消息首页搜索举报

基于低秩分解的织物疵点检测方法研究

全新正版极速发货

40.52 4.6折 88 全新

库存4件

广东广州

认证卖家担保交易快速发货售后保障

作者李春雷

出版社中国纺织出版社

ISBN9787518066315

出版时间2019-10

装帧平装

开本16开

定价88元

货号1201974563

上书时间2024-11-21

书香美美

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 17小时
好评率暂无

最新上架

下一站,社会企业? 创造共享价值的实践者 ¥37.70

中国电建市政建设集团有限公司志（2007—2021） ¥253.92

地图文化之旅 ¥8.15

赵孟頫书归去来辞 ¥7.73

情感与正义玛莎·努斯鲍姆的审美伦理世界 ¥62.45

与经典面对面：高中课外文言文精选精练精讲（先秦两汉篇）(第二版） ¥16.30

经典儿歌发声书 ¥52.53

思维导图全彩图解高中英语词汇赠名师配套视频讲解课 ¥35.05

海洋水产品加工技术与质量安全(现代食品科学技术著作丛书) ¥91.95

商品详情

品相描述：全新

商品描述: 作者简介
李春雷，河南省学术技术带头人，河南省科技创新杰出青年，河南省高校科技创新人才。主持和参与国家自然科学基金5项(其中2项主持，2项面上第二)、省部级项目10余项。获河南科技进步三等奖、纺织工业协会科技进步三等奖、河南省自然科学很好学术论文一等奖等奖项。近年来发表学术论文五十余篇，其中SCI 检索外文期刊10余篇，EI检索20余篇。出版著作两部，授权国家发明5项。

目录
章  绪论
  1.1  研究背景和意义
  1.2  国内外研究现状
  1.3  本书的主要工作及研究成果
  1.4  总结与展望
    1.4.1  工作总结
    1.4.2  工作展望
第2章  低秩稀疏矩阵分解理论基础
  2.1  低秩稀疏矩阵分解数学基础
  2.2  低秩表示
  2.3  对低秩分解的优化求解方法
  2.4  织物图像秩分析
  2.5  本章小结
第3章  基于Gabor滤波器和低秩分解的织物疵点检测算法
  3.1  Gabor滤波器特征提取
  3.2  模型构建及优化求解
    3.2.1  低秩模型构建
    3.2.2  模型的优化求解
  3.3  疵点分布图生成及分割
  3.4  实验结果及分析
  3.5  本章小结
第4章  基于：HOG和低秩分解的织物疵点检测算法
  4.1  算法的提出及应用方法
    4.1.1  预处理
    4.1.2  特征提取
    4.1.3  基于低秩分解的疵点分布图生成
    4.1.4  疵点分布图分割
  4.2  实验结果及分析
  4.3  本章小结
第5章  基于GHOG和低秩分解的模式织物疵点检测算法
  5.1  所提算法
    5.1.1  GHOG特征提取
    5.1.2  低秩模型构建
    5.1.3  模型的优化求解
    5.1.4  疵点分布图生成及分割
  5.2  实验结果与分析
    5.2.1  定性的结果
    5.2.2  定量的结果
  5.3  本章小结
第6章  基于生物建模特征提取及低秩表示的织物疵点检测算法
  6.1  基于生物视觉的图像特征提取方法
  6.2  低秩表示模型构建
  6.3  模型的优化求解
  6.4  疵点分布图生成及分割
  6.5  实验结果及分析
    6.5.1  定性的结果
    6.5.2  定量的结果
  6.6  本章小结
第7章  基于多通道特征矩阵联合低秩表示的织物疵点检测算法
  7.1  二阶多通道特征提取
    7.1.1  二阶梯度图计算
    7.1.2  基于P型神经节细胞编码方式的特征提取
    7.1.3  多通道特征矩阵生成
  7.2  联合低秩表示模型的构建
    7.2.1  模型构建
    7.2.2  优化过程
  7.3  显著图生成与分割
  7.4  实验结果及分析
    7.4.1  定性分析
    7.4.2  定量分析
  7.5  本章小结
第8章  基于多通道特征和张量低秩分解的织物疵点检测算法
  8.1  张量符号和基本定义
  8.2  所提算法
    8.2.1  二阶多通道特征提取
    8.2.2  TRPCA模型构建
    8.2.3  优化过程
    8.2.4  显著图生成和分割
  8.3  实验结果及分析
    8.3.1  定性分析
    8.3.2  定量分析
  8.4  本章小结
第9章  基于级联低秩分解的织物疵点检测算法
  9.1  所提算法
    9.1.1  图像分割和特征提取
    9.1.2  级联低秩分解模型构建
    9.1.3  模型优化
    9.1.4  显著图生成与分割
  9.2  实验结果与分析
    9.2.1  定性分析
    9.2.2  定量分析
  9.3  本章小结
0章  基于特征融合和TV-RPCA的织物疵点检测算法
  10.1  基于典型相关分析的特征提取
  10.2  基于全变差正则项的RPCA模型的构建及求解
    lO.2.1  模型的构建
    10.2.2  模型的求解
  10.3  显著图生成与分割
  10.4  实验结果及分析
    10.4.1  特征维数的选取
    10.4.2  融合策略的选取
    10.4.3  全变差正则项的选取
    10.4.4  与现有方法的比较
  10.5  本章小结
1章  基于深度特征和NTV-RPCA的织物疵点检测算法
  11.1  层次性深度特征提取
  11.2  基于非凸全变差正则项的RPCA模型的构建及求解
    11.2.1  模型的建立
    11.2.2  模型的求解
  11.3  显著图生成
  11.4  显著图融合
  11.5  显著图二值化
  11.6  实验结果及分析
    11.6.1  多层次深度特征对比
    11.6.2  非凸全变差的对比
    11.6.3  与现有方法的比较
  11.7  本章小结
2章  基于深度-低阶特征和NTV-NRPCA织物疵点检测算法
  12.1  深度-低阶特征提取
  12.2  基于非凸全变差正则项的非凸RPCA模型的构建及求解
    12.2.1  模型的建立
    12.2.2  模型的求解
  12.3  显著图生成
  12.4  分割图生成
  12.5  实验结果及分析
    12.5.1  深度一低阶特征的对比
    12.5.2  非凸RPCA模型的对比
    12.5.3  与现有方法的比较
  12.6  本章小结
参考文献

内容摘要
织物疵点检测是纺织品质量控制系统中一个核心环节，直接影响着系统的性能。从纹理复杂的织物图像中检测形态多样的疵点具有重要的应用价值。该问题的解决也有利于对其它工业产品表面缺陷检测提供新的解决思路。现有织物疵点检测多采用传统模式识别的方法，如统计分析、频谱分析等。近年来，受压缩感知和稀疏表示理论的推动，低秩稀疏矩阵分解模型在图像处理和模式识别中也获得广泛的应用，并且在目标检测中达到很好地检测效果。对于织物图像，视觉上具有高度冗余性，相对于自然图像中的目标检测，织物疵点检测能够更好地符合了低秩稀疏矩阵分解模型。因此本书对基于低秩分解的织物疵点检测方法进行研究，提出多种有效的检测方法。并通过实验验证了所提方法的有效性。

— 没有更多了 —

基于低秩分解的织物疵点检测方法研究

书香美美

商品详情

相关推荐