本文主要研究内容
作者曹锦纲,杨国田,杨锡运（2019）在《基于RPCA和视觉显著性的风机叶片表面缺陷检测》一文中研究指出：针对风机叶片表面缺陷检测问题,提出了一种基于鲁棒主成分分析(RPCA)和视觉显著性的表面缺陷检测方法。在RPCA的基础上,通过增加噪声项和考虑像素的空间关系,以利于缺陷的分割,即通过F范数正则项抑制高斯噪声和光照不均,利用Laplacian正则项约束像素的空间关系,以保持显著图中具有相似显著值且空间相邻超像素的局部一致性和不变性。首先,对输入的风机叶片表面图像进行超像素分割和特征提取,得到图像的特征矩阵;然后,利用改进的RPCA法得到稀疏矩阵,根据稀疏矩阵和视觉显著性方法计算出缺陷区域的显著图;最后,优化显著图并采用自适应阈值分割实现缺陷的检测。通过实验仿真和对实验结果定性定量分析,表明该方法具有较高的准确率。
Abstract
zhen dui feng ji xie pian biao mian que xian jian ce wen ti ,di chu le yi chong ji yu lu bang zhu cheng fen fen xi (RPCA)he shi jiao xian zhe xing de biao mian que xian jian ce fang fa 。zai RPCAde ji chu shang ,tong guo zeng jia zao sheng xiang he kao lv xiang su de kong jian guan ji ,yi li yu que xian de fen ge ,ji tong guo Ffan shu zheng ze xiang yi zhi gao si zao sheng he guang zhao bu jun ,li yong Laplacianzheng ze xiang yao shu xiang su de kong jian guan ji ,yi bao chi xian zhe tu zhong ju you xiang shi xian zhe zhi ju kong jian xiang lin chao xiang su de ju bu yi zhi xing he bu bian xing 。shou xian ,dui shu ru de feng ji xie pian biao mian tu xiang jin hang chao xiang su fen ge he te zheng di qu ,de dao tu xiang de te zheng ju zhen ;ran hou ,li yong gai jin de RPCAfa de dao xi shu ju zhen ,gen ju xi shu ju zhen he shi jiao xian zhe xing fang fa ji suan chu que xian ou yu de xian zhe tu ;zui hou ,you hua xian zhe tu bing cai yong zi kuo ying yu zhi fen ge shi xian que xian de jian ce 。tong guo shi yan fang zhen he dui shi yan jie guo ding xing ding liang fen xi ,biao ming gai fang fa ju you jiao gao de zhun que lv 。
论文参考文献
论文详细介绍
论文作者分别是来自图学学报的曹锦纲,杨国田,杨锡运，发表于刊物图学学报2019年04期论文，是一篇关于视觉显著性论文,缺陷检测论文,风机叶片论文,图学学报2019年04期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自图学学报2019年04期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：视觉显著性论文; 缺陷检测论文; 风机叶片论文; 图学学报2019年04期论文;