掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
基于低秩分解的織物疵點檢測方法研究 版權信息
- ISBN：9787518066315
- 條形碼：9787518066315 ; 978-7-5180-6631-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
基于低秩分解的織物疵點檢測方法研究 內容簡介
《基于低秩分解的織物疵點檢測方法研究》共分為12章。第1章為緒論部分，第2章對低秩稀疏分解理論進行介紹，第3至第12章闡述了基于低秩分解的織物疵點檢測方法。 《基于低秩分解的織物疵點檢測方法研究》可作為計算機、信號與信息處理、控制工程等專業的研究生或博士生的教材或參考書，也可作為紡織圖像處理、目標檢測、機器視覺等領域技術人員和研究人員的參考書。
基于低秩分解的織物疵點檢測方法研究 目錄
第1章 緒論
1．1 研究背景和意義
1．2 國內外研究現狀
1．3 本書的主要工作及研究成果
1．4 總結與展望
1．4．1 工作總結
1．4．2 工作展望
第2章 低秩稀疏矩陣分解理論基礎
2．1 低秩稀疏矩陣分解數學基礎
2．2 低秩表示
2．3 對低秩分解的優化求解方法
2．4 織物圖像秩分析
2．5 本章小結
第3章 基于Gabor濾波器和低秩分解的織物疵點檢測算法
3．1 Gabor濾波器特征提取
3．2 模型構建及優化求解
3．2．1 低秩模型構建
3．2．2 模型的優化求解
3．3 疵點分布圖生成及分割
3．4 實驗結果及分析
3．5 本章小結
第4章 基于：HOG和低秩分解的織物疵點檢測算法
4．1 算法的提出及應用方法
4．1．1 預處理
4．1．2 特征提取
4．1．3 基于低秩分解的疵點分布圖生成
4．1．4 疵點分布圖分割
4．2 實驗結果及分析
4．3 本章小結
第5章 基于GHOG和低秩分解的模式織物疵點檢測算法
5．1 所提算法
5．1．1 GHOG特征提取
5．1．2 低秩模型構建
5．1．3 模型的優化求解
5．1．4 疵點分布圖生成及分割
5．2 實驗結果與分析
5．2．1 定性的結果
5．2．2 定量的結果
5．3 本章小結
第6章 基于生物建模特征提取及低秩表示的織物疵點檢測算法
6．1 基于生物視覺的圖像特征提取方法
6．2 低秩表示模型構建
6．3 模型的優化求解
6．4 疵點分布圖生成及分割
6．5 實驗結果及分析
6．5．1 定性的結果
6．5．2 定量的結果
6．6 本章小結
第7章 基于多通道特征矩陣聯合低秩表示的織物疵點檢測算法
7．1 二階多通道特征提取
7．1．1 二階梯度圖計算
7．1．2 基于P型神經節細胞編碼方式的特征提取
7．1．3 多通道特征矩陣生成
7．2 聯合低秩表示模型的構建
7．2．1 模型構建
7．2．2 優化過程
7．3 顯著圖生成與分割
7．4 實驗結果及分析
7．4．1 定性分析
7．4．2 定量分析
7．5 本章小結
第8章 基于多通道特征和張量低秩分解的織物疵點檢測算法
8．1 張量符號和基本定義
8．2 所提算法
8．2．1 二階多通道特征提取
8．2．2 TRPCA模型構建
8．2．3 優化過程
8．2．4 顯著圖生成和分割
8．3 實驗結果及分析
8．3．1 定性分析
8．3．2 定量分析
8．4 本章小結
第9章 基于級聯低秩分解的織物疵點檢測算法
9．1 所提算法
9．1．1 圖像分割和特征提取
9．1．2 級聯低秩分解模型構建
9．1．3 模型優化
9．1．4 顯著圖生成與分割
9．2 實驗結果與分析
9．2．1 定性分析
9．2．2 定量分析
9．3 本章小結
第10章 基于特征融合和TV-RPCA的織物疵點檢測算法
10．1 基于典型相關分析的特征提取
10．2 基于全變差正則項的RPCA模型的構建及求解
10．2．1 模型的構建
10．2．2 模型的求解
10．3 顯著圖生成與分割
10．4 實驗結果及分析
10．4．1 特征維數的選取
10．4．2 融合策略的選取
10．4．3 全變差正則項的選取
10．4．4 與現有方法的比較
10．5 本章小結
第11章 基于深度特征和NTV-RPCA的織物疵點檢測算法
11．1 層次性深度特征提取
11．2 基于非凸全變差正則項的RPCA模型的構建及求解
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 實驗結果及分析
11．6．1 多層次深度特征對比
11．6．2 非凸全變差的對比
11．6．3 與現有方法的比較
11．7 本章小結
第12章 基于深度-低階特征和NTV-NRPCA織物疵點檢測算法
12．1 深度-低階特征提取
12．2 基于非凸全變差正則項的非凸RPCA模型的構建及求解
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 實驗結果及分析
12．5．1 深度一低階特征的對比
12．5．2 非凸RPCA模型的對比
12．5．3 與現有方法的比較
12．6 本章小結
參考文獻
1．1 研究背景和意義
1．2 國內外研究現狀
1．3 本書的主要工作及研究成果
1．4 總結與展望
1．4．1 工作總結
1．4．2 工作展望
第2章 低秩稀疏矩陣分解理論基礎
2．1 低秩稀疏矩陣分解數學基礎
2．2 低秩表示
2．3 對低秩分解的優化求解方法
2．4 織物圖像秩分析
2．5 本章小結
第3章 基于Gabor濾波器和低秩分解的織物疵點檢測算法
3．1 Gabor濾波器特征提取
3．2 模型構建及優化求解
3．2．1 低秩模型構建
3．2．2 模型的優化求解
3．3 疵點分布圖生成及分割
3．4 實驗結果及分析
3．5 本章小結
第4章 基于：HOG和低秩分解的織物疵點檢測算法
4．1 算法的提出及應用方法
4．1．1 預處理
4．1．2 特征提取
4．1．3 基于低秩分解的疵點分布圖生成
4．1．4 疵點分布圖分割
4．2 實驗結果及分析
4．3 本章小結
第5章 基于GHOG和低秩分解的模式織物疵點檢測算法
5．1 所提算法
5．1．1 GHOG特征提取
5．1．2 低秩模型構建
5．1．3 模型的優化求解
5．1．4 疵點分布圖生成及分割
5．2 實驗結果與分析
5．2．1 定性的結果
5．2．2 定量的結果
5．3 本章小結
第6章 基于生物建模特征提取及低秩表示的織物疵點檢測算法
6．1 基于生物視覺的圖像特征提取方法
6．2 低秩表示模型構建
6．3 模型的優化求解
6．4 疵點分布圖生成及分割
6．5 實驗結果及分析
6．5．1 定性的結果
6．5．2 定量的結果
6．6 本章小結
第7章 基于多通道特征矩陣聯合低秩表示的織物疵點檢測算法
7．1 二階多通道特征提取
7．1．1 二階梯度圖計算
7．1．2 基于P型神經節細胞編碼方式的特征提取
7．1．3 多通道特征矩陣生成
7．2 聯合低秩表示模型的構建
7．2．1 模型構建
7．2．2 優化過程
7．3 顯著圖生成與分割
7．4 實驗結果及分析
7．4．1 定性分析
7．4．2 定量分析
7．5 本章小結
第8章 基于多通道特征和張量低秩分解的織物疵點檢測算法
8．1 張量符號和基本定義
8．2 所提算法
8．2．1 二階多通道特征提取
8．2．2 TRPCA模型構建
8．2．3 優化過程
8．2．4 顯著圖生成和分割
8．3 實驗結果及分析
8．3．1 定性分析
8．3．2 定量分析
8．4 本章小結
第9章 基于級聯低秩分解的織物疵點檢測算法
9．1 所提算法
9．1．1 圖像分割和特征提取
9．1．2 級聯低秩分解模型構建
9．1．3 模型優化
9．1．4 顯著圖生成與分割
9．2 實驗結果與分析
9．2．1 定性分析
9．2．2 定量分析
9．3 本章小結
第10章 基于特征融合和TV-RPCA的織物疵點檢測算法
10．1 基于典型相關分析的特征提取
10．2 基于全變差正則項的RPCA模型的構建及求解
10．2．1 模型的構建
10．2．2 模型的求解
10．3 顯著圖生成與分割
10．4 實驗結果及分析
10．4．1 特征維數的選取
10．4．2 融合策略的選取
10．4．3 全變差正則項的選取
10．4．4 與現有方法的比較
10．5 本章小結
第11章 基于深度特征和NTV-RPCA的織物疵點檢測算法
11．1 層次性深度特征提取
11．2 基于非凸全變差正則項的RPCA模型的構建及求解
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 實驗結果及分析
11．6．1 多層次深度特征對比
11．6．2 非凸全變差的對比
11．6．3 與現有方法的比較
11．7 本章小結
第12章 基于深度-低階特征和NTV-NRPCA織物疵點檢測算法
12．1 深度-低階特征提取
12．2 基于非凸全變差正則項的非凸RPCA模型的構建及求解
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 實驗結果及分析
12．5．1 深度一低階特征的對比
12．5．2 非凸RPCA模型的對比
12．5．3 與現有方法的比較
12．6 本章小結
參考文獻
展開全部
基于低秩分解的織物疵點檢測方法研究 作者簡介
李春雷，博士，中原工學院信息與通信工程碩士生導師，河南省學術技術帶頭人、科技創新杰出青年、高校科技創新人才。主要從事紡織圖像處理與智能檢測方面的研究。主持和參與國家自然科學基金5項、省部級項目10余項。獲河南省科技進步三等獎、中國紡織工業聯合會科技進步三等獎、河南省自然科學優秀學術論文一等獎等獎項。 近年來發表學術論文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，授權國家發明專利5項。
書友推薦
- >
經典常談
- >
名家帶你讀魯迅:故事新編
- >
伯納黛特,你要去哪(2021新版)
- >
月亮虎
- >
煙與鏡
- >
朝聞道
- >
山海經
- >
二體千字文
本類暢銷
