计算机研究与发展 ›› 2014, Vol. 51 ›› Issue (9): 1929-1935.doi: 10.7544/issn1000-1239.2014.20140153
所属专题: 2014深度学习
李清勇1,2,4,梁正平3,黄雅平2,史忠植4
Li Qingyong1,2,4, Liang Zhengping3, Huang Yaping2, Shi Zhongzhi4
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.
中图分类号: