基于连通域数量稳定性的异常分数图二值化方法和装置

本发明涉及计算机视觉，特别是涉及一种基于连通域数量稳定性的异常分数图二值化方法和装置。

背景技术：

1、在工业自动化和质量控制领域，工业异常检测技术发挥着至关重要的作用，它能够自动检测生产线上产品的缺陷，确保产品质量满足高标准的要求。工业异常检测技术涉及到从大量的工业产品图像数据中检测出包含有表面缺陷的图像以及缺陷在对应图像中的位置，其中现有的工业异常检测方法一般为：对输入图像的每一个像素点进行异常概率的量化，进而构建出一幅与原图像等大的异常分数图，这是现有的评估产品表面缺陷的一种有效手段。然而异常分数图仅能显示每个像素为异常的概率值，无法判断哪些像素为异常，所以需要对其进行二值化处理，得到图像中异常区域的分割结果。另外，对于许多下游任务而言二值化也是不可或缺的预处理步骤，比如在工业异常新类别发现任务中，提前将异常分数图进行二值化来分割出异常区域便于引导网络更多地学习异常部分；在缺陷生成任务中，可以使用异常图像及其二值化之后的分割结果来训练生成模型产生更多异常图像和对应的标注，节省人工标注的成本。由此可见，对于异常分数图进行二值化是实际工业产线上的一个必要任务，具有很大的应用前景。

2、现有的工业场景的异常分数图的二值化方法有固定阈值法、大津法(otsu’smethod)等。固定阈值法对于所有的异常分数图像人为地取统一的阈值进行二值化，即将异常分数低于阈值的像素灰度值置0，反之置1。该方法需要人为选取阈值，需要尝试尽可能多的阈值并进行评估来选取出二值化结果对应缺陷误漏检情况均较少的阈值，且同一阈值不一定适用于不同异常检测模型输出的异常分数图，更换异常检测方法或数据集就需要重新进行阈值选取，所需的人工耗费大，且阈值的普适性一般。大津法假设待二值化的每张灰度图像均存在前景和背景(在工业异常检测场景下分别对应缺陷和正常区域)且呈现双峰分布(即前景和背景的像素群各自服从不同的分布，两个分布的对应的均值距离较远，即两个分布具有一定的可分性)，选取图像分割后的前景和背景之间的差异最大化(即最大化类间方差)的阈值作为阈值。在工业异常检测场景中，大津法的主要弊端在于实际工业生产中大部分为正常图像，不存在前景和背景的区别，其假设“待二值化的每张灰度图像均存在前景和背景”不再成立，会导致这些大量的正常图像的二值化结果中均存在较多的误检。

3、综上所述，在工业异常检测场景中，无论是固定阈值方法还是大津法都存在着明显的弊端，较难达到对应的二值化结果缺陷误漏检均较低的效果。

4、鉴于此，克服该现有技术所存在的缺陷是本技术领域亟待解决的问题。

技术实现思路

1、本发明要解决的技术问题是在工业异常检测场景中，现有技术较难达到对应的二值化结果缺陷误漏检均较低的效果。

2、本发明采用如下技术方案：

3、第一方面，本发明提供了一种基于连通域数量稳定性的异常分数图二值化方法，包括：

4、在步骤201中，统计每张异常分数图对应的全图异常分数，自适应地确定阈值的搜索空间；

5、在步骤202中，对于异常分数图ai，在阈值搜索空间内进行等间隔的穷尽搜索，统计每个阈值下ai二值化结果中的连通域数量；

6、在步骤203中，对于异常分数图ai，根据阈值变化时二值化结果的连通域数量变化情况来自适应估计ai对应的阈值，并进行二值化；

7、在步骤204中，对所有异常分数图{ai|i∈[1,n]}重复步骤202和步骤203得到对应的二值化结果{mi|i∈[1,n]}。

8、优选的，所述统计每张异常分数图对应的全图异常分数，自适应地确定阈值的搜索空间，具体包括：

9、计算{ai|i∈[1,n]}中每张异常分数图的异常分数{si|i∈[1,n]}，其中si为异常分数图ai像素值ai(p)的最大值；

10、进一步计算这批异常分数图对应的异常分数的最值：smax＝max(s1,s2,…,sn)，smin＝min(s1,s2,…,sn)；

11、确定阈值的搜索空间为[smin,smax]。

12、优选的，所述在阈值搜索空间内进行等间隔的穷尽搜索，统计每个阈值下ai二值化结果中的连通域数量，具体包括：

13、从阈值区间[smin,smax]均匀采样64个阈值得到{εj|j∈[1,64]}；

14、相邻两个阈值间隔为利用阈值εj对ai进行二值化，将大于等于阈值εj的像素值置为1，小于阈值εj的像素值置为0，由此得到二值图

15、对进行图像腐蚀操作来去除噪声，统计腐蚀结果图中连通域的数量

16、使用{εj|j∈[1,64]}中的所有阈值重复上述操作，得到阈值递增时对应的二值化结果中的连通域数量序列

17、优选的，所述腐蚀操作所使用的腐蚀核大小为6×6。

18、优选的，所述根据阈值变化时二值化结果的连通域数量变化情况来自适应估计ai对应的阈值，并进行二值化，具体包括：

19、取ai对应二值化结果的连通域数量序列中非0的连通域数量的众数作为ai对应缺陷区域数量的估计值

20、寻找连通域数量序列中对应的所有同值子序列，根据同值子序列确定ai对应的阈值；

21、根据阈值估计值对异常分数图ai进行二值化，得到图像ii对应的二值化结果mi。

22、优选的，所述寻找连通域数量序列中对应的所有同值子序列，根据同值子序列确定ai对应的阈值，具体包括：

23、若不存在对应的同值子序列或所有同值子序列长度均小于4，则更改ai对应缺陷区域数量的估计值为0，取ai对应的阈值估计值为1；

24、若存在对应长度大于等于4的同值子序列，选取最长的序列代表区域数量稳定性最优的序列，接着选择该序列对应所有阈值中的最小阈值，作为ai对应的阈值估计值

25、优选的，在统计每张异常分数图对应的全图异常分数前，方法还包括：

26、对于一批产品图像{ii|i∈[1,n]}，n为图像数量，使用异常检测模型产生对应的异常分数图{ai|i∈[1,n]}；其中ai为图像ii对应预测得到的异常分数图。

27、优选的，所述异常检测模型为musc模型或cpr模型。

28、第二方面，本发明还提供了一种基于连通域数量稳定性的异常分数图二值化装置，用于实现第一方面所述的基于连通域数量稳定性的异常分数图二值化方法，所述装置包括：

29、至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述处理器执行，用于执行第一方面所述的基于连通域数量稳定性的异常分数图二值化方法。

30、第三方面，本发明还提供了一种非易失性计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，用于完成第一方面所述的方法。

31、第四方面，提供了一种芯片，包括：处理器和接口，用于从存储器中调用并运行存储器中存储的计算机程序，执行如第一方面的方法。

32、第五方面，提供了一种包含指令的计算机程序产品，当该指令在计算机或处理器上运行时，使得计算机或处理器执行如第一方面的方法。

33、本发明通过自适应确定阈值搜索空间，并根据阈值变化时二值化结果的连通域数量变化情况来自适应地获得每张异常分数图像的二值化阈值，从而比较准确地定位缺陷在原图像中的位置，对于缺陷的误漏检具有较强的抑制能力，进而增强二值化结果的稳健性和可靠性。