一种基于表征变换感知的图像异常检测方法技术

本发明专利技术涉及一种基于表征变换感知的图像异常检测方法，包括下列步骤：第一步：内容

【技术实现步骤摘要】
一种基于表征变换感知的图像异常检测方法


[0001]本专利技术属于深度学习领域，主要涉及一种图像异常检测方法。

技术介绍

[0002]异常检测在医学影像诊断
[1
‑
2]、视频监控
[3
‑
4]和工业缺陷检测
[5
‑
6]等多个领域具有较高的研究意义和应用价值。例如，在工业缺陷检测中，为了确保产品质量，现代工业制造过程正变得越来越复杂。在这种情况下，人工手动区分正常产品和异常产品不仅需要耗费大量人力物力，还会存在由于操作人员判断的主观性难以保证较高准确率问题
[7]。因此，采取智能的异常检测技术实现样品缺陷检测，对于保障工业产品质量和提高工业生产力至关重要。
[0003]近年来，基于无监督学习的异常检测方法得到了广泛的研究，该类方法仅使用正常样本构建模型进行训练。在基于无监督的异常检测方法中，基于图像重建的方法受到了最广泛的关注，通过构建生成模型来重建输入的正常图像。理想情况下，正常图像的潜在特征符合统一的分布，模型对于输入的正常图像可以实现清晰地重建本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于表征变换感知的图像异常检测方法，包括下列步骤：第一步：内容
‑
结构变换预测(1)数据预处理选取工业缺陷数据集进行异常检测，训练数据为无缺陷数据，测试数据包含两部分，一部分为包含各类缺陷的数据，另一部分为无缺陷数据；将原始输入图像视为内容图像，对内容图像应用边缘检测算法生成与内容图像对应的结构图像；然后，对内容图像和结构图像进行图像变换，获得内容变换图像和结构变换图像；(2)内容
‑
结构特征提取利用内容编码器En
c
对内容图像和内容变换图像提取隐空间特征F
c
和F
tc
，利用结构编码器En
s
对结构图像和结构变换图像提取隐空间特征F
s
和F
ts
；(3)内容
‑
结构变换预测为学得更丰富的无缺陷图像高级属性特征，另外采用两个解码器D
c
和D
s
，将所获得的内容图像和内容变换图像的编码特征F
c
和F
tc
，以及结构图像和结构变换图像的编码特征F
s
和F
ts
，分别送入两个解码器D
c
和D
s
，输出预测的图像变换方式通过变换感知损失l
t
来联合训练编码器En
s
、En
c
以及解码器D
c
、D
s
，在训练过程中最小化此差异，方法如下：每个变换t都用特定的参数来表示，事先定义一个参数化变换族T＝{t
θ
|θ～Θ}，其中参数θ从分布Θ中取样，变换感知损失通过参数θ来捕获，选取的仿射变换用参数化矩阵A(θ)表示，变换感知损失l
t
通过下式计算真实变换和预测变换之间的差异，即：第二步：变换一致性约束(1...

【专利技术属性】
技术研发人员：侯春萍，葛棒棒，王致芃，刘洋，
申请(专利权)人：天津大学，
类型：发明
国别省市：