[發(fā)明專利]基于RPCA和PCA的圖像重建及異物檢測方法

在審

• 申請?zhí)枺?/td>: 202011178617.4
• 申請日: 2020-10-29
• 公開（公告）號: CN112348912A
• 公開（公告）日: 2021-02-09
• 發(fā)明（設(shè)計(jì)）人: 王海旭
• 申請（專利權(quán)）人: 東莞市盟拓智能科技有限公司
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06K9/62
• 代理公司: 廣東莞信律師事務(wù)所 44332
• 代理人: 梁年順

1.基于RPCA和PCA的圖像重建及異物檢測方法，其特征在于，包括以下步驟：

獲取基向量：獲取一定數(shù)量的樣本圖像集合；依據(jù)RPCA算法，對圖像集合的每個(gè)樣本圖像進(jìn)行拉伸合并；依據(jù)RPCA算法迭代得到低秩矩陣大圖；對低秩矩陣大圖的每個(gè)獨(dú)立樣本進(jìn)行標(biāo)準(zhǔn)化；對標(biāo)準(zhǔn)化的低秩矩陣大圖降采樣，形成低秩小圖；將低秩小圖進(jìn)行PCA分解，得到轉(zhuǎn)換圖像數(shù)據(jù)所需的基向量及其轉(zhuǎn)置；

圖像數(shù)據(jù)重建：將待測圖像與基向量進(jìn)行矩陣乘法運(yùn)算，得到轉(zhuǎn)換到新空間的臨時(shí)數(shù)據(jù)；將轉(zhuǎn)換到新空間的臨時(shí)數(shù)據(jù)與基向量轉(zhuǎn)置進(jìn)行矩陣乘法運(yùn)算，得到轉(zhuǎn)換回圖像空間的降噪、消除異物后的數(shù)據(jù)；

異物檢測：將重建后的圖像與待測源圖像進(jìn)行差分，得到噪聲數(shù)據(jù)與異物數(shù)據(jù)的集合；篩除噪聲，得到異物數(shù)據(jù)集合。

2.根據(jù)權(quán)利要求1所述的基于RPCA和PCA的圖像重建及異物檢測方法，其特征在于，還包括，異物定位：對異物數(shù)據(jù)集合進(jìn)行聚類，分析并獲取每個(gè)類別的異物數(shù)據(jù)對應(yīng)的中心信息，并對應(yīng)到圖像空間坐標(biāo)，得到異物的定位信息。

3.根據(jù)權(quán)利要求1所述的基于RPCA和PCA的圖像重建及異物檢測方法，其特征在于，依據(jù)RPCA算法，對圖像集合的每個(gè)樣本圖像進(jìn)行拉伸合并，具體為：將圖像集合的每個(gè)樣本圖像從m*n的矩陣數(shù)據(jù)結(jié)構(gòu)拉伸為m*n*1的向量結(jié)構(gòu)，再將所有樣本圖像的向量拼接成一個(gè)m*n*z的大圖結(jié)構(gòu)，其中m、n為單張樣本大小，z為樣本數(shù)量。

4.根據(jù)權(quán)利要求3所述的基于RPCA和PCA的圖像重建及異物檢測方法，其特征在于，還包括，在將每個(gè)樣本圖像從m*n的矩陣數(shù)據(jù)結(jié)構(gòu)拉伸為m*n*1的向量結(jié)構(gòu)之前，對樣本圖像進(jìn)行預(yù)處理。

5.根據(jù)權(quán)利要求1所述的基于RPCA和PCA的圖像重建及異物檢測方法，其特征在于，對低秩矩陣大圖的每個(gè)獨(dú)立樣本進(jìn)行標(biāo)準(zhǔn)化的處理為：

其中，i,j為對應(yīng)像素的位置坐標(biāo)，S’為標(biāo)準(zhǔn)化后的單個(gè)像素值，S為低秩處理后的樣本值，為該像素位置的全局均值。

6.根據(jù)權(quán)利要求3所述的基于RPCA和PCA的圖像重建及異物檢測方法，其特征在于，對標(biāo)準(zhǔn)化的低秩矩陣大圖降采樣，形成低秩小圖，具體為：隨機(jī)保留z個(gè)樣本向量中的g個(gè)樣本向量，重新組合為低秩小圖。

7.根據(jù)權(quán)利要求1所述的基于RPCA和PCA的圖像重建及異物檢測方法，其特征在于，在將低秩小圖進(jìn)行PCA分解中，保留所有特征值作為基向量。

8.根據(jù)權(quán)利要求1所述的基于RPCA和PCA的圖像重建及異物檢測方法，其特征在于，對于多維度圖像，在獲取基向量步驟中，先將各個(gè)維度單獨(dú)分解出來，以獲取各個(gè)維度下的基向量，并最終獲取多組基向量及其轉(zhuǎn)置。

9.根據(jù)權(quán)利要求1所述的基于RPCA和PCA的圖像重建及異物檢測方法，其特征在于，對于多維度圖像，在圖像數(shù)據(jù)重建步驟中，先將多維度圖像數(shù)據(jù)分解為各個(gè)維度數(shù)據(jù)，再進(jìn)行數(shù)據(jù)重建。

10.根據(jù)權(quán)利要求1所述的基于RPCA和PCA的圖像重建及異物檢測方法，其特征在于，對于多維度圖像，在異物檢測步驟中，分別在各個(gè)維度下將重建圖像與待測源圖像進(jìn)行差分，獲取各個(gè)維度的差分結(jié)果的交集作為噪聲數(shù)據(jù)與異物數(shù)據(jù)的集合。