(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210623977.3 (22)申请日 2022.06.02 (71)申请人 华中科技大 学 地址 430074 湖北省武汉市洪山区珞喻路 1037号 (72)发明人 杨华　尹周平　常靖昀　何源　 (74)专利代理 机构 华中科技大 学专利中心 42201 专利代理师 胡佳蕾 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/194(2017.01) G06T 7/44(2017.01) G06V 10/44(2022.01)G06V 10/54(2022.01) G06V 10/774(2022.01) (54)发明名称 一种基于异常特征分解与纹理背景转换的 缺陷检测方法 (57)摘要 本发明属于图像处理领域， 并公开了一种基 于异常特征分解与纹理背景转换的缺陷检测方 法。 该方法包括随机剪接模块、 域特征交叉模块、 对抗分割模块及隐空间约束模块， 随机剪接模块 用于人工异常样本的随机生 成； 域特征交叉模块 分解背景特征和缺陷特征， 隐式转换背景特征完 成特征分离； 隐空间约束模块将正常域与异常域 背景特征进一步约束在公共空间中； 像素级对抗 分割模块通过像素级对抗学习机制， 进一步提升 纹理重构精度， 还能直接分割出缺陷位置。 进行 检测时， 一方面将输入图像与重构的纹理背景图 像作差间接确定缺陷区域， 另一方面在缺陷图中 直接分割缺陷。 如此， 本发明对不同纹理表面上 的不同大小、 不同对比度的缺陷有较高的检测精 度。 权利要求书2页 说明书10页 附图3页 CN 115100119 A 2022.09.23 CN 115100119 A 1.一种基于异常特征分解与纹理背景转换的缺陷检测模型的构建方法， 其特征在于， 包括： S1、 搭建缺陷检测模型； 所述缺陷检测模型包括： 级联且共享网络参数的第一域特征交 叉模块和第二 域特征交叉模块； 所述第一域特征交叉模块， 用于提取输入的正常样本的第 一正常域背景特征以及提取 输入的异常样本的第一异常域背 景特征和 第一异常域缺陷特征； 再基于所述第一异常域背 景特征生成第一伪正常样本以及基于所述第一正常域背景特征和第一异常域缺陷特征生 成第一伪异常样本； 所述第二域特征交叉模块， 用于提取所述第 一伪正常样本的第 二正常域背景特征以及 提取第一伪异常样本的第二异常域背 景特征和 第二异常域缺陷特征； 再基于所述第二异常 域背景特征生成第二伪正常样本以及基于所述第二正常域背景特征和第二异常域缺陷特 征生成第二伪异常样本； S2、 以最小化第一伪正常样本与输入的异常样本之间的残差、 与第一伪异常样本与输 入的正常样本之间的残差之 间的差异， 以及最小化第二伪正常样本与输入的正常样本之间 的残差、 与第二伪异常样本与输入的异常样本之间的残差之间的差异为 目标， 训练所述缺 陷检测模型。 2.根据权利要求1所述的基于异常特征分解与纹理背景转换的缺陷检测模型的构建方 法， 其特征在于， 所述第一 域特征交叉模块包括： 第一正常域背景编码器， 用于将输入的正常样本编码为第一正常域背景特征； 第一异 常域背景编码器， 用于将输入的异常样本编码为第一异常域背景特征； 第一异常域缺陷编 码器， 用于将输入的异常样 本编码为第一异常域缺陷特征； 第一正常域生成器， 基于所述第 一异常域背景特征生成第一伪正常样本； 第一异常域生成器， 基于所述第一正常域背景特 征和第一异常域 缺陷特征生成第一伪异常样本； 所述第二 域特征交叉模块包括： 第二正常域背景编码器， 用于将第一伪正常样本编码为第二正常域背景特征； 第二异 常域背景编码器， 用于将第一伪异常样本编码为第二异常域背景特征； 第二异常域缺陷编 码器， 用于将第一伪异常样 本编码为第二异常域缺陷特征； 第二正常域生成器， 基于所述第 二异常域背景特征生成第二伪正常样本； 第二异常域生成器， 基于所述第二正常域背景特 征和第二异常域 缺陷特征生成第二伪异常样本 。 3.根据权利要求2所述的基于异常特征分解与纹理背景转换的缺陷检测模型的构建方 法， 其特征在于， 损失函数还包括： 最小化输入的正常样本与正常重构图像之间的差异、 与 最小化输入的异常样本与异常重构图像之间的差异之和； 其中， 所述正常重构图像为所述 第一正常域背 景特征经过所述第一正常域生成器重构的图像， 所述异常重构图像为所述第 一异常域背景 特征和第一异常域 缺陷特征经过所述第一异常域 生成器重构的图像。 4.根据权利要求1至3任一项所述的基于异常特征分解与纹理背景转换的缺陷检测模 型的构建方法， 其特征在于， 所述缺陷检测模型还包括隐空间约束模块， 用于约束 所述第一 正常域背 景特征和 第一异常域背 景特征共享同一隐空间， 使判别器无法区分所述第一正常 域背景特征和第一异常域背景 特征。 5.根据权利要求1至3任一项所述的基于异常特征分解与纹理背景转换的缺陷检测模权　利　要　求　书 1/2 页 2 CN 115100119 A 2型的构建方法， 其特征在于， 所述缺陷检测模型还包括随机剪接模块， 用于生成异常样本， 具体为： 在一张正常样本中截取掩膜对应的区域， 作为模拟的缺陷； 再将其与另一张正常样 本拼接， 从而得到异常样本 。 6.根据权利要求1至3任一项所述的基于异常特征分解与纹理背景转换的缺陷检测模 型的构建方法， 其特征在于， 所述缺陷检测模型还包括对抗分割模块， 用于对输入的纹理图 像进行分割， 得到缺陷分割结果； 所述方法还包括： 以所述输入的异常样本为正样本， 所述第一伪正常样本和第一伪异 常样本为负 样本， 进行对抗训练。 7.一种基于异常特 征分解与纹 理背景转换的缺陷检测方法， 其特 征在于， 包括： 将待测纹理图像输入到采用权利要求1至5任一项所述的基于异常特征分解与纹理背 景转换的缺陷检测模型 的构建方法所构建的缺陷检测模型中， 得到所述第一伪正常样本， 将所述待测纹 理图像与第一伪正常样本的残差图像作为 最终检测结果。 8.一种基于异常特 征分解与纹 理背景转换的缺陷检测方法， 其特 征在于， 包括： 将待测纹理图像输入到采用权利要求6所述的基于异常特征分解与纹理背景转换的缺 陷检测模型的构建方法所构建的缺陷检测模型中， 得到所述第一域特征交叉模块输出的第 一伪正常样本以及所述对抗分割模块输出的缺陷分割结果， 将所述待测纹理图像与第一伪 正常样本的残差、 与所述 缺陷分割结果进行融合， 得到最终检测结果。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质包括存储的计算 机程序， 其中， 在所述计算机程序被处理器运行时控制所述存储介质所在设备执行如权利 要求1至6任一项 所述的基于异常特征分解与纹理背 景转换的缺陷检测模型的构建方法和/ 或， 如权利要求7或8所述的基于异常特 征分解与纹 理背景转换的缺陷检测方法。权　利　要　求　书 2/2 页 3 CN 115100119 A 3