如何检测纹理中断

假设我们有许多彩色图像是一些纹理图案的例子。这种纹理被某些外来物体“破坏”的情况很少见。检测这些罕见异常的最佳方法是什么？如何检测纹理中断

我想过培训CNN，但好例子的数量远远超过了坏例子，所以我有我的疑惑。我开始研究灰度共生矩阵（GLCM）和局部二元模式（LBP），但我认为颜色信息可以在确定中断发生中起重要作用。我能否从这些提取的特征（GLCM或LBP）中找到分布并计算新图像属于此分布的概率？

感谢您的帮助！

来源

2017-05-23 Brad Flynn

你能分享一些样本图片吗？ – Tonechas

@tonechas不幸的是，我不能，这是关于具体的，因为我可以得到关于这个问题 –

没有更多的信息很难回答这个问题，但你看看法律的纹理措施？老歌，但可能有用。无论使用何种技术，都取决于您的应用。自然或制造的物体/场景？来自相机的实时图像或具有不同分辨率/质量的图像文件？如果您无法透露详细信息，那么可以考虑花费一天的时间在当地的工程图书馆中查看教科书，论文和会议文件（这些文件常常在线付费）。有几次，我发现几本没有提及的书籍帮助我解决了奇怪的问题。 – Rethunk

如果没有看到一些示例图像很难找出问题所在。原则上，可以使用各种方法来检测纹理中断，即GLCM特征，LBP，Law的掩模，矢量量化等。测量局部熵是一种可行的方法。考虑下面的图像，其中，我们可以清楚区分两种类型的纹理：

下面的代码片断中读取图像，计算局部熵用于在圆形邻域的每个像素或给定半径25和显示结果：

from skimage import io 
from skimage.filters.rank import entropy 
from skimage.morphology import disk 

img = io.imread('https://i.stack.imgur.com/Wv74a.png') 
R = 25 
filtered = entropy(img, disk(R)) 
io.imshow(filtered)

它清楚地从局部熵值可以被用于检测纹理破坏所得熵地图射出。

来源

2017-06-05 17:02:24 Tonechas

如何检测纹理中断

回答

相关问题