本文關(guān)鍵詞：基于張量低秩分解和稀疏表示的紅外微小氣體泄漏檢測

  更多相關(guān)文章： 計算機(jī)視覺 紅外檢測 泄漏檢測 張量低秩分解 稀疏表示 紅外成像

【摘要】：為了檢測石化工業(yè)生產(chǎn)過程中微小氣體的泄漏,提出了一種應(yīng)用紅外成像技術(shù)的單幀紅外小目標(biāo)檢測方法。研究了低秩稀疏分解理論和稀疏表示理論,并提出了一種新的基于張量低秩分解和稀疏表示的小目標(biāo)檢測方法。該方法基于張量分解的形式充分發(fā)掘背景矩陣所包含的信息;利用先驗知識構(gòu)造微小氣體泄漏的目標(biāo)字典;同時利用背景的低秩約束和小目標(biāo)的稀疏表示約束分解出微小氣體的泄漏目標(biāo)。最后基于非精確增廣拉格朗日乘子法(IALM),對本文算法進(jìn)行最優(yōu)化求解,并通過實驗分析比較了本文方法和已有方法的優(yōu)缺點。結(jié)果表明:本文方法的檢測效果優(yōu)于其他已有方法,并且具有較好的ROC(受試者工作特征)曲線,可以滿足工業(yè)生產(chǎn)中對微小氣體泄漏檢測的要求。
【作者單位】： 火箭軍工程大學(xué)信息工程系;96618部隊;
【基金】：國家自然科學(xué)基金資助項目(No.61175120)
【分類號】：TP391.41
【正文快照】： 2.96618部隊,北京100085)1引言石化工業(yè)中很多中間或最終產(chǎn)品都是氣體,這些氣體大部分是無色透明的且易發(fā)生泄漏,易造成重大安全事故。目前,傳統(tǒng)的石化工業(yè)泄漏氣體的檢測方式大都基于化學(xué)方法。近年來,紅外成像技術(shù)不斷進(jìn)步,紅外成像設(shè)備成本逐漸降低,使得利用紅外圖像處理和

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李映;張艷寧;許星;;基于信號稀疏表示的形態(tài)成分分析:進(jìn)展和展望[J];電子學(xué)報;2009年01期

2 趙瑞珍;王飛;羅阿理;張彥霞;;基于稀疏表示的譜線自動提取方法[J];光譜學(xué)與光譜分析;2009年07期

3 楊蜀秦;寧紀(jì)鋒;何東健;;基于稀疏表示的大米品種識別[J];農(nóng)業(yè)工程學(xué)報;2011年03期

4 史加榮;楊威;魏宗田;;基于非負(fù)稀疏表示的人臉識別[J];計算機(jī)工程與設(shè)計;2012年05期

5 高志榮;熊承義;笪邦友;;改進(jìn)的基于殘差加權(quán)的稀疏表示人臉識別[J];中南民族大學(xué)學(xué)報(自然科學(xué)版);2012年03期

6 朱杰;楊萬扣;唐振民;;基于字典學(xué)習(xí)的核稀疏表示人臉識別方法[J];模式識別與人工智能;2012年05期

7 張疆勤;廖海斌;李原;;基于因子分析與稀疏表示的多姿態(tài)人臉識別[J];計算機(jī)工程與應(yīng)用;2013年05期

8 李正周;王會改;劉梅;丁浩;金鋼;;基于形態(tài)成分稀疏表示的紅外小弱目標(biāo)檢測[J];彈箭與制導(dǎo)學(xué)報;2013年04期

9 胡正平;趙淑歡;李靜;;基于塊稀疏遞推殘差分析的稀疏表示遮擋魯棒識別算法研究[J];模式識別與人工智能;2014年01期

10 陳思寶;趙令;羅斌;;局部保持的稀疏表示字典學(xué)習(xí)[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2014年01期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識別[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李進(jìn)明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 姚明海;視頻異常事件檢測與認(rèn)證方法研究[D];東北師范大學(xué);2015年

3 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

4 薛明;基于稀疏表示的在線目標(biāo)跟蹤研究[D];上海交通大學(xué);2014年

5 程廣濤;基于壓縮感知的人臉識別方法研究[D];天津大學(xué);2015年

6 黃丹丹;基于稀疏表示的視覺目標(biāo)跟蹤方法研究[D];大連理工大學(xué);2016年

7 李小薪;稀疏表示的分段匹配尋蹤方法[D];華南理工大學(xué);2009年

8 何艷敏;稀疏表示在圖像壓縮和去噪中的應(yīng)用研究[D];電子科技大學(xué);2011年

9 宋相法;基于稀疏表示和集成學(xué)習(xí)的若干分類問題研究[D];西安電子科技大學(xué);2013年

10 匡金駿;基于稀疏表示的圖像分類與目標(biāo)跟蹤研究[D];重慶大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

2 趙孝磊;基于圖像分塊稀疏表示的人臉識別算法研究[D];南京信息工程大學(xué);2015年

3 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺追蹤算法研究[D];華南理工大學(xué);2015年

4 張鈴華;非約束環(huán)境下的稀疏表示人臉識別算法研究[D];南京信息工程大學(xué);2015年

5 應(yīng)艷麗;基于低秩稀疏表示的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2015年

6 梁曉捷;基于網(wǎng)絡(luò)攝像頭與稀疏表示分類法的實時人臉識別系統(tǒng)應(yīng)用研究[D];五邑大學(xué);2015年

7 邱大偉;基于稀疏表示的圖像超分辨率重建算法研究[D];太原理工大學(xué);2016年

8 黃榮;人臉識別中的特征生成技術(shù)應(yīng)用研究[D];東南大學(xué);2015年

9 王東青;稀疏表示和判別性字典學(xué)習(xí)的海馬子區(qū)圖像自動分割算法[D];北京理工大學(xué);2016年

10 石路遙;基于字典學(xué)習(xí)的低劑量CT圖像處理方法[D];東南大學(xué);2015年

，

本文編號：1185700