用于红外诊断系统的低秩凸/稀疏热矩阵近似
图像与视频处理
2020-10-15 v1 计算机视觉与模式识别
摘要
主动与被动热成像是两种高效的技术，广泛用于测量导致 subsurface 缺陷的异质热模式以进行诊断评估。本研究对热成像中的低秩矩阵近似方法进行比较分析，应用半非负、凸非负与稀疏非负矩阵分解(NMF)方法来检测 subsurface 热模式。这些方法继承了主成分热成像(PCT)与稀疏PCT的优点，同时通过非负约束解决了稀疏PCT中的负基问题，并在处理数据时表现出聚类特性。通过对三个试样（不同深度与尺寸缺陷）的 subsurface 缺陷检测实验，以及在乳腺癌筛查数据集中保持热异质性以区分乳腺异常（准确率74.1%、75.8%与77.8%）的实验结果，证明了这些方法的实用性与高效性。
引用
@article{arxiv.2010.06784,
title = {Low-rank Convex/Sparse Thermal Matrix Approximation for Infrared-based Diagnostic System},
author = {Bardia Yousefi and Clemente Ibarra Castanedo and Xavier P. V. Maldague},
journal= {arXiv preprint arXiv:2010.06784},
year = {2020}
}
备注
Authors version