一种基于神经网络的图像处理方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113724214A(43)申请公布日2021.11.30(21)申请号202110969143.3(22)申请日2021.08.23(71)申请人唯智医疗科技（佛山）有限公司地址528000广东省佛山市南海区桂城街道桂澜北路2号亿能国际广场2座6层646之四(72)发明人区初斌安林叶重荣彭勇韦喜飞(74)专利代理机构广州三环专利商标代理有限公司44202代理人肖宇扬江银会(51)Int.Cl.G06T7/00(2017.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书4页说明书18页附图4页(54)发明名称一种基于神经网络的图像处理方法及装置(57)摘要本发明公开了一种基于神经网络的图像处理方法及装置，该方法包括：将图像扫描集中任一待检测图像输入至第一神经网络模型，得到待检测图像的第一特征向量，其中，第一神经网络模型是基于正常图像样本训练得到的；根据待检测图像的第一特征向量，以及与待检测图像对应的至少一张正常图像的第二特征向量，确定出待检测图像的图像异常结果；其中，图像异常结果用于表示待检测图像中的所述目标特征的异常情况；第二特征向量是将正常图像输入至所述第一神经网络模型处理得到的特征向量。可见，本发明能够提供一种基于神经网络的图像处理方案，能够自动高效地识别图像异常结果和异常特征，有效提高图像检测的速度和准确度。CN113724214ACN113724214A权利要求书1/4页1.一种基于神经网络的图像处理方法，其特征在于，所述方法包括：将图像扫描集中任一待检测图像输入至第一神经网络模型，得到所述待检测图像的第一特征向量，其中，所述第一神经网络模型是基于正常图像样本训练得到的，所述正常图像样本中每个正常图像中的目标特征均为正常特征；根据所述待检测图像的第一特征向量，以及与所述待检测图像对应的至少一张正常图像的第二特征向量，确定出所述待检测图像的图像异常结果；其中，每张所述正常图像中的所述目标特征为正常特征；所述图像异常结果用于表示所述待检测图像中的所述目标特征的异常情况；所述第二特征向量是将所述正常图像输入至所述第一神经网络模型处理得到的特征向量。2.根据权利要求1所述的基于神经网络的图像处理方法，其特征在于，所述根据所述待检测图像的第一特征向量，以及与所述待检测图像对应的至少一张正常图像的第二特征向量，确定出所述待检测图像的图像异常结果，包括：根据所述待检测图像的第一特征向量，以及与所述待检测图像对应的至少一张目标正常图像的第二特征向量，计算所述待检测图像对应的目标异常度；将所述待检测图像对应的目标异常度，确定为所述待检测图像的图像异常结果；或，将所述待检测图像对应的目标异常度进行预处理，得到预处理结果；将所述预处理结果确定所述待检测图像的图像异常结果。3.根据权利要求2所述的基于神经网络的图像处理方法，其特征在于，所述根据所述待检测图像的第一特征向量，以及与所述待检测图像对应的至少一张正常图像的第二特征向量，计算所述待检测图像对应的目标异常度，包括：将所述待检测图像的第一特征向量与所述待检测图像对应的至少一张目标正常图像的第二特征向量进行差异比对，得到差异度值集合，所述差异度值集合包括所述待检测图像与每张所述目标正常图像的差异度值；根据所述差异度值集合包括的所有差异度值，确定所述差异度值集合的差异度统计值，其中，所述差异度统计值包括均值、极值、中间值中的一种；将所述差异度统计值确定为所述待检测图像对应的目标异常度。4.根据权利要求3所述的基于神经网络的图像处理方法，其特征在于，所述将所述待检测图像的第一特征向量与所述待检测图像对应的至少一张目标正常图像的第二特征向量进行差异比对，得到差异度值集合，所述差异度值集合包括所述待检测图像与每张所述目标正常图像的差异度值，包括：计算所述待检测图像的第一特征向量与所述待检测图像对应的至少一张目标正常图像的第二特征向量之间的向量夹角，得到向量夹角集合，所述向量夹角集合包括所述待检测图像与每张所述目标正常图像的向量夹角；将所述向量夹角集合确定为所述待检测图像的差异度值；或者，计算所述待检测图像的第一特征向量与所述待检测图像对应的至少一张目标正常图像的第二特征向量之间的向量距离，得到向量距离集合，所述向量距离集合包括所述待检测图像与每张所述目标正常图像的向量距离；将所述向量距离集合确定为所述待检测图像的差异度值。5.根据权利要求2所述的基于神经网络的图像处理方法，其特征在于，所述根据所述待2CN113724214A权利要求书2/4页检测图像的第一特征向量，以及与所述待检测图像对应的至少一张目标正常图像的第二特征向量，计算所述待检测图像对应的目标异常度，包括：根据所述待检测图