[发明专利]一种图像数据处理方法、设备以及介质

说明书

本申请实施例提供了一种图像数据处理方法、设备以及介质，该方法涉及人工智能领域，方法包括：获取包含检测对象的配准图像，获取配准图像和与检测对象相关联的模板图像之间的差分图像；生成配准图像、模板图像和差分图像之间的深度融合图像特征；生成差分图像对应的差分坐标矩阵，对差分坐标矩阵和深度融合图像特征进行稀疏卷积操作，得到配准图像对应的稀疏融合图像特征；根据稀疏融合图像特征，在配准图像中确定用于标注检测对象的异常标注区域和异常标注区域的异常分类结果。采用本申请，可以提高缺陷检测的准确性。

技术领域

本申请涉及计算机技术领域，尤其涉及一种图像数据处理方法、设备以及介质。

背景技术

现有缺陷检测算法直接对原始图像上的每个像素点进行特征提取，进而基于提取到的缺陷特征，确定原始图像中可能具有缺陷的区域，然后再对可能具有缺陷的区域所对应的候选框进行微调，得到精确的缺陷检测框(即异常标注区域)。由于不同场景下获取到的原始图像具有不同的图像质量，将原始图像直接输入至缺陷检测算法，难以确保缺陷检测的准确性。

此外，原始图像中的缺陷形态分布大小不一，通常缺陷区域相比原始图像只占据小部分区域，原始图大部分区域为无缺陷区域，因此现有缺陷检测算法难以确保缺陷特征的高度稀疏化，从而进一步降低缺陷检测的准确性。

发明内容

本申请实施例提供一种图像数据处理方法、设备以及介质，可以提高缺陷检测的准确性。

本申请实施例一方面提供了一种图像数据处理方法，包括：

获取包含检测对象的配准图像，获取配准图像和与检测对象相关联的模板图像之间的差分图像；

生成配准图像、模板图像和差分图像之间的深度融合图像特征；

生成差分图像对应的差分坐标矩阵，对差分坐标矩阵和深度融合图像特征进行稀疏卷积操作，得到配准图像对应的稀疏融合图像特征；

根据稀疏融合图像特征，在配准图像中确定用于标注检测对象的异常标注区域和异常标注区域的异常分类结果。

本申请实施例一方面提供了一种图像数据处理装置，包括：

图像获取模块，用于获取包含检测对象的配准图像，获取配准图像和与检测对象相关联的模板图像之间的差分图像；

深度融合模块，用于生成配准图像、模板图像和差分图像之间的深度融合图像特征；

浅度融合模块，用于生成差分图像对应的差分坐标矩阵，对差分坐标矩阵和深度融合图像特征进行稀疏卷积操作，得到配准图像对应的稀疏融合图像特征；

结果确定模块，用于根据稀疏融合图像特征，在配准图像中确定用于标注检测对象的异常标注区域和异常标注区域的异常分类结果。

其中，图像获取模块包括：

图像采集单元，用于通过采集组件获取包含检测对象的原始图像，获取采集组件对应的模板图像；

图像配准单元，用于对模板图像和原始图像进行图像配准，得到包含检测对象的配准图像；

差分操作单元，用于对配准图像和模板图像进行差分操作，得到配准图像和模板图像之间的差分图像。

其中，图像配准单元包括：

亮度校正子单元，用于基于模板图像的图像亮度，对原始图像进行亮度校正，得到校正后的原始图像；

图像灰度化子单元，用于对校正后的原始图像进行图像灰度化，得到原始图像灰度矩阵，对模板图像进行图像灰度化，得到模板图像灰度矩阵；

图像变换子单元，用于基于原始图像灰度矩阵和模板图像灰度矩阵，将原始图像变换为包含检测对象的配准图像。