-
题名基于空时稀疏表示的红外小目标检测算法
被引量:2
- 1
-
-
作者
李正周
侯倩
戴真
付红霞
葛丰增
金钢
-
机构
重庆大学通信工程学院
中国空气动力研究与发展中心
-
出处
《兵工学报》
EI
CAS
CSCD
北大核心
2015年第7期1273-1279,共7页
-
基金
国家自然科学基金项目(61071191)
中国科学院光束控制重点实验室基金项目(2014LBC005)
+4 种基金
中国博士后基金项目(2014M550455)
重庆博士后科研项目特别基金项目(XM201489)
中央高校基本科研业务费专项资金项目(106112013CDJZR160007
106112014CDJZR165502)
2013年重庆高校创新团队建设计划项目(KJTD201331)
-
文摘
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。
-
关键词
信息处理技术
小弱目标检测
空时超完备字典
目标空时字典
背景空时字典
信号稀疏重构
-
Keywords
information processing technology
dim target detection
spatial-temporal redundant dictionary
target spatial-temporal redundant dictionary
background spatial-temporal redundant dictionary
signal sparse reconstruction
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多尺度冗余字典稀疏分解的纸病图像背景补偿方法
被引量:2
- 2
-
-
作者
周强
杜晞盟
王志强
-
机构
陕西科技大学电气与信息工程学院
-
出处
《中国造纸》
CAS
北大核心
2016年第11期45-51,共7页
-
基金
陕西省科技攻关项目(2016GY-005)
陕西省科技攻关项目(2011K06-06)
+1 种基金
陕西省科技统筹创新工程计划项目(2012KTCQ01-19)
西安市未央区科技计划项目201304
-
文摘
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。
-
关键词
纸病检测
稀疏分解
正交匹配追踪算法
多尺度冗余字典
图像背景补偿
-
Keywords
paper defects detection
sparse decomposition
OMP
multi-scale redundant dictionary
image background compensation
-
分类号
TS77
[轻工技术与工程—制浆造纸工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于稀疏分析的织物缺陷检测方法
- 3
-
-
作者
李澄非
潘海欣
吉登清
蔡嘉伦
-
机构
五邑大学智能制造学部
-
出处
《五邑大学学报(自然科学版)》
CAS
2020年第3期40-46,共7页
-
基金
2017年广东省科技发展专项资金资助项目(2017A010101019)
2019年广东省普通高校特色创新类项目(2019KTSCX181)。
-
文摘
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.
-
关键词
缺陷检测
缺陷前景
纹理背景
冗余字典
稀疏分析
-
Keywords
defect detection
surface defects
texture background
redundant dictionaries
sparse analysis
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-