[發明專利]一種基于空間上下文變分自動編碼器的圖像異常檢測方法

在審

• 申請號: 202210546904.9
• 申請日: 2022-05-19
• 公開（公告）號: CN114913377A
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 牛四杰;周雪瑩;李孝輝;高希占;董子昊;劉博文;張鳳航;董吉文
• 申請（專利權）人: 濟南大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/40;G06V10/82;G06K9/62;G06T7/00;G06T7/13;G06T7/73;G06T7/11;G06N3/04;G06N3/08
• 代理公司: 濟南領升專利代理事務所(普通合伙) 37246
• 代理人: 王吉勇

1.一種基于空間上下文變分自動編碼器的圖像異常檢測方法，其特征在于，所述方法通過使用空間上下文變分自動編碼器，進行圖像生成與注意力校正，檢測異常圖像；

所述空間上下文變分自動編碼器包括兩個不同的變分自動編碼器：

第一個為空間變分自動編碼器，用于學習正常圖像的空間特征；

第二個為上下文變分自動編碼器，用于學習正常圖像的全局上下文特征。

2.根據權利要求1所述的一種基于空間上下文變分自動編碼器的圖像異常檢測方法，其特征在于，所述方法的實現包括如下步驟：

a)收集醫學圖像數據，對收集的數據進行預處理；

b)提取預處理后圖像中的生物組織區域；

c)通過所述空間上下文變分自動編碼器，學習正常生物組織的空間及上下文特征的分布；

d)提出一種不依賴于梯度的定位算法，生成關注異常區域的注意力圖；

e)在檢測階段，通過構建一個異常分數，評價待檢測圖像的異常情況。

3.根據權利要求2所述的一種基于空間上下文變分自動編碼器的圖像異常檢測方法，其特征在于，所述醫學圖像數據的收集和預處理過程包括：

a-1)通過醫學成像設備采集醫學圖像，圖像每個像素點的取值范圍為0-255；

a-2)通過雙線性插值方法將所述圖像的分辨率進行標準化。

4.根據權利要求2所述的一種基于空間上下文變分自動編碼器的圖像異常檢測方法，其特征在于，所述提取預處理后圖像中的生物組織區域采用自監督分割網絡的方法，包括步驟如下：

b-1)構建灰度直方圖，計算正常圖像中生物組織區域的邊緣坐標；

b-2)根據得到的邊緣坐標，將邊緣內部填充，獲得二值掩膜圖像，其中，生物組織區域為1，其它區域為0；

b-3)將所獲得的二值掩膜圖像與原始圖像相乘，只保留原始圖像中的生物組織區域，排除無關區域對檢測的干擾；

b-4)使用正常醫學圖像及提取的生物組織區域作為訓練樣本x及對應的標簽y，訓練一個分割網絡，用于自動提取正常及異常圖像中的生物組織區域；

b-5)所述分割網絡的基本架構包含3組卷積模塊，4組下采樣模塊，和4組上采樣模塊，所述上采樣過程使用跳層連接技術；

b-6)所述分割網絡的優化目標函數為：

其中，p為圖像x的預測值，y為標簽，N為訓練樣本的個數；

b-7)訓練過后，將所述分割網絡的參數固定。原始圖像將先通過分割網絡，得到生物組織區域的分割結果，將分割結果的二值圖像與原始圖像相乘，得到后續網絡的輸入圖像Ir。

5.根據權利要求1所述的一種基于空間上下文變分自動編碼器的圖像異常檢測方法，其特征在于，所述空間變分自動編碼器的構建包括如下步驟：

c-1)構建特征提取網絡、分布學習網絡以及圖像重建網絡；

c-2)所述空間變分自動編碼器的特征提取網絡包含4個卷積層、1個最大池化層、4組殘差模塊和一個平均池化層，其分布學習網絡包含三個卷積層，圖像重建網絡包含9組反卷積模塊和1個卷積層；

c-3)空間變分自動編碼器的目標函數為：

其中，第一項D_KL(q_φs(z_s))||p_θs(z_s))為相對熵損失函數，其中,為輸入數據的空間潛變量，p_θs(z_s)為正?？臻g特征的真實后驗分布，q_φs(z_s)為已知的高斯分布，用以逼近正?？臻g特征的真實后驗分布；

第二項||I_r-I_s||₁是重建誤差損失函數，其中I_s為空間變分自動編碼器的重建圖像。