版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、表面缺陷檢測(cè)是工業(yè)流水線上的重要一環(huán)。傳統(tǒng)的表面圖像缺陷檢測(cè)方法一般分為兩個(gè)階段:特征選取和缺陷識(shí)別。這類方法受限于圖像特征的選擇,針對(duì)不同的對(duì)象要設(shè)計(jì)不同的特征提取方法,提取不同的特征,因此適用于多對(duì)象的通用圖像缺陷檢測(cè)算法將是一個(gè)重要的研究方向。近年來,稀疏表達(dá)在多個(gè)領(lǐng)域得到廣泛應(yīng)用,并且在圖像處理領(lǐng)域取得了良好的效果。本文著重研究了將稀疏表示應(yīng)用于圖像缺陷檢測(cè)的三個(gè)關(guān)鍵步驟:缺陷檢測(cè)模型、字典學(xué)習(xí)和稀疏分解。主要研究?jī)?nèi)容如下:
2、r> (1)查閱了大量國(guó)內(nèi)外參考文獻(xiàn),討論了現(xiàn)階段圖像缺陷檢測(cè)算法中的關(guān)鍵技術(shù),分析了傳統(tǒng)方法存在的不足。在稀疏表示理論基礎(chǔ)上,提出新的缺陷檢測(cè)模型,以圖像在冗余字典下表出系數(shù)的稀疏度判斷圖像是否為缺陷圖像,然后用全局系數(shù)特征對(duì)缺陷進(jìn)行提取,得到缺陷的二值化圖像。
(2)分析比較了現(xiàn)有的幾種經(jīng)典字典學(xué)習(xí)算法,討論了將其應(yīng)用于圖像處理時(shí)存在的缺點(diǎn),提出新的字典學(xué)習(xí)算法,新算法在OLM字典學(xué)習(xí)算法基礎(chǔ)上引入BPG算法,在求解多重
3、凸優(yōu)化問題時(shí)引進(jìn)遞推系數(shù),在保留OLM算法優(yōu)點(diǎn)的同時(shí),解決了OLM算法在更新字典時(shí)采用的塊坐標(biāo)法效率不高的問題。實(shí)驗(yàn)結(jié)果表明,新的字典學(xué)習(xí)算法相比OLM和其他算法學(xué)習(xí)速度更快,訓(xùn)練出的字典性能更佳。
(3)針對(duì)OMP稀疏分解算法復(fù)雜度高的問題,考慮到用于字典訓(xùn)練的無缺陷圖像樣本和待檢測(cè)的圖像之間存在很大的相關(guān)性,受遷移學(xué)習(xí)思想的啟發(fā),在OMP算法的基礎(chǔ)上引入先驗(yàn)矩陣,提出改進(jìn)的OMP算法。并用樣本集對(duì)算法進(jìn)行了驗(yàn)證,改進(jìn)的OM
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于圖像字典表示的缺陷檢測(cè)算法.pdf
- 基于語義稀疏表示的不良圖像檢測(cè)算法.pdf
- 基于稀疏表示的埋弧焊焊縫缺陷檢測(cè)算法研究.pdf
- 基于稀疏表示的高光譜圖像異常檢測(cè)算法及其優(yōu)化研究
- 基于稀疏表示的盲道檢測(cè)算法研究.pdf
- 基于稀疏表示的織物疵點(diǎn)檢測(cè)算法研究.pdf
- 基于超完備圖像稀疏表示的自適應(yīng)紅外小目標(biāo)檢測(cè)算法.pdf
- 基于圖像的鐵路扣件缺陷檢測(cè)算法研究.pdf
- 基于圖像匹配的PCB缺陷檢測(cè)算法研究.pdf
- 基于圖像配準(zhǔn)的鑄件DR圖像缺陷檢測(cè)算法研究.pdf
- 基于稀疏表示的圖像復(fù)原算法研究.pdf
- 基于稀疏表示的Criminisi圖像修復(fù)及其在缺陷檢測(cè)中的應(yīng)用.pdf
- 高光譜圖像目標(biāo)稀疏檢測(cè)算法的研究.pdf
- 基于稀疏表示的Retinex圖像增強(qiáng)算法研究.pdf
- 基于稀疏表示的紅外圖像濾波算法研究.pdf
- 基于稀疏表示的圖像融合算法研究.pdf
- 基于稀疏表示的SAR圖像降噪算法研究.pdf
- 基于圖像稀疏表示的隱寫算法研究.pdf
- 基于稀疏表示的圖像融合算法.pdf
- 基于微觀圖像的PCB板表觀缺陷檢測(cè)算法研究.pdf
評(píng)論
0/150
提交評(píng)論