基于空时稀疏表示的红外小目标检测算法

提出了一种基于过完备空时字典及其稀疏表示的红外小弱目标运动检测算法。采用K奇异值分解算法学习连续多帧图像的运动信息和形态特征,构建自适应形态过完备空时字典;利用高斯运动模型检验自适应形态过完备空时字典,将其划分为能分别描述目标与背景的目标过完备空时字典和背景过完备空时字典;将连续多帧图像分别在目标过完备空时字典和背景过完备空时字典上稀疏分解,利用几个最大稀疏系数及其空时原子重构信号,增强二者残差来检测小目标信号。实验结果表明,该过完备空时字典不仅能同时描述目标与背景的运动信息和形态特征,极大地提高信号表示的稀疏程度,而且能有效增强目标与背景的特征差异,提高小运动目标的探测能力。

基于多尺度冗余字典稀疏分解的纸病图像背景补偿方法

对于纸病检测中纸张图像背景不均匀以及图像灰度特征不明显等造成纸病测量精度低的问题,建立多尺度冗余字典,采用正交匹配追踪算法(OMP)对纸病图像进行稀疏分解,并根据纸病背景图像和纸病图像不同形态特征,对背景进行补偿,从而增强纸病特征。实验表明,该方法能够有效地重构并补偿纸病背景图像,突出灰度特征较弱的纸病,提高纸病检测的准确性。

基于稀疏分析的织物缺陷检测方法

针对具有纹理背景分布的织物表面缺陷检测效率低、受主观影响大等问题,根据图像在冗余字典下可以稀疏表示的特点,建立缺陷图像的稀疏表示模型,提出基于稀疏分析的缺陷检测算法.该算法将缺陷图像分割为缺陷前景部分和纹理背景部分,分割后的前景图像去掉纹理背景,则缺陷区域完全被凸显,从而实现缺陷的提取.在多种不同缺陷类型的织物表面图像进行实验,实验结果表明,本文算法对有结构性纹理背景的织物表面缺陷检测正确率达到96.75%,验证了算法的有效性.