[發明專利]基于特征感知和多通道學習的圖像色差檢測方法

在審

• 申請號: 202210180091.6
• 申請日: 2022-02-25
• 公開（公告）號: CN114581536A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 高紅霞;廖宏宇;黃濱;鄭弘振
• 申請（專利權）人: 華南理工大學
• 主分類號: G06T7/90
• 分類號: G06T7/90;G06K9/62;G06N3/04;G06N3/08;G06V10/764;G06V10/82
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 馮炳輝

1.基于特征感知和多通道學習的圖像色差檢測方法，其特征在于，包括以下步驟：

1)采集具有復雜紋理及圖案的圖像，對圖像中的色差異常標注色差偏移量及位置，構建用于訓練色差檢測網絡的訓練集；其中，所述色差檢測網絡由多通道學習模塊、特征感知模塊、區域建議網絡和預測回歸網絡組成；

2)將訓練集中的圖像輸入色差檢測網絡進行訓練，具體過程如下：

2.1)圖像輸入多通道學習模塊，獲取圖像全面特征圖；

2.2)將圖像全面特征圖輸入特征感知模塊，獲得感知加權后的特征圖；

2.3)將感知加權后的特征圖輸入區域建議網絡，得到被網絡判斷存在色差異常的區塊特征圖；

2.4)將區塊特征圖輸入預測回歸網絡，得到色差異常位置及色差偏移量，與真實的色差異常位置及色差偏移量做運算，計算損失，通過損失函數反向傳播，調整多通道學習模塊、特征感知模塊及預測回歸網絡的參數；

3)返回步驟2)，重新將訓練集中的圖像輸入調整后的色差檢測網絡進行迭代訓練，不斷重復步驟2)至3)，直至訓練次數大于預設迭代次數，將最后一次得到的網絡確定為訓練好的色差檢測網絡；

4)將待檢測的具有復雜紋理及圖案的圖像輸入訓練好的色差檢測網絡，識別出超過閾值的色差異常并在圖中標注色差偏移量及位置，完成對具有復雜紋理及圖案的圖像的色差檢測。

2.根據權利要求1所述的基于特征感知和多通道學習的圖像色差檢測方法，其特征在于，在步驟1)中，具有復雜紋理及圖案的圖像是物品繁多的快遞包裹在X光機下成像得到的X光圖像或具有復雜紋理板底的PCBA在光學成像裝置下得到的圖像，為RGB格式圖像，標注色差位置與色差偏移值，構建訓練集。

3.根據權利要求1所述的基于特征感知和多通道學習的圖像色差檢測方法，其特征在于，在步驟2.1)中，所述多通道學習模塊包含通道變換和分通道特征提取兩個步驟：

2.1.1)在通道變換步驟，利用原先的RGB格式圖像轉換出HSV格式圖像和YUV’格式圖像，對圖像中的每一個像素點做如下操作：

C_max＝max(R，G，B)，C_min＝min(R，G，B)，Δ＝C_max-C_min

Y＝0.299·R+0.587·G+0.114·B，U＝(B-Y)/1.772，V′＝(R-Y)/1.402

式中，C_max為像素點RGB三個通道值中的最大值，C_min為像素點RGB三個通道值中的最小值，Δ為C_max與C_min的差值，(R，G，B)為像素點RGB三個通道的值，(H，S，V)和(Y，U，V′)分別為轉換得到的HSV格式和YUV’格式的對應通道值，·為乘法運算；

2.1.2)在分通道特征提取步驟，用不同的卷積層對圖像所有9個通道進行分通道特征提取，獲取圖像全面特征圖：

f_i[x，y]＝I_i[x，y]*w_i[d，e]，i∈{R，G，B，H，S，V，Y，U，V′}

式中，f_i[x，y]表示對應i通道的特征圖，I_i[x，y]為對應i通道的圖像，w_i[d，e]表示對應i通道的卷積層中的卷積核，*為卷積運算。