像素点的色调、饱和度和亮度获取所述待清洗图像的颜色矩特征，包括：

根据以下公式获取所述待清洗图像的一阶矩特征、二阶矩特征和三阶矩特征：

其中，E_i、σ_i、s_i分别为待清洗图像的第i个颜色通道的一阶矩特征、二阶矩特征和三阶矩特征，所述颜色通道包括色调、饱和度和亮度；N为所述待清洗图像中像素点的总数；p_ij为第j个像素点在第i个颜色通道上的像素值，所述像素值为所述颜色通道中对应的色调或饱和度或亮度的值。

4.根据权利要求1所述的图像数据清洗方法，其特征在于，所述异常检测算法模型为基于孤立森林的异常检测算法模型。

5.根据权利要求4所述的图像数据清洗方法，其特征在于，所述方法还包括根据以下步骤获取训练好的异常检测算法模型：

获取预设的训练集中图像的颜色矩特征；

根据所述颜色矩特征，构建多棵二叉树，并根据多棵二叉树获得基于孤立森林的异常检测算法模型；

通过递归切分所述训练集的颜色矩特征组成的数据集，对所述基于孤立森林的异常检测算法模型进行迭代训练，直至满足迭代收敛条件，以获取训练好的异常检测算法模型；

其中，所述迭代收敛条件为：所述数据集的所有数据点都得到完整切分，或，所述二叉树的高度达到预设的高度阈值。

6.根据权利要求1所述的图像数据清洗方法，其特征在于，

所述根据所述异常分数集合及预设的异常图像比例，获取所述待清洗图像集合中的异常图像，包括：

获取所述异常分数集合中的异常分数最大值和异常分数最小值；

根据所述异常分数最大值、异常分数最小值和所述异常图像比例，获取异常分数阈值；

根据所述异常分数阈值，获取所述待清洗图像集合中的异常图像。

7.根据权利要求6所述的图像数据清洗方法，其特征在于，

所述根据所述异常分数最大值、异常分数最小值和所述异常图像比例，获取异常分数阈值，包括：

根据以下公式获取所述异常分数阈值：

k＝value_min+(value_max-value_min)×Con

其中，k为所述异常分数阈值，value_max为所述异常分数最大值，value_min为所述异常分数最小值，Con为所述异常图像比例。

8.根据权利要求6所述的图像数据清洗方法，其特征在于，

所述根据所述异常分数阈值，获取所述待清洗图像集合中的异常图像，包括：

将每张待清洗图像的异常分数与所述异常分数阈值进行比较；

当所述异常分数大于所述异常分数阈值时，将所述异常分数对应的待清洗图像作为异常图像。