基于泊松图像融合的自监督缺陷检测方法

提出一种基于泊松图像融合的自监督缺陷检测方法,采用泊松图像融合对无标注的正常样本进行数据增强,生成多样化的、更贴近实际的模拟缺陷样本,解决缺陷样本数量少且不易标注的问题.结合缺陷样本的特征提出一种CANet网络,引入卷积注意力模块对编码器—解码器结构进行优化,防止采样过程中的信息丢失,并在网络末端添加掩码卷积层以提高输入数据的重建精度.在MV Tec数据集上进行实验,总体检测AUROC达到96.1%;通过与三种典型检测方法的比较,证明所提方法的有效性且具备较好的泛化性,能满足工业生产中不同种类产品的表面缺陷检测要求.

基于融合技术的图像去高光方法

现有的图像去高光方法仅适用于特定对象特定场合、用途单一、局限性大。针对现有多视角法无法处理图像序列重叠高光区域的问题,进一步采用基于样本块的算法修复。实验结果表明,方法在玻璃、金属等物体上,以及图像序列存在重叠高光区域时均能够有效去除高光,准确修复图像丢失信息。

基于双线性回归的个体人脸表情图像归正方法

针对当前人脸表情归正方法缺少个体特征的不足,提出一种基于双线性核降秩回归(BKRRR)的归正方法.BKRRR从训练样本集中同时合成虚拟表情图像和中性表情图像,通过二者差分形成表情掩膜.将待测样本通过分段仿射变换投影至中性表情模板,然后以BKRRR虚拟中性表情图像作为前景图像,以待测样本的中性表情投影图像作为背景图像,以表情掩膜作为前景模板,采用基于泊松方程的图像融合技术获取保留个体特征的虚拟中性表情人脸.实验表明文中方法所合成的虚拟图像在主观视觉和客观评价上均优于目前基于学习的表情归正方法,利于人脸识别精度的提高.