图像缺陷智能检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及图像处理技术，揭露了一种图像缺陷智能检测方法、装置、设备及介质，可应用于数字医疗领域，所述方法包括：对初始图像进行图像增强，对增强后的图像进行切片处理，得到切片图像；对切片图像进行第一卷积特征提取，得到第一图像特征，构建切片图像的第一特征通道；计算第一特征通道中每个通道的通道权重，从第一特征通道中选取切片图像的第二特征通道，利用卷积层对切片图像进行第二卷积特征提取，得到第二图像特征；对第一图像特征和第二图像特征进行融合，得到融合图像特征，根据融合图像特征，计算切片图像的区域缺陷概率，根据区域缺陷概率，确定切片图像的缺陷区域。本发明专利技术在于提高医疗等领域中图像缺陷智能检测的效率。的效率。的效率。

【技术实现步骤摘要】
图像缺陷智能检测方法、装置、设备及存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种图像缺陷智能检测方法、装置、设备及计算机可读存储介质。

技术介绍

[0002]图像缺陷检测是一种检测图像中存在的缺陷的技术。传统的医学影像分析需要医生手动进行分析和判断，往往需要花费较长时间，并且可能会因为个人经验和感受等原因产生误判或漏诊，而将图像的缺陷智能检测方法应用于医疗领域，通过智能化检测算法，可以快速、准确地判断出疾病的异常情况，从而大大提高医生工作效率和减少诊断误差。
[0003]目前图像缺陷检测的方法主要是采用直方图均衡化提升背景与缺陷目标的对比度，根据对比度的差异，检测出图像的缺陷，但是该方法在图像处理时需要通过对图像进行大量的计算处理，使得医疗等领域中图像缺陷的检测效率降低。

技术实现思路

[0004]本专利技术提供一种图像缺陷智能检测方法、装置、设备及存储介质，其主要目的在于提高医疗等领域中图像缺陷智能检测效率。
[0005]为实现上述目的，本专利技术提供的一种图像缺陷智能检测方法，包括：
[0006]获取待检测的初始图像，对所述初始图像进行图像增强，得到增强图像，对所述增强图像进行切片处理，得到切片图像；
[0007]利用预先训练好的区域检测模型中的卷积层对所述切片图像进行第一卷积特征提取，得到第一图像特征，根据所述第一图像特征，构建所述切片图像的第一特征通道；
[0008]利用所述区域检测模型中的注意力机制计算所述第一特征通道中每个通道的通道权重，以从所述第一特征通道中选取所述切片图像的第二特征通道，并根据所述第二特征通道，利用所述卷积层对所述切片图像进行第二卷积特征提取，得到第二图像特征；
[0009]利用所述区域检测模型中的融合层对所述第一图像特征和所述第二图像特征进行融合，得到融合图像特征，并根据所述融合图像特征，利用所述区域检测模型中的全连接层计算所述切片图像的区域缺陷概率，根据所述区域缺陷概率，确定所述切片图像的缺陷区域。
[0010]可选地，所述对所述初始图像进行图像增强，得到增强图像，包括：
[0011]对所述初始图像进行降噪处理，得到降噪图像；
[0012]提取所述降噪图像的中的像素值，对所述像素值进行灰度均衡处理，得到均衡像素值；
[0013]通过所述均衡像素值对所述降噪图像进行图像更新，得到增强图像。
[0014]可选地，所述所述对所述增强图像进行切片处理，得到切片图像，包括：
[0015]获取所述增强图像对应的灰度图像，并提取所述灰度图像中的灰度值，根据所述灰度值；
[0016]构建所述灰度值对应的切片矩阵，定位所述增强图像的图像中心，并以所述图像中心构建所述增强图像对应的坐标系；
[0017]获取所述灰度值在所述坐标系中的坐标信息，结合所述坐标信息和所述切片矩阵，对所述灰度图像进行图像切片，得到切片图像。
[0018]可选地，所述利用训练好的区域检测模型中的卷积层对所述切片图像进行第一卷积特征提取，得到第一图像特征，包括：
[0019]获取所述区域检测模型中卷积层中的卷积核，检测所述切片图像中的像素值，根据所述像素值，利用所述卷积核对所述切片图像进行特征提取，得到第一特征；
[0020]对所述卷积核进行翻转处理，得到翻转卷积核，并利用所述翻转卷积核对所述切片图像进行特征提取，得到第二特征；
[0021]将所述第一特征和所述第二特征依次相加，得到目标特征，并将所述目标特征作为所述切片图像的第一图像特征。
[0022]可选地，所述利用训练好的区域检测模型中的注意力机制计算所述第一特征通道中每个通道的通道权重，包括：
[0023]可以通过下述公式计算所述第一特征通道中每个通道的通道权重：
[0024][0025]其中，G(i)表示第一特征通道中每个通道的通道权重，Z表示第一特征通道的映射值总和，i表示每个通道对应的映射值，ρ表示特征通道中每个通道对应的权重系数。
[0026]可选地，所述利用所述训练好的区域检测模型中的融合层对所述第一图像特征和所述第二图像特征进行融合，得到融合图像特征，包括：
[0027]分别获取所述第一图像特征和所述第二图像特征中每个特征对应的向量，得到第一特征向量和第二特征向量；
[0028]计算所述第一特征向量和所述第二特征向量中每个特征向量的相似度，根据所述相似度，将所述第一特征向量和所述第二特征向量中的特征向量进行合并，得到合并特征向量；
[0029]利用所述融合层对所述合并特征向量进行向量融合，得到融合特征向量，根据所述融合特征向量，得到融合图像特征。
[0030]可选地，所述计算所述第一特征向量和所述第二特征向量中每个特征向量的相似度，包括：
[0031]可以通过下述公式计算所述第一特征向量和所述第二特征向量中每个特征向量的相似度：
[0032][0033]其中，F
(a，b)
表示第一特征向量和第二特征向量中每个特征向量的相似度，i表示起始向量，a
d
表示第一特征向量中第d个向量的特征值，b
d
表示第二特征向量中第d个向量的特
征值，a
’
d
表示第一特征向量中第d个向量的向量坐标，b
’
d
表示第二特征向量中第d个向量的向量坐标。
[0034]为了解决上述问题，本专利技术还提供一种图像缺陷智能检测装置，所述装置包括：
[0035]图像处理模块，用于获取待检测的初始图像，对所述初始图像进行图像增强，得到增强图像，对所述增强图像进行切片处理，得到切片图像；
[0036]特征通道构建模块，用于利用预先训练好的区域检测模型中的卷积层对所述切片图像进行第一卷积特征提取，得到第一图像特征，根据所述第一图像特征，构建所述切片图像的第一特征通道；
[0037]特征提取模块，用于利用所述区域检测模型中的注意力机制计算所述第一特征通道中每个通道的通道权重，以从所述第一特征通道中选取所述切片图像的第二特征通道，并根据所述第二特征通道，利用所述卷积层对所述切片图像进行第二卷积特征提取，得到第二图像特征；
[0038]缺陷检测模块，用于利用所述区域检测模型中的融合层对所述第一图像特征和所述第二图像特征进行融合，得到融合图像特征，并根据所述融合图像特征，利用所述区域检测模型中的全连接层计算所述切片图像的区域缺陷概率，根据所述区域缺陷概率，确定所述切片图像的缺陷区域。
[0039]为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
[0040]至少一个处理器；以及，
[0041]与所述至少一个处理器通信连接的存储器；其中，
[0042]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的图像缺陷智能检测方法。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像缺陷智能检测方法，其特征在于，所述方法包括：获取待检测的初始图像，对所述初始图像进行图像增强，得到增强图像，对所述增强图像进行切片处理，得到切片图像；利用预先训练好的区域检测模型中的卷积层对所述切片图像进行第一卷积特征提取，得到第一图像特征，根据所述第一图像特征，构建所述切片图像的第一特征通道；利用所述区域检测模型中的注意力机制计算所述第一特征通道中每个通道的通道权重，以从所述第一特征通道中选取所述切片图像的第二特征通道，并根据所述第二特征通道，利用所述卷积层对所述切片图像进行第二卷积特征提取，得到第二图像特征；利用所述区域检测模型中的融合层对所述第一图像特征和所述第二图像特征进行融合，得到融合图像特征，并根据所述融合图像特征，利用所述区域检测模型中的全连接层计算所述切片图像的区域缺陷概率，根据所述区域缺陷概率，确定所述切片图像的缺陷区域。2.如权利要求1所述的图像缺陷智能检测方法，其特征在于，所述对所述初始图像进行图像增强，得到增强图像，包括：对所述初始图像进行降噪处理，得到降噪图像；提取所述降噪图像的中的像素值，对所述像素值进行灰度均衡处理，得到均衡像素值；通过所述均衡像素值对所述降噪图像进行图像更新，得到增强图像。3.如权利要求1所述的图像缺陷智能检测方法，其特征在于，所述所述对所述增强图像进行切片处理，得到切片图像，包括：获取所述增强图像对应的灰度图像，并提取所述灰度图像中的灰度值，根据所述灰度值；构建所述灰度值对应的切片矩阵，定位所述增强图像的图像中心，并以所述图像中心构建所述增强图像对应的坐标系；获取所述灰度值在所述坐标系中的坐标信息，结合所述坐标信息和所述切片矩阵，对所述灰度图像进行图像切片，得到切片图像。4.如权利要求1所述的图像缺陷智能检测方法，其特征在于，所述利用训练好的区域检测模型中的卷积层对所述切片图像进行第一卷积特征提取，得到第一图像特征，包括：获取所述区域检测模型中卷积层中的卷积核，检测所述切片图像中的像素值，根据所述像素值，利用所述卷积核对所述切片图像进行特征提取，得到第一特征；对所述卷积核进行翻转处理，得到翻转卷积核，并利用所述翻转卷积核对所述切片图像进行特征提取，得到第二特征；将所述第一特征和所述第二特征依次相加，得到目标特征，并将所述目标特征作为所述切片图像的第一图像特征。5.如权利要求1所述的图像缺陷智能检测方法，其特征在于，所述利用训练好的区域检测模型中的注意力机制计算所述第一特征通道中每个通道的通道权重，包括：可以通过下述公式计算所述第一特征通道中每个通道的通道权重：
其中，G(i)表示第一特征通道中每个通道的通道权重，Z表示第一特征通道的映射值总和，i表示每个通道对应的映射值，ρ表示特征通道中每个通道对应的权重系数。6.如权利要求1所述的图像缺陷智能检测方法，其特征在于，所述利用所述训...

【专利技术属性】
技术研发人员：唐小初，周涵涛，舒畅，陈又新，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：