用于粒子图像测速数据背景估计的鲁棒主成分分析
计算机视觉与模式识别
2019-08-19 v1 图像与视频处理
摘要
粒子图像测速（PIV）数据处理过程受到光反射与背景、模型缺陷以及附着在边界内壁上的粘性粒子的不利影响。本文提出一种新方法，将 PIV 数据分解为背景/前景分量，极大降低此类伪影的影响。这是通过对由向量化 PIV 帧聚合生成的数据矩阵应用鲁棒主成分分析（RPCA）实现的。假设该数据矩阵可分解为两个统计上不同的分量：描绘静止背景的低秩分量，以及表示成像几何内运动粒子的稀疏分量。将假设表述为优化问题，采用增广拉格朗日乘子（ALM）方法将数据矩阵分解为低秩与稀疏分量。使用多个 PIV 图像序列进行的实验及与最先进方法的比较，揭示了所提方法在 PIV 数据背景去除上的优越性。
引用
@article{arxiv.1908.06047,
title = {Robust Principal Component Analysis for Background Estimation of Particle Image Velocimetry Data},
author = {Ahmadreza Baghaie},
journal= {arXiv preprint arXiv:1908.06047},
year = {2019}
}
备注
Presented in LISAT 2019