[发明专利]一种基于离散-连续特征耦合的图像异常检测方法

权利要求书

1.一种基于离散-连续特征耦合的图像异常检测方法，包括下列步骤：

第一步：图像特征提取

(1)数据预处理

确定需要进行异常检测训练和测试的数据集，并进行数据预处理；

(2)编码网络特征提取

利用编码网络对数据预处理后的图像样本提取隐空间特征其中W,H,C分别代表隐空间特征的长度、宽度和通道数量，编码网络采用四层卷积层设计；

(3)哈希隐空间和描述隐空间特征提取

将获得的隐空间特征按空间展开获得块描述特征其中N＝W×H表示特征数量，基于该描述特征，通过二值化映射函数，获得与之对应哈希特征b，加入离散统计激活层，使反向逆传播能以分布导数的方式通过离散编码；

引入额外的判别器，用以分类所提取到的哈希特征与二项分布向量；

第二步：图像特征融合

(1)求解相似性矩阵

设批次大小为n，则描述特征矩阵表示为对应哈希特征矩阵为B＝[b₁；b₂；…；b_N]∈{0,1}^N×M，其中N＝n×W×H，向量下标代表块索引值；利用哈希特征矩阵B建立基于汉明距离的块相似图矩阵，相似度越大则汉明距离越小，相似度越小则汉明距离越大；

(2)构建相似性图

采用隐空间相似矩阵的图收缩方法，根据二进制码之间的汉明距离构建训练批内的相似图，仅保留相似度高于阈值α的边，其余边不予保留；以整个训练批为基础构造图，每个数据都是一个顶点，边长为二进制码之间的汉明距离；采用可优化的图矩阵，根据重建质量引导块间相似性的优化，利用相似性矩阵选择部分最相似块，并用对应的描述特征生成融合描述特征；

(3)重建原始图像

将变换后得到的融合描述特征Z'，输入解码器重建整张图像，解码网络采用四层反卷积层设计；

第三步：异常检测，

对于每个测试图像，采用像素级均方误差对重建后的测试图像与原始测试图像之间的质量进行度量，得到异常分数，随后根据异常分数的大小判断图像异常与否。

2.根据权利要求1所述的图像异常检测方法，其特征在于，第一步的步骤(1)中，训练数据集只包含正常样本，测试数据集包含等量的正常和异常样本；对数据集里的图像样本进行预处理：调整图像大小，图像的通道数转换为3通道的彩色图像。