基于低秩分解的织物疵点检测方法研究

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