基于低秩分解的织物疵点检测方法研究
出版时间:
2019-10
版次:
1
ISBN:
9787518066315
定价:
88.00
装帧:
平装
开本:
16开
纸张:
胶版纸
页数:
193页
1人买过
-
《基于低秩分解的织物疵点检测方法研究》共分为12章。第1章为绪论部分，第2章对低秩稀疏分解理论进行介绍，第3至第12章阐述了基于低秩分解的织物疵点检测方法。
《基于低秩分解的织物疵点检测方法研究》可作为计算机、信号与信息处理、控制工程等专业的研究生或博士生的教材或参考书，也可作为纺织图像处理、目标检测、机器视觉等领域技术人员和研究人员的参考书。 李春雷，博士，中原工学院信息与通信工程硕士生导师，河南省学术技术带头人、科技创新杰出青年、高校科技创新人才。主要从事纺织图像处理与智能检测方面的研究。主持和参与国家自然科学基金5项、省部级项目10余项。获河南省科技进步三等奖、中国纺织工业联合会科技进步三等奖、河南省自然科学优秀学术论文一等奖等奖项。
近年来发表学术论文50余篇，其中SCI检索外文期刊10余篇，EI检索20余篇。出版著作2部，授权国家发明专利5项。 第1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
第10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
10．2．1 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
第11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
第12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
-
内容简介:
《基于低秩分解的织物疵点检测方法研究》共分为12章。第1章为绪论部分，第2章对低秩稀疏分解理论进行介绍，第3至第12章阐述了基于低秩分解的织物疵点检测方法。
《基于低秩分解的织物疵点检测方法研究》可作为计算机、信号与信息处理、控制工程等专业的研究生或博士生的教材或参考书，也可作为纺织图像处理、目标检测、机器视觉等领域技术人员和研究人员的参考书。
-
作者简介:
李春雷，博士，中原工学院信息与通信工程硕士生导师，河南省学术技术带头人、科技创新杰出青年、高校科技创新人才。主要从事纺织图像处理与智能检测方面的研究。主持和参与国家自然科学基金5项、省部级项目10余项。获河南省科技进步三等奖、中国纺织工业联合会科技进步三等奖、河南省自然科学优秀学术论文一等奖等奖项。
近年来发表学术论文50余篇，其中SCI检索外文期刊10余篇，EI检索20余篇。出版著作2部，授权国家发明专利5项。
-
目录:
第1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
第10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
10．2．1 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
第11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
第12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
查看详情
-
全新
北京市朝阳区
平均发货19小时
成功完成率94.9%
-
全新
北京市朝阳区
平均发货17小时
成功完成率96.19%
-
全新
江苏省无锡市
平均发货10小时
成功完成率92.91%
-
全新
北京市朝阳区
平均发货17小时
成功完成率96.19%
-
九品
北京市海淀区
平均发货23小时
成功完成率84.51%
-
全新
北京市丰台区
平均发货23小时
成功完成率88.57%
-
全新
四川省成都市
平均发货15小时
成功完成率91.64%
-
全新
江苏省苏州市
平均发货9小时
成功完成率95.75%
-
全新
北京市东城区
平均发货30小时
成功完成率83.91%
-
全新
江苏省南京市
平均发货16小时
成功完成率82.85%
-
全新
四川省成都市
平均发货9小时
成功完成率97.01%
-
全新
天津市津南区
平均发货14小时
成功完成率79.81%
-
全新
四川省成都市
平均发货61小时
成功完成率83.3%
-
全新
江苏省无锡市
平均发货25小时
成功完成率87.66%
-
全新
天津市西青区
平均发货14小时
成功完成率90.42%
-
全新
北京市通州区
平均发货10小时
成功完成率88.5%
-
全新
河北省保定市
平均发货24小时
成功完成率90.38%
-
全新
河北省保定市
平均发货15小时
成功完成率91.13%
-
全新
江苏省无锡市
平均发货9小时
成功完成率94.42%
-
全新
北京市顺义区
平均发货15小时
成功完成率94.32%
-
全新
天津市河东区
平均发货29小时
成功完成率90.01%
-
全新
江苏省无锡市
平均发货18小时
成功完成率94.47%
-
全新
北京市朝阳区
平均发货9小时
成功完成率96.79%
-
全新
江苏省无锡市
平均发货18小时
成功完成率92.29%
-
全新
北京市通州区
平均发货11小时
成功完成率94.13%
-
全新
江苏省南京市
平均发货16小时
成功完成率82.85%
-
全新
江苏省南京市
平均发货7小时
成功完成率97.83%
-
全新
江苏省南京市
平均发货8小时
成功完成率96.65%
-
全新
山东省潍坊市
平均发货10小时
成功完成率85.3%
-
全新
江苏省无锡市
平均发货8小时
成功完成率95.83%
-
全新
北京市西城区
平均发货29小时
成功完成率90.38%
-
九品
北京市海淀区
平均发货37小时
成功完成率83.74%
-
全新
河北省保定市
平均发货19小时
成功完成率81.21%
-
全新
广东省广州市
平均发货7小时
成功完成率89.93%
-
全新
河北省保定市
平均发货42小时
成功完成率75.14%
-
全新
河北省保定市
平均发货15小时
成功完成率82.13%
-
全新
北京市东城区
平均发货8小时
成功完成率82.55%
-
全新
北京市海淀区
平均发货24小时
成功完成率82.56%
-
全新
河北省保定市
平均发货12小时
成功完成率83.37%
-
全新
河北省保定市
平均发货9小时
成功完成率79.81%
-
全新
江苏省无锡市
平均发货8小时
成功完成率87.68%
-
全新
江苏省无锡市
平均发货7小时
成功完成率89.19%
-
全新
河北省保定市
平均发货17小时
成功完成率69.28%
-
全新
河北省保定市
平均发货4小时
成功完成率84.07%
-
全新
河北省保定市
平均发货4小时
成功完成率86.34%
-
全新
河北省保定市
平均发货17小时
成功完成率69.28%
-
全新
山东省泰安市
平均发货10小时
成功完成率90.22%
-
全新
-
全新
河北省保定市
平均发货9小时
成功完成率83.89%
-
全新
山东省威海市
平均发货17小时
成功完成率91.78%
占位居中
