《基於低秩分解的織物疵點檢測方法研究》是2019年10月中國紡織出版社有限公司出版的圖書,作者是李春雷。
基本介紹
- 中文名:基於低秩分解的織物疵點檢測方法研究
- 作者:李春雷
- ISBN:9787518066315
- 頁數:193頁
- 定價:88元
- 出版社:中國紡織出版社有限公司
- 出版時間:2019年10月
- 裝幀:平裝
- 開本:16開
內容簡介,圖書目錄,
內容簡介
《基於低秩分解的織物疵點檢測方法研究》共分為12章。第1章為緒論部分,第2章對低秩稀疏分解理論進行介紹,第3至第12章闡述了基於低秩分解的織物疵點檢測方法。
《基於低秩分解的織物疵點檢測方法研究》可作為計算機、信號與信息處理、控制工程等專業的研究生或博士生的教材或參考書,也可作為紡織圖像處理、目標檢測、機器視覺等領域技術人員和研究人員的參考書。
圖書目錄
第1章 緒論
1.1 研究背景和意義
1.2 國內外研究現狀
1.3 本書的主要工作及研究成果
1.4 總結與展望
1.4.1 工作總結
1.4.2 工作展望
第2章 低秩稀疏矩陣分解理論基礎
2.1 低秩稀疏矩陣分解數學基礎
2.2 低秩表示
2.3 對低秩分解的最佳化求解方法
2.4 織物圖像秩分析
2.5 本章小結
第3章 基於Gabor濾波器和低秩分解的織物疵點檢測算法
3.1 Gabor濾波器特徵提取
3.2 模型構建及最佳化求解
3.2.1 低秩模型構建
3.2.2 模型的最佳化求解
3.3 疵點分布圖生成及分割
3.4 實驗結果及分析
3.5 本章小結
第4章 基於:HOG和低秩分解的織物疵點檢測算法
4.1 算法的提出及套用方法
4.1.1 預處理
4.1.2 特徵提取
4.1.3 基於低秩分解的疵點分布圖生成
4.1.4 疵點分布圖分割
4.2 實驗結果及分析
4.3 本章小結
第5章 基於GHOG和低秩分解的模式織物疵點檢測算法
5.1 所提算法
5.1.1 GHOG特徵提取
5.1.2 低秩模型構建
5.1.3 模型的最佳化求解
5.1.4 疵點分布圖生成及分割
5.2 實驗結果與分析
5.2.1 定性的結果
5.2.2 定量的結果
5.3 本章小結
第6章 基於生物建模特徵提取及低秩表示的織物疵點檢測算法
6.1 基於生物視覺的圖像特徵提取方法
6.2 低秩表示模型構建
6.3 模型的最佳化求解
6.4 疵點分布圖生成及分割
6.5 實驗結果及分析
6.5.1 定性的結果
6.5.2 定量的結果
6.6 本章小結
第7章 基於多通道特徵矩陣聯合低秩表示的織物疵點檢測算法
7.1 二階多通道特徵提取
7.1.1 二階梯度圖計算
7.1.2 基於P型神經節細胞編碼方式的特徵提取
7.1.3 多通道特徵矩陣生成
7.2 聯合低秩表示模型的構建
7.2.1 模型構建
7.2.2 最佳化過程
7.3 顯著圖生成與分割
7.4 實驗結果及分析
7.4.1 定性分析
7.4.2 定量分析
7.5 本章小結
第8章 基於多通道特徵和張量低秩分解的織物疵點檢測算法
8.1 張量符號和基本定義
8.2 所提算法
8.2.1 二階多通道特徵提取
8.2.2 TRPCA模型構建
8.2.3 最佳化過程
8.2.4 顯著圖生成和分割
8.3 實驗結果及分析
8.3.1 定性分析
8.3.2 定量分析
8.4 本章小結
第9章 基於級聯低秩分解的織物疵點檢測算法
9.1 所提算法
9.1.1 圖像分割和特徵提取
9.1.2 級聯低秩分解模型構建
9.1.3 模型最佳化
9.1.4 顯著圖生成與分割
9.2 實驗結果與分析
9.2.1 定性分析
9.2.2 定量分析
9.3 本章小結
第10章 基於特徵融合和TV-RPCA的織物疵點檢測算法
10.1 基於典型相關分析的特徵提取
10.2 基於全變差正則項的RPCA模型的構建及求解
10.2.1 模型的構建
10.2.2 模型的求解
10.3 顯著圖生成與分割
10.4 實驗結果及分析
10.4.1 特徵維數的選取
10.4.2 融合策略的選取
10.4.3 全變差正則項的選取
10.4.4 與現有方法的比較
10.5 本章小結
第11章 基於深度特徵和NTV-RPCA的織物疵點檢測算法
11.1 層次性深度特徵提取
11.2 基於非凸全變差正則項的RPCA模型的構建及求解
11.2.1 模型的建立
11.2.2 模型的求解
11.3 顯著圖生成
11.4 顯著圖融合
11.5 顯著圖二值化
11.6 實驗結果及分析
11.6.1 多層次深度特徵對比
11.6.2 非凸全變差的對比
11.6.3 與現有方法的比較
11.7 本章小結
第12章 基於深度-低階特徵和NTV-NRPCA織物疵點檢測算法
12.1 深度-低階特徵提取
12.2 基於非凸全變差正則項的非凸RPCA模型的構建及求解
12.2.1 模型的建立
12.2.2 模型的求解
12.3 顯著圖生成
12.4 分割圖生成
12.5 實驗結果及分析
12.5.1 深度一低階特徵的對比
12.5.2 非凸RPCA模型的對比
12.5.3 與現有方法的比較
12.6 本章小結
參考文獻