信息学院高盛华课题组在图像异常检测领域取得重要成果

上科大信息学院高盛华课题组与合作者在图像异常检测的研究中取得重要进展。该成果目前以“Memorizing Structure-Texture Correspondence for Image Anomaly Detection”为题在机器学习领域代表性学术期刊IEEE Transactions on Neural Networks and Learning Systems (TNNLS)上在线发表。

图像异常检测是指在训练阶段仅利用正常图像得到一个可以在测试阶段识别异常的任务。在现实场景中，异常样本（例如，工业检测图像中的不常见缺陷和医学图像中的罕见疾病）通常是较难获取的。因此，收集大量的、包含所有可能异常的图像数据并不容易，这也导致基于监督学习的图像分类方法不能直接应用于所需场景。相比之下，收集正常的训练样本相对容易。由于异常检测任务在工业图像分析和医学图像分析等领域的潜在应用，引起了相关领域的广泛关注。

当前，对图像异常检测的方法主要是使用基于自动编码器的模型重建输入图像来处理异常检测。这种方法假设正常图像的重建误差很小，而异常图像的重建误差很大。高盛华课题组观察到正常图像是高度结构化的，而异常图像中的结构呈现出不规则的、被破坏的情况。正常结构可以推断出正常纹理，而异常结构很难推断出异常纹理。因此，本文提出利用结构-纹理对应关系进行图像异常检测。具体来说，本文提出了结构-纹理对应关系存储模块。由于该模块只存储了正常结构和正常纹理的对应关系，因此其对异常图像的重构误差较大。实验验证了本文提出的方法在工业检测图像和医学图像均有效。

此项工作由上海科技大学、南方科技大学、上海交通大学、新加坡科技研究局等单位协作完成。上海科技大学信息学院2019级博士生周康和2020级博士生李晶为共同第一作者，高盛华教授为通讯作者。该研究得到上海市自然科学基金以及国家自然科学基金等项目的大力支持。

文章链接：https://ieeexplore.ieee.org/document/9513473