Comment détecter une perturbation de texture

Question

Disons que nous avons un certain nombre d'images en couleur qui sont des exemples de motifs texturés. Il y a un cas rare où cette texture est "perturbée" par un objet étranger. Quel serait le meilleur moyen de détecter ces anomalies rares? Je pensais à former un CNN, mais le nombre de bons exemples dépasse largement les mauvais exemples, donc j'ai des doutes. J'ai commencé à chercher dans les matrices de cooccurrence de niveau de gris (GLCM) et les modèles binaires locaux (LBP), mais je pense que l'information de couleur pourrait jouer un rôle important dans la détermination de l'occurrence d'une perturbation. Puis-je trouver la distribution à partir de ces entités extraites (GLCM ou LBP) et calculer la probabilité qu'une nouvelle image appartienne à cette distribution?

Merci pour votre aide!

Answer 1

Il est difficile de comprendre votre problème sans voir quelques exemples d'images. En principe, vous pouvez utiliser une grande variété d'approches pour détecter les perturbations de texture, à savoir les fonctions GLCM, les LBP, les masques de Law, la quantification vectorielle, etc. La mesure de l'entropie locale est une voie possible. Considérez l'image ci-dessous, où l'on peut clairement distinguer deux types de texture:

L'extrait suivant lit l'image, calcule l'entropie locale pour chaque pixel sur un voisinage circulaire ou un rayon donné 25 et affiche les résultats:

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) 

Il ressort clairement de la carte d'entropie résultant que les valeurs d'entropie locales pourraient être utilisées pour détecter les perturbations de texture.