针对实际纸病检测应用中采集到的图像分辨率越来越高,在图像处理过程中出现数据维数过大的问题,提出一种基于鲁棒主成分分析法(Robust Principal component Analysis,RPcA)的纸病图像分割算法,该算法将纸病图像对应的矩阵分解成稀疏矩...针对实际纸病检测应用中采集到的图像分辨率越来越高,在图像处理过程中出现数据维数过大的问题,提出一种基于鲁棒主成分分析法(Robust Principal component Analysis,RPcA)的纸病图像分割算法,该算法将纸病图像对应的矩阵分解成稀疏矩阵和低秩矩阵。在后续检测中只需选取稀疏矩阵对应的图像进行检测就可以满足纸病检测的要求,有效减少了计算量,最终节省了整个纸病检测环节的检测时间。仿真结果表明,该方法可用于纸病图像的分割,并且具有良好的分割效果。展开更多
传统的基于Haar特征的AdaBoost人脸检测算法,由于Haar特征数量过多,导致训练时间过久,而且不能快速检测出人脸。针对这一问题,本文提出一种基于多块局部二值模式(Multi-block Local Binary Pattern,MB_LBP)特征的AdaBoost人脸检测算法,...传统的基于Haar特征的AdaBoost人脸检测算法,由于Haar特征数量过多,导致训练时间过久,而且不能快速检测出人脸。针对这一问题,本文提出一种基于多块局部二值模式(Multi-block Local Binary Pattern,MB_LBP)特征的AdaBoost人脸检测算法,这种MB_LBP特征结合了旋转不变局部二值模式(Local Binary Patterns,LBP)描述符,表达能力更强,特征数量更少.仿真结果表明,在训练时间大幅缩减的同时,使用MB_LBP特征时可以达到Haar特征的检测效果,且检测速度大大提高.展开更多
文摘针对实际纸病检测应用中采集到的图像分辨率越来越高,在图像处理过程中出现数据维数过大的问题,提出一种基于鲁棒主成分分析法(Robust Principal component Analysis,RPcA)的纸病图像分割算法,该算法将纸病图像对应的矩阵分解成稀疏矩阵和低秩矩阵。在后续检测中只需选取稀疏矩阵对应的图像进行检测就可以满足纸病检测的要求,有效减少了计算量,最终节省了整个纸病检测环节的检测时间。仿真结果表明,该方法可用于纸病图像的分割,并且具有良好的分割效果。
