基于小样本特征迁移的口红产品表面缺陷数据增广方法技术

本发明专利技术公开了一种基于小样本特征迁移的口红产品表面缺陷数据增广方法，包括以下步骤：将原始口红图像和标注的原始缺陷区域作为原始训练集分别输入膏体图像预处理模块和缺陷纹理合成模块中；对原始口红图像灰度化处理，并划分感兴趣区域；对纹理特征进行特征变换，生成增广缺陷纹理；将增广缺陷特征迁移至其他膏体图像的特定位置；根据原始训练集的规模及样本类别数量，自适应地对罕见不均衡样本进行缺陷合成与迁移，生成增广缺陷口红图像。本发明专利技术方法提升了缺陷样本的规模，平衡了各类别缺陷区域的数量，扩展了不同膏体间缺陷特征的分布，并实现了自适应的增广缺陷数据集生成，为口红生产实践提供了有效的自动化标注数据增广方案。据增广方案。据增广方案。

【技术实现步骤摘要】
基于小样本特征迁移的口红产品表面缺陷数据增广方法
[0001]方法领域
[0002]本专利技术属于图像处理方法领域，特别涉及基于小样本特征迁移的口红产品表面缺陷数据增广方法。
[0003]背景方法
[0004]表面缺陷检测是口红产品质量检测的重要环节之一。在口红产品的生产中，需要检测产品是否含有明显的外观瑕疵，如刮擦、划痕、孔洞等。传统口红产品表面缺陷检测采用人工目视的方法。然而，人工检测往往存在检测效率低、检测成本高、存在误检漏检、难以统一标准等诸多问题。随着计算机视觉相关方法的发展，基于数字图像处理的机器视觉检测方法能够有效克服人工检测抽检率低、成本高、实时性差的缺点。但由于表面缺陷种类繁多，被检测对象类型多样，机器视觉方法往往存在缺陷特征描述不充分、缺陷目标难以分割的问题。近年来，基于卷积神经网络的深度学习方法在计算机视觉领域不断取得突破。此类方法利用卷积核描述图像的潜在特征，通过多层网络间的参数传递不断强化图像的相关特征因素，提取高级特征，进而实现对原始图像的抽象表达与分类，具有更高的检测准确性和检测效率。
[0005]面向工业生产实践，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于小样本特征迁移的口红表面缺陷数据增广系统，其特征在于，包括：膏体图像预处理模块、缺陷纹理合成模块、缺陷特征迁移模块以及自适应数据集增广模块，其中，所述膏体图像预处理模块的输入端输入作为原始训练集的口红图像，所述膏体图像预处理模块和缺陷纹理合成模块的输出端均与缺陷特征迁移模块的输入端连接，由所述缺陷特征迁移模块的输出端输出作为增广训练集的增广口红图像，由所述自适应数据集增广模块的输入端输入作为原始训练集的口红图像和缺陷区域，所述自适应数据集增广模块的输出端输出增广缺陷区域和增广口红图像；其中，所述膏体图像预处理模块，用于对原始口红图像进行图像灰度化处理，并划分膏体不同结构的感兴趣区域；所述缺陷纹理合成模块，用于从灰度特征和几何特征两个角度变换原始缺陷区域的纹理特征，并生成全新的缺陷纹理，即得到增广缺陷纹理；所述缺陷特征迁移模块，用于通过识别膏体轮廓关键点定位图像的空间关联位置，并将增广缺陷特征迁移至其他膏体图像的特定位置，输出增广缺陷口红图像；所述自适应数据集增广模块，用于根据输入的原始训练集的规模以及样本类别数量，通过计算统计学分布调整各个样本的分布权重，从而自适应地对罕见不均衡样本进行缺陷合成与迁移，输出增广缺陷口红图像。2.根据权利要求1所述的基于小样本特征迁移的口红表面缺陷数据增广系统，其特征在于，所述膏体图像预处理模块包括灰度化单元、前景阈值分割单元和膏体分割单元；所述缺陷纹理合成模块包括特征变换单元和纹理合成单元；所述缺陷特征迁移模块包括关键点识别单元、多尺寸特征迁移单元和平滑后处理单元；所述自适应数据集增广模块包括缺陷特征向量化单元、自适应缺陷增广单元以及自适应缺陷迁移单元。3.一种利用如权利要求2所述系统进行的基于小样本特征迁移的口红表面缺陷数据增广方法，其特征在于，包括以下步骤：S1、将原始口红图像和标注的原始缺陷区域作为原始训练集分别输入膏体图像预处理模块和缺陷纹理合成模块中；S2、膏体图像预处理模块对原始口红图像进行灰度化处理，并划分原始口红图像中不同膏体结构的感兴趣区域；S3、缺陷纹理合成模块对原始缺陷区域的纹理特征进行灰度特征变换和几何特征变换，然后通过纹理合成方法生成全新的缺陷纹理，即增广缺陷纹理；S4、缺陷特征迁移模块通过识别膏体轮廓关键点定位图像的空间关联位置，并将增广缺陷特征迁移至其他膏体图像的特定位置，从而生成增广缺陷口红图像；S5、自适应数据集增广模块根据原始训练集的规模以及样本类别数量，通过计算统计学分布调整各个样本的分布权重，自适应地对罕见不均衡样本进行缺陷合成与迁移，生成增广缺陷口红图像。4.根据权利要求3所述的基于小样本特征迁移的口红表面缺陷数据增广方法，其特征在于，步骤S2中，所述膏体图像预处理模块对原始口红图像进行灰度化处理，并划分原始口红图像中不同膏体结构的感兴趣区域，具体步骤为：S21、灰度化处理单元对原始口红图像进行灰度化处理，将原始口红的彩色图像转换为灰度图像，并对口红膏体区域进行定位，根据暗光环境下前景区域和背景区域的灰度差异，
计算原始图像的灰度直方图，其中具有较高像素数的灰度范围设置为前景像素；S22、前景阈值分割单元设置前景分割阈值范围参数，并将该范围内的前景像素分割为口红膏体前景区域，进一步计算前景连通域，对孤立的非最大连通域予以剔除，以消除背景中的额外光照；S23、膏体分割单元将得到的口红膏体前景区域进一步划分为脸部感兴趣区域、膏身感兴趣区域和底座感兴趣区域。5.根据权利要求4所述的基于小样本特征迁移的口红表面缺陷数据增广方法，其特征在于，步骤S23中，所述膏体分割单元将得到的口红膏体前景区域进一步划分为脸部感兴趣区域、膏身感兴趣区域和底座感兴趣区域，具体步骤为：S231、对于口红前景膏体区域，膏体分割单元先分割出口红底座，并通过节点间的边值描述口红膏体前景区域中的每个像素点均被视为网络流中的节点，像素点与像素点间、像素点与前景或背景的相似程度；S232、针对底座目标区域和背景区域分别建立高斯混合模型并分类标记，膏体分割单元通过多次迭代更新高斯混合模型的参数，计算Gibbs能量函数最小值，最终通过结果参数完成对底座区域的分割；S233、膏体分割单元通过漫水填充法寻找脸部区域，根据经验判定种子点邻域的灰度像素差值，具体见下式所示，进行迭代更新：t1＜I
neighbor
‑
I
seed<...

【专利技术属性】
技术研发人员：黄鹏，王海峰，
申请(专利权)人：上海可明科技有限公司，
类型：发明
国别省市：