|
|||||
|
|
| 缺陷检测的稀疏表示模型及应用 | |
| 引用本文： | 李清勇,梁正平,黄雅平,史忠植.缺陷检测的稀疏表示模型及应用[J].计算机研究与发展,2014,51(9). |
| 作者姓名： | 李清勇 梁正平 黄雅平 史忠植 |
| 作者单位： | 1. 轨道交通控制与安全国家重点实验室(北京交通大学)北京 100044;北京交通大学交通数据分析与挖掘北京市重点实验室 北京 100044;中国科学院计算技术研究所智能信息处理重点实验室 北京 100190 2. 深圳大学计算机与软件学院 广东深圳 518060 3. 北京交通大学交通数据分析与挖掘北京市重点实验室 北京 100044 4. 中国科学院计算技术研究所智能信息处理重点实验室 北京 100190 |
| 基金项目： | 国家自然科学基金项目，北京市自然科学基金项目，中央高校基本科研业务费专项基金项目，北京交通大学轨道交通控制与安全国家重点实验室自主研究课题，深圳市战略新兴产业发展专项资金项目，北京高等学校青年英才计划项目 |
| 摘 要： | 基于缺陷检测应用中图像的稀疏特性,提出了缺陷图像的稀疏表示模型以及基于稀疏性的缺陷分解算法.在该模型中,缺陷图像表示为图像背景、缺陷目标和噪声3种成分的叠加,并且图像背景和缺陷目标可以分别由对应的冗余字典稀疏表示;然后借鉴盲源分离原理和块协调松弛方法,实现缺陷目标成分的有效分解;最后,在钢轨表面擦伤检测应用中验证了该算法的性能. |
| 关 键 词： | 稀疏表示 缺陷检测 盲源分离 形态成分分析 轨道检测 |
Sparseness Representation Model for Defect Detection and Its Application |
|
| Li Qingyong,Liang Zhengping,Huang Yaping,Shi Zhongzhi.Sparseness Representation Model for Defect Detection and Its Application[J].Journal of Computer Research and Development,2014,51(9). | |
| Authors: | Li Qingyong Liang Zhengping Huang Yaping Shi Zhongzhi |
| Abstract: | |
| Keywords: | sparseness representation defect detection blind source sepration morphological component analysis rail detection |
| 本文献已被 CNKI 等数据库收录！ | |
