【技术实现步骤摘要】
一种图像的处理方法、装置以及存储介质
[0001]本申请涉及计算机
，尤其涉及一种图像的处理方法、装置以及存储介质。
技术介绍
[0002]在智能工业质检系统中，视觉算法的设计是至关重要的环节。由于部分工业品面积较大，如纺织品、大型消费类电子产品等，针对这类产品进行自动化缺陷检测，首先要做的就是高效的获取产品表面的成像信息，因此实际应用中大多使用线扫描相机进行高效率成像扫描，进一步的可以基于成像扫描所得的图像对产品表面的缺陷进行检测，但由于缺陷一般为不常见类型或者面积很小的缺陷，因此如何基于线扫图像进行缺陷检测成为难题。
[0003]一般，对线扫图像进行缺陷检测的过程可以采用目标检测的方法，即采用缺陷级别检测框标注的训练图像进行模型训练，以执行目标检测。
[0004]但是，采用标注数据进行目标检测模型的训练过程需要大量的训练来寻找所有可能的缺陷类型，由于缺陷类型中可能包含少数不常见类型或者面积很小的缺陷，且缺陷是需要标注人员从大面积的线扫图像或者大量图像块中寻找缺陷的位置并提供检测框标注，从而导致缺陷的...
【技术保护点】
【技术特征摘要】
1.一种图像的处理方法，其特征在于，包括：获取线扫数据中的线扫图像，所述线扫图像包含多个图像块；基于数据变换分布对所述线扫图像中的各个图像块分别进行降采样，以得到各个所述图像块对应的第一采样图像和第二采样图像；将所述第一采样图像和所述第二采样图像输入预设主干网络，以得到所述第一采样图像对应的第一图像特征和所述第二采样图像对应的第二图像特征，所述预设主干网络包括第一特征提取网络和第二特征提取网络，所述第一特征提取网络用于根据所述第一采样图像得到所述第一图像特征，所述第二特征提取网络用于根据所述第二采样图像得到所述第二图像特征，所述第一特征提取网络对应网络参数的权重值与所述第二特征提取网络对应网络参数的权重值共享；对所述第一图像特征进行预测得到预测结果，以基于所述预测结果和所述第二图像特征对所述预设主干网络进行自监督训练得到目标主干网络；响应于所述线扫数据中的待处理图像的输入，使用所述目标主干网络对所述待处理图像对应的检测任务进行处理。2.根据权利要求1所述的方法，其特征在于，所述基于数据变换分布对所述线扫图像中的各个图像块分别进行降采样，以得到各个所述图像块对应的第一采样图像和第二采样图像，包括：对所述线扫图像中的各个所述图像块进行划分，以得到各个所述图像块对应的多个图像格；基于所述数据变换分布确定降采样方式；根据所述降采样方式将相邻的图像格分别采样到不同的两个图像中，以得到所述第一采样图像和所述第二采样图像。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：确定所述降采样方式对应的采样方向；基于所述采样方向对所述线扫图像在对应方向上的多个图像格进行采样，以得到采样单元；将相邻的采样单元分别采样到不同的两个图像中，以得到所述第一采样图像和所述第二采样图像。4.根据权利要求3所述的方法，其特征在于，所述确定所述降采样方式对应的采样方向，包括：确定线扫数据对应的线扫对象；获取针对于所述线扫对象配置的纹理信息；基于所述纹理信息进行纹理重复性的检测，以确定所述降采样方式对应的采样方向。5.根据权利要求4所述的方法，其特征在于，所述基于所述纹理信息进行纹理重复性的检测，以确定所述降采样方式对应的采样方向，包括：获取所述线扫对象对应的功能区域信息；基于所述功能区域信息对所述纹理信息进行划分，以得到区域纹理；分别根据所述区域纹理进行纹理重复性的检测，以确定各个所述区域纹理对应的采样方向。
6.根据权利要求1所述的方法，其特征在于，所述对所述第一图像特征进行预测得到预测结果，以基于所述预测结果和所述第二图像特征对所述预设主干网络进行自监督训练得到目标主干网络，包括：将所述第一图像特征输入全连接层进行预测，得到所述预测结果；将所述预测结果与所述第二图像特征靠近，以生成监督信息；基于所述监督信息对所述预设主干网络进行自监督训练，得到目标主干网络，所述监督信息不会向所述第二特征提取网络进行梯...
【专利技术属性】
技术研发人员：王昌安，张博深，
申请(专利权)人：重庆腾讯信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。