基于RPCA的单帧红外小目标检测算法

根据红外图像中背景矩阵具有的低秩特性和目标前景矩阵具有的稀疏特性,将红外图像的小目标检测问题转化为从矩阵中恢复低秩矩阵和稀疏矩阵。采用Butterworth高通滤波对图像进行背景抑制,选用计算效率最高的非精确的增广拉格朗日算法恢复背景和目标前景图像,对目标前景图像采用阈值分割技术检测出目标。设计了仿真实验,实验结果表明,该算法能够适应多种背景下的单帧红外小目标检测,并且对于小矩阵时效性比较好。

基于RPCA的皮革图像缺陷检测

提出了一种皮革视觉缺陷检测算法。通过分析皮革图像的低秩特征,将皮革图像缺陷检测问题转变为从低秩背景图像中分离稀疏矩阵图像。首先采用Gaussian高通滤波器对图像进行了预处理,然后利用鲁棒性主成成分分析(RPCA)对图像进行低秩稀疏分解,并采用效率较高的非精确增广拉格朗日乘子法(IALM)求解。对分解后的稀疏图像进行了后处理,最终在二值图像中获得缺陷的形状和位置。该算法的效率及准确率已经在实验中进行了验证,并与现有算法进行了比较。实验表明,该算法可以用来检测各种不同种类和大小的缺陷,检测准确率高且能够提供完整的缺陷掩模。