[發(fā)明專(zhuān)利]一種基于One-Class SVM的貼片LED瑕疵標(biāo)注方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010480396.X
• 申請(qǐng)日: 2020-05-30
• 公開(kāi)（公告）號(hào): CN111724353A
• 公開(kāi)（公告）日: 2020-09-29
• 發(fā)明（設(shè)計(jì)）人: 董延超;寧少淳;王浩天;冀玲玲
• 申請(qǐng)（專(zhuān)利權(quán)）人: 同濟(jì)大學(xué)
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06T5/00;G06K9/62
• 代理公司: 上海科盛知識(shí)產(chǎn)權(quán)代理有限公司 31225
• 代理人: 應(yīng)小波

本發(fā)明涉及一種基于One?Class SVM的貼片LED瑕疵標(biāo)注方法，步驟1：獲取貼片LED圖像；步驟2：建立分類(lèi)器模型；步驟3：使用分類(lèi)器模型中的One?Class SVM分別對(duì)測(cè)試圖像的像素點(diǎn)進(jìn)行檢測(cè)，對(duì)測(cè)試圖像進(jìn)行分類(lèi)，分類(lèi)器模型判斷圖像是否為瑕疵類(lèi)圖像，若是，則執(zhí)行步驟4，否則，將圖像直接輸出為非瑕疵類(lèi)圖像；步驟4：分別對(duì)瑕疵類(lèi)像素點(diǎn)和非瑕疵類(lèi)像素點(diǎn)進(jìn)行標(biāo)注；步驟5：對(duì)標(biāo)注后的瑕疵類(lèi)圖像進(jìn)行去噪處理，獲得經(jīng)過(guò)精細(xì)化標(biāo)注的瑕疵類(lèi)圖像。與現(xiàn)有技術(shù)相比，本發(fā)明具有復(fù)雜度低、處理速度快、標(biāo)注更加精細(xì)、實(shí)用性強(qiáng)等優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像標(biāo)注技術(shù)領(lǐng)域，尤其是涉及一種基于One-Class SVM的貼片LED瑕疵標(biāo)注方法。

背景技術(shù)

目前在分割，分類(lèi)，檢測(cè)識(shí)別等計(jì)算機(jī)視覺(jué)任務(wù)中，基于深度學(xué)習(xí)等方法的檢測(cè)精度已經(jīng)超越了許多傳統(tǒng)方法。深度學(xué)習(xí)如果采用監(jiān)督學(xué)習(xí)方法，往往需要較多標(biāo)注精細(xì)的圖像作為訓(xùn)練集，而在工業(yè)缺陷檢測(cè)，特別是工業(yè)視覺(jué)檢測(cè)領(lǐng)域，獲取大量精細(xì)標(biāo)注的數(shù)據(jù)成本較高，而獲得一些標(biāo)注粗放的圖像較為容易。因此要有一種標(biāo)注方法，使得粗標(biāo)注圖像優(yōu)化成較為精細(xì)的標(biāo)注圖像，再給后續(xù)深度學(xué)習(xí)模型作為數(shù)據(jù)集訓(xùn)練使用。

現(xiàn)有技術(shù)中對(duì)圖像進(jìn)行標(biāo)注的方法都比較復(fù)雜，例如中國(guó)專(zhuān)利CN102854193A中公開(kāi)了一種用于圖像瑕疵檢測(cè)的檢測(cè)方法和檢測(cè)系統(tǒng)，通過(guò)設(shè)置一檢測(cè)系統(tǒng)，檢測(cè)系統(tǒng)包括方法處理模塊和工作模塊，方法處理模塊和工作模塊都包括圖像分區(qū)模塊，方法處理模塊包括多線程處理模塊和圖像分區(qū)模塊，工作模塊包括高斯平滑處理模塊、邊框?qū)ふ夷K、圖像分區(qū)模塊、瑕疵檢出模塊、形狀約束過(guò)濾模塊、瑕疵標(biāo)注模塊和亮度判斷模塊，工作模塊在檢測(cè)系統(tǒng)工作過(guò)程中按照高斯平滑處理模塊、亮度判斷模塊、邊框?qū)ふ夷K、圖像分區(qū)模塊、瑕疵檢出模塊、形狀約束過(guò)濾模塊和瑕疵標(biāo)注模塊的順序運(yùn)行。該檢測(cè)方法的復(fù)雜度較高，處理時(shí)間長(zhǎng)，處理速度慢。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種復(fù)雜度低、處理速度快、標(biāo)注更加精細(xì)、實(shí)用性強(qiáng)的基于One-Class SVM的貼片LED瑕疵標(biāo)注方法。

本發(fā)明的目的可以通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)：

一種基于One-Class SVM的貼片LED瑕疵標(biāo)注方法，包括：

步驟1：獲取貼片LED圖像；

步驟2：建立分類(lèi)器模型；

步驟3：使用分類(lèi)器模型中的One-Class SVM分別對(duì)測(cè)試圖像的像素點(diǎn)進(jìn)行檢測(cè)，對(duì)測(cè)試圖像進(jìn)行分類(lèi)，分類(lèi)器模型判斷圖像是否為瑕疵類(lèi)圖像，若是，則執(zhí)行步驟4，否則，將圖像直接輸出為非瑕疵類(lèi)圖像；

步驟4：分別對(duì)瑕疵類(lèi)像素點(diǎn)和非瑕疵類(lèi)像素點(diǎn)進(jìn)行標(biāo)注；

步驟5：對(duì)標(biāo)注后的瑕疵類(lèi)圖像進(jìn)行去噪處理，獲得經(jīng)過(guò)精細(xì)化標(biāo)注的瑕疵類(lèi)圖像。

優(yōu)選地，所述步驟1中的貼片LED圖像包括訓(xùn)練圖像、測(cè)試圖像和經(jīng)過(guò)粗標(biāo)注的瑕疵類(lèi)圖像；所述的訓(xùn)練圖像包括非瑕疵圖像；所述的測(cè)試圖像包括非瑕疵圖像和瑕疵類(lèi)圖像。

優(yōu)選地，所述的步驟2具體為：

分別使用所有訓(xùn)練圖像中每個(gè)處于相同位置處的像素點(diǎn)訓(xùn)練一個(gè)One-Class SVM分類(lèi)器，最終獲得分類(lèi)器模型，然后通過(guò)測(cè)試圖像和經(jīng)過(guò)標(biāo)注的瑕疵類(lèi)圖像對(duì)分類(lèi)器模型進(jìn)行測(cè)試。

優(yōu)選地，所述的分類(lèi)器模型包括若干個(gè)One-Class SVM分類(lèi)器，若干個(gè)One-ClassSVM分類(lèi)器通過(guò)投票法獲得圖像分類(lèi)結(jié)果。

更加優(yōu)選地，所述的One-Class SVM分類(lèi)器采用支持向量數(shù)據(jù)描述SVDD作為單分類(lèi)SVM方法；所述的支持向量數(shù)據(jù)描述SVDD具體為：

步驟2-1：建立SVDD模型；