如何檢測紋理中斷

Question

假設我們有許多彩色圖像是一些紋理圖案的例子。這種紋理被某些外來物體「破壞」的情況很少見。檢測這些罕見異常的最佳方法是什麼？

我想過培訓CNN，但好例子的數量遠遠超過了壞例子，所以我有我的疑惑。我開始研究灰度共生矩陣（GLCM）和局部二元模式（LBP），但我認爲顏色信息可以在確定中斷髮生中起重要作用。我能否從這些提取的特徵（GLCM或LBP）中找到分佈並計算新圖像屬於此分佈的概率？

感謝您的幫助！

Answer 1

如果沒有看到一些示例圖像很難找出問題所在。原則上，可以使用各種方法來檢測紋理中斷，即GLCM特徵，LBP，Law的掩模，矢量量化等。測量局部熵是一種可行的方法。考慮下面的圖像，其中，我們可以清楚區分兩種類型的紋理：

下面的代碼片斷中讀取圖像，計算局部熵用於在圓形鄰域的每個像素或給定半徑25和顯示結果：

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) 

它清楚地從局部熵值可以被用於檢測紋理破壞所得熵地圖射出。