基于图像修复的无监督表面缺陷检测方法

对于非均匀、非周期性欠规则纹理表面缺陷的检测,由于背景纹理为非平稳信号,常规的图像重建较为困难。同时,由于难以事先获取缺陷的形状、灰度等图像特征信息,且同类缺陷的视觉特征可呈现较大的分散性,现有的依赖于目标特征的检测方法难以适用。为此,文中提出了一种基于图像修复的无监督学习表面缺陷检测方法。该方法需要先将少量正常纹理样本图像作为训练集,用于训练网络模型;然后在检测时,人为地在样本图像中设置缺失区域,并利用网络模型预测缺失区域的内容;最后根据重建图像与待测图像的结构相似性评价及残差实现缺陷检测与分离。实验结果表明,文中方法不仅能够有效检测规则纹理表面的缺陷,而且能够检测欠规则纹理表面的缺陷,具有较强的实用性和适应性。