买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安交通大学

摘要：本发明公开了一种基于稀疏补全网络的图像异常检测方法及系统，利用稀疏张量与稀疏卷积构建一种非对称式的自编码图像修复网络；训练环节，网络仅在正常图像样本上以自监督的方式训练图像补全任务；测试环节，通过衡量图像补全的精度来实现图像级别的异常检测与像素级别的异常定位；本发明利用稀疏张量与稀疏卷积，在编码阶段仅对有效像素提取特征；在解码阶段仅将内容解码在覆盖掩膜区域；由此构建的非对称式自编码器大大降低了模型的硬件计算与储存开销；此外，针对形状异常检测，本发明采用稀疏卷积与边缘图像设计了边缘补全网络，更进一步地提升了模型在特定场景下的检测效率。

主权项：1.一种基于稀疏补全网络的图像异常检测方法，其特征在于，包括以下步骤：S1、构建包含非对称式自编码器的稀疏补全网络，构建包含非对称式自编码器的稀疏补全网络具体为：S101、采用密集图像和边缘图像构建稀疏张量，利用稀疏张量储存图像中的选定像素，定义稀疏卷积对指定的像素进行计算；S102、搭建包括编码器，解码器，以及长连接的稀疏自编码器，利用步骤S101构建的稀疏张量和稀疏卷积，在编码阶段对有效像素提取特征；在解码阶段将内容解码在覆盖掩膜区域；S103、在训练环节，设计损失函数计算原始图像与步骤S102中重建图像的损失，通过反向传播算法训练步骤S102中稀疏自编码器；测试环节，设计异常评分函数计算原始图像与重建图像的差异，得出异常评分图，对于密集图像，构建损失函数L，由稀疏补全网络得到的重构图像与原始训练图像进行损失计算，最终通过多尺度梯度相似损失LG计算像素级别的异常定位图，并取定位图中的最大值作为图像级别的异常检测图；损失函数L为：L＝λGLG+λSLS+L2其中，λG，λS为可调节的超参，LG为多尺度梯度相似损失，LS为结构相似性损失；对于边缘图像，构建损失函数L，由稀疏补全网络得到的重构边缘图与原始训练图像的边缘图Ie进行损失计算，针对异常评价，采用形态学处理，通过OTSU算法提取与Ie中的边缘点坐标集C与Cr，随后通过区域差分模型计算残差，得到残差图随后通过形态学闭合操作将距离小于超参数Sclo的边缘残差连接，并利用8邻域判别条件将图像划分为多个连通域，对于连通域面积小于超参数τ的区域将其视作噪声并滤除，在最终残差图像中，将保留区域点的特征值记为1，其余区域记为0，得到最终的异常分布图；损失函数L为： 残差图为： 其中，Dil·为形态学膨胀操作；S2、利用训练集图像对步骤S1搭建的稀疏补全网络进行训练，基于步骤S1稀疏补全网络的损失函数在正常图像样本上以自监督的方式训练图像补全任务；S3、将测试集图像输入步骤S2训练好的稀疏补全网络中，基于步骤S1稀疏补全网络的异常评分函数，通过衡量图像补全的精度实现图像级别的异常检测与像素级别的异常定位。

全文数据：

权利要求：

百度查询： 西安交通大学 一种基于稀疏补全网络的图像异常检测方法及系统