一种全局图像处理方法、装置及存储介质与流程

本申请涉及计算机信息处理、图像相似性和人工智能的。特别的，本申请涉到一种应用于无损检测的全局图像处理方法、装置及存储介质。

背景技术：

1、在无损检测中，如工业射线检测和相控阵超声检测，成像数据可能会被未经请求的重复上传、重新扫描、重复数据替换，或人为添加的扰动进行恶意替换检测结果，或为节省成本篡改检测数据，而由于相关识别难度，人类一直是此类发现伪造数据主要方法。由此一个有效的自动化防伪方法对于相关工业的安全与检测数据的质量审核至关重要。

2、现有图像相似性检测在过去多用于图像推荐系统、场景和图像拼接等。在这些领域中，图像一般是一些精度要求不高的搜索推荐，或者是在非常相似的照明条件下拍摄的，有很大的图像重叠。然而，由于造假问题中无损检测成像的性质，图像的拍摄条件，如照明、噪声、图像重叠可能会有很大的变化，或者被故意恶化，从而使伪造图像不容易被识别。

3、因此，对于任何利用数据增强的无监督方法来说，成像数据集中出现的噪声可能变化很大，通常不只是平移、旋转、翻转、亮度变化和噪声的简单组合，高度非线性的几何和图像像素值变换也可能存在。

4、对于任何有监督的方法，为机器学习方法获得必要的大型伪造图像数据集是很困难的。由于目前识别伪造的方法不足以有效找到伪造图像，因为目前主要是用人来防伪。因此，使用朴素的、众所周知的神经网络监督学习方法将很难在这里正常使用。

5、由于任何现有的深度学习方法通常只输出一个单一的相似度量，再加上用于度量的高维张量或哈希值缺乏真正的可解释性，以进行算法可信度的判断。

6、对于像防伪这样的高精度任务，缺乏可解释性很难对相似图像的相似性质进行高精度的判断与过滤，这样检索结果的数量可能是非常大的数字。对于n个数量的图像数据点，存在[n*(n-1)]/2个关系，复杂度为o(n^2)，因此精度的任何波动可能意味着人类可处理的10个或100个检索对与人类很难处理的1000个或10000个检索可疑相似图像对之间的区别

7、对于任何采用图像点描述符的传统方法来说，由于成像数据的几何变化较大，而且无损检测图像中的语义信息和语义级噪声变化也很大，尽管特征描述符对低级纹理或局部噪声和空间变换的数学容忍度已得到证实，但对这种高度失真的语义级的噪声容忍度通常很差，检索到的有用结果很少。

8、简言之，现有的图像特征点对高度非线性的几何变化等和金属字符等语义信息的干扰反应较大。神经网络需要的大型数据集不可能得到，且仅使用神经网络结果很难解释并达到高精度。

9、因此，由于上述潜在造假问题的普遍性、严重性和安全重要性，以及现有方法的局限性和问题，有必要采用一种新的、高效的、人类可访问的、快速的和可解释的类似图像检测方法，以确保高性能，同时减少图像集中虚假检测的压倒性噪音，并将人类从这项艰巨的任务中解脱出来。

技术实现思路

1、发明要解决的技术问题

2、造假是无损检测行业的一个大问题。目前，由于缺乏良好的检测方法，伪造图像的过程具有高回报和低风险。根据最近的一些研究，图像防伪最普遍的检测形式仍然是人类。众所周知的方法要么是需要大量的人手动检查成千上万的图像，要么就是机器的检测效率低下，不准确，提供大量的假阳性结果。因此，这个问题在很大程度上仍然没有得到解决，在许多情况下，伪造图像有可能造成相当大的化学工厂和管道事故。因此，需要找到一种高效、快速和可被人类利用的方法来限制这种造假的可能性。

3、本申请是鉴于上述问题提出的，本申请的目的是提供一种全局图像处理方法、装置及存储介质，以提高流图像的检测效率和可靠性，降低人工检测成本。

4、第一方面，本申请实施例提供了一种全局图像处理方法，包括：

5、对第一无损检测焊缝图像集中的任意两张图像的特征描述符集进行矢量近邻匹配，并利用相似度度量函数f计算匹配矩阵r_ij＝f(m_i,m_j)，其中，m_i、m_j分别为所述第一无损检测焊缝图像集的点特征描述符集合中的第i张图像、第j张图像的点特征描述集，i≠j，其中，定义所述相似度度量函数f：x，x→r+，x为任意单一图像的点特征描述符集，r+为正实数，基于第i张图像的点特征描述符集m_i与第j张图像的点特征描述集m_j的相似度来判定所述第i张图像与所述第j张图像中是否至少有一张图像为伪造或重复；

6、对第二无损检测焊缝图像集中的任意两张图像的特征描述矢量进行矢量近邻匹配，并利用所述相似度度量函数f计算匹配矩阵：p_ij＝f(n_i,n_j)，其中，n_i、n_j分别为所述第二无损检测焊缝图像集的点特征描述符集合中的第i张图像、第j张图像的点特征描述集，i≠j，基于所述第二无损检测焊缝图像集的点特征描述符集合中的第i张图像的点特征描述符集n_i与第j张图像的点特征描述集n_j的相似度来判定所述第i张图像与所述第j张图像中是否至少有一张图像为伪造或重复；以及

7、将所述第二无损检测焊缝图像集的点特征描述符集合中的点特征描述符集n与所述第一无损检测焊缝图像集的点特征描述符集合中的点特征描述符集m进行矢量近邻匹配，并利用所述相似度度量函数f计算匹配矩阵q_ij＝f(m_j,n_i)，其中，m_j为所述第一无损检测焊缝图像集的点特征描述符集合中的第j张图像的点特征描述集，n_i为所述第二无损检测焊缝图像集的点特征描述符集合中的第i张图像的点特征描述集，基于第j张图像的点特征描述符集m_j与第i张图像的点特征描述集n_i的相似度来判定所述第i张图像与所述第j张图像中是否至少有一张图像为伪造或重复；

8、对所述第二无损检测焊缝图像集与所述第一无损检测焊缝图像集进行所述伪造或重复的判定结束之后，将所述第二无损检测焊缝图像集中的图像在所述数据库中标记为已匹配，并基于标记已匹配的所述第二无损检测焊缝图像集中的图像来更新所述第一无损检测焊缝图像集。

9、第二方面，本申请实施例提供一种全局图像处理装置，其特征在于，包括：存储器和处理器；所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时执行上述的全局图像处理方法。

10、第三方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现前述的全局图像处理方法。

11、发明的效果

12、根据本申请，能够更高效、可靠的实现防伪图像的检测，降低了人工成本。

技术特征：

1.一种全局图像处理方法，其特征在于，包括：

2.根据权利要求1所述的全局图像处理方法，其特征在于，将已匹配的所述第一无损检测焊缝图像集中的图像和已匹配的所述第二无损检测焊缝图像集中的图像中的至少一者在数据库中标注为已匹配。

3.根据权利要求1所述的全局图像处理方法，其特征在于，所述相似度度量函数f的输入为任意两张图像的点特征描述符集，输出为任意两张图像的点特征描述符集通过描述符矢量进行近邻匹配的获得的点特征匹配数量。

4.根据权利要求1所述的全局图像处理方法，其特征在于，将计算出的各相似度与相似度阈值比较来判定匹配的图像对是否至少有一张图像为伪造或重复。

5.根据权利要求2所述的全局图像处理方法，其特征在于，每当获取新上传的一张无损检测焊缝图像后，在所述数据库中的图像信息关系数据库表记录新上传的所述无损检测焊缝图像，并将新上传的所述无损检测焊缝图像标记为未匹配。

6.根据权利要求5所述的无损检测图像处理方法，其特征在于，如果以预定间隔轮询检测到所述图像信息关系数据库表中有标记为未匹配的图像，同时没有匹配任务在执行中时，基于检测到的未匹配的图像发起新的匹配任务执行未匹配的图像与所述数据库中存储的已匹配的图像中是否至少有一张图像为伪造或重复的判定处理。

7.一种全局图像处理装置，其特征在于，包括：存储器和处理器；

8.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1-6中任一项所述的全局图像处理方法。

技术总结本申请涉及一种全局图像处理方法、装置。包括：基于第一无损检测焊缝图像集中的第i张图像的点特征描述符集M_i与第j张图像的点特征描述集M_j的相似度来判定所述第i张图像与所述第j张图像中是否至少有一张图像为伪造或重复；基于第二无损检测焊缝图像集中的第i张图像的点特征描述符集N_i与第j张图像的点特征描述集N_j的相似度来判定所述第i张图像与所述第j张图像中是否至少有一张图像为伪造或重复；基于第一无损检测焊缝图像集的点特征描述符集合中的第j张图像的点特征描述符集M_j与第二无损检测焊缝图像集的点特征描述符集合中的第i张图像的点特征描述集N_i的相似度来判定所述第i张图像与所述第j张图像中是否至少有一张图像为伪造或重复；在检测到用户继续上传图像时，重新执行上述判断处理。技术研发人员：周禾,马尔辛·赫拉佩克受保护的技术使用者：周禾技术研发日：技术公布日：2024/7/29