基于成分分解与相似性分析的图像异常检测研究

Automatic abnormal region detection is one of the key techniques in image content understanding and analysis, which has a wide range of requirements and a well prospect of the industry in various applications such as public security, industrial production and medical diagnosis. Fast and accurate anomaly detection is a hot and difficult problem that is not well solved in image processing and computer vision fields. This project uses the reliability enhancement of image data and the effective utilization of redundant information as the breakthrough points, explores the theoretical representations of different characteristics of image components, and studies the theory and method based on these mathematical representations for anomaly detection. Therefore, this study mainly focuses on the theory for image component decomposition, anomaly detection methods for different components, feature extraction of abnormal regions, and fast implementations of relative algorithms. By fusing these four key issues, a total solution for anomaly detection is expected to form. The problems faced by anomaly detection, such as low accuracy and poor real-time, are expected to be solved by this total solution. The research achievements of this project will provide a novel theory and method for the real-time anomaly detection with high accuracy, and also provide an efficient technique for relative applications.

异常区域的自动检测是图像内容理解与分析的关键，在公共安全、工业生产以及医疗诊断等领域具有广泛的应用需求和很好的产业前景。快速准确的异常检测是图像处理和计算机视觉等领域没有解决好的热点和难点问题。本项目以图像数据可靠性的提升和冗余信息的有效利用为切入点，探索图像成分不同特性表示的理论，研究基于这些特性的图像成分差异化异常检测理论和方法。研究主要围绕图像成分分解模型、成分异常检测、异常区域特征提取以及模型与方法的快速处理等关键问题开展，四个研究内容构成一个有机整体，形成异常检测的整体解决方案。本项目的研究将为快速准确的图像异常检测提供新的理论和方法，以解决异常检测所面临的准确性低、实时性差等问题，并为相关应用领域提供稳定有效的新技术。

异常区域的自动检测是图像内容理解与分析的关键，在工业产品质量检测、视频监控、医学影像分析等领域具有广泛的应用需求和很好的产业前景。快速准确的异常检测是图像处理和计算机视觉等领域没有解决好的热点和难点问题。本项目以图像数据可靠性的提升和冗余信息的有效利用为切入点，探索图像成分不同特性表示的理论，研究基于这些特性的图像成分差异化异常检测理论和方法。主要研究内容包括图像自相似性和低秩性的表示理论，以及如何利用低秩表示和成分特点构建带低秩约束的图像成分分解模型；基于低秩性的异常像素定位与正常值估计方法，以及基于特征相似性对比的异常检测方法和检测结果的融合方法；基于超像素的异常区域细化方法以及基于特征聚类的异常分割方法；图像低秩表示与成分分解模型以及异常检测与分割等中所涉及关键算法的并行求解和快速实现。项目在图像低秩表示与成分分解、基于自相似和低秩表示的异常检测、异常区域细化与分割、关键方法的快速实现以及扩展应用等方面取得了一系列理论方法和实用技术，解决了图像异常检测准确度和处理效率的难点问题。相关结果以论文形式在国内外重要学术期刊和会议上发表18篇（其中CCF A类1篇、B类4篇、C类7篇、其他6篇），申请发明专利2项，获得山东省科学技术进步奖一等奖1项、山东省高等学校科学技术奖三等奖1项。同时，在有关企业的支持下，构建了含有1983幅图像的轮胎缺陷标注数据集。所取得的研究成果为图像复原和目标检测等领域提供了新的理论和方法。