《非參數化缺陷圖像生成系統和語義驅動方法》是依託華南理工大學，由黃茜擔任項目負責人的面上項目。
基本介紹
- 中文名：非參數化缺陷圖像生成系統和語義驅動方法
- 項目類別：面上項目
- 項目負責人：黃茜
- 依託單位：華南理工大學
項目摘要,結題摘要,
項目摘要
語義技術減少了人與機器互動的隔閡，成為人機互動的關鍵技術之一。自然圖像的絕大部分屬於非參數化圖像，不能用歐式幾何模型表達。如何根據人類的高層語義建立一種人機互動系統生成非參數化圖像是當前的技術挑戰。針對語義驅動的非參數化缺陷圖像生成系統在設計與實現過程中可能遇到的關鍵理論和技術問題，本項目擬在四個方面開展研究：（1）小語義辭彙庫設計,語義驅動方法；（2）圖像解譯圖結構設計；（3）結構規則的形成及其結構隨機性表現；（4）特徵融合規則研究和生成圖像的評估。研究目標是提出有效的非參數化缺陷圖像生成與語義驅動的分析、設計、實現、評估方法，最終實現一個可用的非參數化缺陷圖像語義驅動生成系統。研究成果可套用於語義、特徵提取與分析、圖像生成等相關的研究領域。
結題摘要
缺陷樣本在缺陷自動檢測、算法設計和測試過程中占有重要地位。儘管自然缺陷形狀和尺寸千變萬化，但用非參數化方法可能實現缺陷的生成。本項目研究缺陷的語言特徵和缺陷的圖像特徵之間的關係，發現缺陷形式上的非參數化特性，適合通過一定語義範圍進行語言定義，因此可以按不同缺陷類型建立小語義辭彙庫，並將辭彙庫中的語義按有參照性的形態參數經過比例處理後參數化，進行語義參數匹配，驅動生成符合語義描述的缺陷。非參數化缺陷生成方法基於具體缺陷的圖像解譯圖結構設計，通過對缺陷骨架的結構做出分析，選取一些滿足一些條件的特定位置上的點作為骨架的關節點。提出了通過Perlin自然性噪聲來模擬和生成疏鬆缺陷圖樣，量化生成的缺陷圖樣的形狀特徵，建立了形狀特徵資料庫，實現了具有一定隨機性的參數化的海綿狀疏鬆和條孔疏鬆缺陷圖樣生成算法。分析了枝狀縮松缺陷的灰度分布、梯度分布和幾何外觀結構等視覺特徵。結合上述缺陷形成的物理過程和對圖像的統計以及解譯分析，提出了以骨架表達缺陷的幾何結構信息，並建立了分層模板枝狀縮松缺陷的時空模型，實現了該類缺陷的圖像仿真。還建立了特徵融合規則，利用缺陷檢測算法對真實缺陷及模擬缺陷進行檢測並給出客觀的評價。
