图像边缘波动特征智能检测方法

本发明涉及木模板检测技术领域，公开了一种图像边缘波动特征智能检测方法，包括如下步骤：获取木模板原始图像并进行预处理得到预处理图像；设计基于梯度熵的动态小波分解策略，并将预处理图像通过动态小波分解策略进行多尺度小波分解得到低频子带图像和高频子带图像；提取高频子带图像的小波高频系数，得到高频系数特征向量；构建双通道CNN模型，引入注意力机制模块，得到深度特征向量；基于融合特征向量计算边缘波动量化指标，并将边缘波动量化指标结合低频子带图像的轮廓曲率变化率和融合特征向量共同输入至训练好的神经网络模型中得到原始图像的缺陷等级。本发明通过双通道CNN架构结合注意力机制，能更准确地反映木模板边缘波动等关键特征。