-
>
公路車寶典(ZINN的公路車維修與保養(yǎng)秘籍)
-
>
晶體管電路設(shè)計(jì)(下)
-
>
基于個(gè)性化設(shè)計(jì)策略的智能交通系統(tǒng)關(guān)鍵技術(shù)
-
>
花樣百出:貴州少數(shù)民族圖案填色
-
>
山東教育出版社有限公司技術(shù)轉(zhuǎn)移與技術(shù)創(chuàng)新歷史叢書(shū)中國(guó)高等技術(shù)教育的蘇化(1949—1961)以北京地區(qū)為中心
-
>
鐵路機(jī)車概要.交流傳動(dòng)內(nèi)燃.電力機(jī)車
-
>
利維坦的道德困境:早期現(xiàn)代政治哲學(xué)的問(wèn)題與脈絡(luò)
基于低秩分解的織物疵點(diǎn)檢測(cè)方法研究 版權(quán)信息
- ISBN:9787518066315
- 條形碼:9787518066315 ; 978-7-5180-6631-5
- 裝幀:一般膠版紙
- 冊(cè)數(shù):暫無(wú)
- 重量:暫無(wú)
- 所屬分類:>>
基于低秩分解的織物疵點(diǎn)檢測(cè)方法研究 內(nèi)容簡(jiǎn)介
《基于低秩分解的織物疵點(diǎn)檢測(cè)方法研究》共分為12章。第1章為緒論部分,第2章對(duì)低秩稀疏分解理論進(jìn)行介紹,第3至第12章闡述了基于低秩分解的織物疵點(diǎn)檢測(cè)方法。 《基于低秩分解的織物疵點(diǎn)檢測(cè)方法研究》可作為計(jì)算機(jī)、信號(hào)與信息處理、控制工程等專業(yè)的研究生或博士生的教材或參考書(shū),也可作為紡織圖像處理、目標(biāo)檢測(cè)、機(jī)器視覺(jué)等領(lǐng)域技術(shù)人員和研究人員的參考書(shū)。
基于低秩分解的織物疵點(diǎn)檢測(cè)方法研究 目錄
1.1 研究背景和意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.3 本書(shū)的主要工作及研究成果
1.4 總結(jié)與展望
1.4.1 工作總結(jié)
1.4.2 工作展望
第2章 低秩稀疏矩陣分解理論基礎(chǔ)
2.1 低秩稀疏矩陣分解數(shù)學(xué)基礎(chǔ)
2.2 低秩表示
2.3 對(duì)低秩分解的優(yōu)化求解方法
2.4 織物圖像秩分析
2.5 本章小結(jié)
第3章 基于Gabor濾波器和低秩分解的織物疵點(diǎn)檢測(cè)算法
3.1 Gabor濾波器特征提取
3.2 模型構(gòu)建及優(yōu)化求解
3.2.1 低秩模型構(gòu)建
3.2.2 模型的優(yōu)化求解
3.3 疵點(diǎn)分布圖生成及分割
3.4 實(shí)驗(yàn)結(jié)果及分析
3.5 本章小結(jié)
第4章 基于:HOG和低秩分解的織物疵點(diǎn)檢測(cè)算法
4.1 算法的提出及應(yīng)用方法
4.1.1 預(yù)處理
4.1.2 特征提取
4.1.3 基于低秩分解的疵點(diǎn)分布圖生成
4.1.4 疵點(diǎn)分布圖分割
4.2 實(shí)驗(yàn)結(jié)果及分析
4.3 本章小結(jié)
第5章 基于GHOG和低秩分解的模式織物疵點(diǎn)檢測(cè)算法
5.1 所提算法
5.1.1 GHOG特征提取
5.1.2 低秩模型構(gòu)建
5.1.3 模型的優(yōu)化求解
5.1.4 疵點(diǎn)分布圖生成及分割
5.2 實(shí)驗(yàn)結(jié)果與分析
5.2.1 定性的結(jié)果
5.2.2 定量的結(jié)果
5.3 本章小結(jié)
第6章 基于生物建模特征提取及低秩表示的織物疵點(diǎn)檢測(cè)算法
6.1 基于生物視覺(jué)的圖像特征提取方法
6.2 低秩表示模型構(gòu)建
6.3 模型的優(yōu)化求解
6.4 疵點(diǎn)分布圖生成及分割
6.5 實(shí)驗(yàn)結(jié)果及分析
6.5.1 定性的結(jié)果
6.5.2 定量的結(jié)果
6.6 本章小結(jié)
第7章 基于多通道特征矩陣聯(lián)合低秩表示的織物疵點(diǎn)檢測(cè)算法
7.1 二階多通道特征提取
7.1.1 二階梯度圖計(jì)算
7.1.2 基于P型神經(jīng)節(jié)細(xì)胞編碼方式的特征提取
7.1.3 多通道特征矩陣生成
7.2 聯(lián)合低秩表示模型的構(gòu)建
7.2.1 模型構(gòu)建
7.2.2 優(yōu)化過(guò)程
7.3 顯著圖生成與分割
7.4 實(shí)驗(yàn)結(jié)果及分析
7.4.1 定性分析
7.4.2 定量分析
7.5 本章小結(jié)
第8章 基于多通道特征和張量低秩分解的織物疵點(diǎn)檢測(cè)算法
8.1 張量符號(hào)和基本定義
8.2 所提算法
8.2.1 二階多通道特征提取
8.2.2 TRPCA模型構(gòu)建
8.2.3 優(yōu)化過(guò)程
8.2.4 顯著圖生成和分割
8.3 實(shí)驗(yàn)結(jié)果及分析
8.3.1 定性分析
8.3.2 定量分析
8.4 本章小結(jié)
第9章 基于級(jí)聯(lián)低秩分解的織物疵點(diǎn)檢測(cè)算法
9.1 所提算法
9.1.1 圖像分割和特征提取
9.1.2 級(jí)聯(lián)低秩分解模型構(gòu)建
9.1.3 模型優(yōu)化
9.1.4 顯著圖生成與分割
9.2 實(shí)驗(yàn)結(jié)果與分析
9.2.1 定性分析
9.2.2 定量分析
9.3 本章小結(jié)
第10章 基于特征融合和TV-RPCA的織物疵點(diǎn)檢測(cè)算法
10.1 基于典型相關(guān)分析的特征提取
10.2 基于全變差正則項(xiàng)的RPCA模型的構(gòu)建及求解
10.2.1 模型的構(gòu)建
10.2.2 模型的求解
10.3 顯著圖生成與分割
10.4 實(shí)驗(yàn)結(jié)果及分析
10.4.1 特征維數(shù)的選取
10.4.2 融合策略的選取
10.4.3 全變差正則項(xiàng)的選取
10.4.4 與現(xiàn)有方法的比較
10.5 本章小結(jié)
第11章 基于深度特征和NTV-RPCA的織物疵點(diǎn)檢測(cè)算法
11.1 層次性深度特征提取
11.2 基于非凸全變差正則項(xiàng)的RPCA模型的構(gòu)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(shí)驗(yàn)結(jié)果及分析
11.6.1 多層次深度特征對(duì)比
11.6.2 非凸全變差的對(duì)比
11.6.3 與現(xiàn)有方法的比較
11.7 本章小結(jié)
第12章 基于深度-低階特征和NTV-NRPCA織物疵點(diǎn)檢測(cè)算法
12.1 深度-低階特征提取
12.2 基于非凸全變差正則項(xiàng)的非凸RPCA模型的構(gòu)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(shí)驗(yàn)結(jié)果及分析
12.5.1 深度一低階特征的對(duì)比
12.5.2 非凸RPCA模型的對(duì)比
12.5.3 與現(xiàn)有方法的比較
12.6 本章小結(jié)
參考文獻(xiàn)
基于低秩分解的織物疵點(diǎn)檢測(cè)方法研究 作者簡(jiǎn)介
李春雷,博士,中原工學(xué)院信息與通信工程碩士生導(dǎo)師,河南省學(xué)術(shù)技術(shù)帶頭人、科技創(chuàng)新杰出青年、高校科技創(chuàng)新人才。主要從事紡織圖像處理與智能檢測(cè)方面的研究。主持和參與國(guó)家自然科學(xué)基金5項(xiàng)、省部級(jí)項(xiàng)目10余項(xiàng)。獲河南省科技進(jìn)步三等獎(jiǎng)、中國(guó)紡織工業(yè)聯(lián)合會(huì)科技進(jìn)步三等獎(jiǎng)、河南省自然科學(xué)優(yōu)秀學(xué)術(shù)論文一等獎(jiǎng)等獎(jiǎng)項(xiàng)。 近年來(lái)發(fā)表學(xué)術(shù)論文50余篇,其中SCI檢索外文期刊10余篇,EI檢索20余篇。出版著作2部,授權(quán)國(guó)家發(fā)明專利5項(xiàng)。
- >
伯納黛特,你要去哪(2021新版)
- >
上帝之肋:男人的真實(shí)旅程
- >
月亮虎
- >
有舍有得是人生
- >
苦雨齋序跋文-周作人自編集
- >
羅曼·羅蘭讀書(shū)隨筆-精裝
- >
巴金-再思錄
- >
名家?guī)阕x魯迅:朝花夕拾