Vaihingen数据增强代码

Vaihingen数据增强通常是指针对遥感图像（如Vaihingen城市地图数据集）的一种预处理技术，用于扩充训练样本库，提高机器学习模型的泛化能力。这个数据集包含高分辨率航空影像，常用于监督学习任务，比如物体识别、建筑物分割等。数据增强包括但不限于：

1. **旋转**：对图像进行随机旋转，保持内容不变，增加视角变化下的多样性。
2. **缩放**：调整图像大小，可能是裁剪后的填充或拉伸，模拟不同分辨率的情况。
3. **翻转**：水平或垂直翻转，复制另一半图像信息。
4. **噪声添加**：施加噪声，如高斯噪声，模拟真实世界中的测量误差。
5. **颜色变换**：调整亮度、对比度、饱和度等，改变图像外观。
6. **仿射变换**：应用平移、扭曲等复杂变换。

在Python中，可以使用一些深度学习库如OpenCV、PIL、ImageDataGenerator（Keras中的功能）来实现这样的数据增强。下面是一个简单的例子使用Keras的ImageDataGenerator：

from keras.preprocessing.image import ImageDataGenerator

datagen = ImageDataGenerator(
    rotation_range=10,
    width_shift_range=0.1,
    height_shift_range=0.1,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True,
    fill_mode='nearest')  # 使用最近邻插值填充边界像素

train_generator = datagen.flow_from_directory(
    'path/to/train/images',
    target_size=(image_height, image_width),
    batch_size=batch_size,
    class_mode='categorical')