[發(fā)明專利]一種基于K-SVD學(xué)習(xí)字典的機(jī)織物紋理表征方法

有效

• 申請?zhí)枺?/td>: 201711297582.4
• 申請日: 2017-12-08
• 公開（公告）號: CN108038503B
• 公開（公告）日: 2020-06-05
• 發(fā)明（設(shè)計）人: 吳瑩;汪軍;占竹;萬賢福;李立輕;陳霞;卜佳仙
• 申請（專利權(quán)）人: 東華大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 上海統(tǒng)攝知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31303
• 代理人: 金利琴

1.一種基于K-SVD學(xué)習(xí)字典的機(jī)織物紋理表征方法，其特征是：選用離散余弦變換作為初始字典并采用正交匹配追蹤算法由初始字典和訓(xùn)練樣本圖像矩陣計算得到初始稀疏系數(shù)矩陣后，對訓(xùn)練樣本圖像矩陣進(jìn)行K-SVD字典學(xué)習(xí)得到字典，再采用正交匹配追蹤算法由字典和測試樣本圖像矩陣計算得到稀疏系數(shù)矩陣后對測試樣本圖像矩陣進(jìn)行重構(gòu)，將重構(gòu)測試樣本圖像矩陣轉(zhuǎn)化為重構(gòu)測試樣本圖像即實現(xiàn)機(jī)織物紋理表征；所述訓(xùn)練樣本圖像和測試樣本圖像為不同的機(jī)織物紋理圖像；

所述的一種基于K-SVD學(xué)習(xí)字典的機(jī)織物紋理表征方法，具體步驟如下：

(1)構(gòu)建初始字典D；

首先構(gòu)造一個維的DCT矩陣D_1D，即矩陣D_1D由個列向量d_j組成，且列向量d_j代表字典原子；

然后計算每個字典原子中的元素，公式如下：

當(dāng)j＝1時，D_1D(:,1)表示D_1D第一列的所有元素，即第一個字典原子；

當(dāng)j1時，D_1D(:,j)表示D_1D第j列的所有元素，即第j個字典原子；

最后由計算得到大小為m×k的初始字典D，即D擁有k個維數(shù)為m的字典原子；

(2)采用正交匹配追蹤算法計算初始稀疏系數(shù)矩陣α；

(2.1)以v為迭代次數(shù)，令當(dāng)前迭代次數(shù)v為1；

(2.2)計算初始字典D的第w列d_w的誤差ε(w)，公式如下：

式中，r^v-1為迭代v-1次后更新得到的殘差，v＝1時，r^v-1＝X，X為訓(xùn)練樣本圖像矩陣；

(2.3)確定誤差ε(w)最小的初始字典D的列w₀后更新支撐集S^v，更新公式如下：

S^v＝S^v-1∪{w₀}；

式中，S^v和S^v-1分別為迭代v和v-1次后更新得到的支撐集，v＝1時，S^v-1＝φ，φ為空集；

(2.4)根據(jù)S^v計算α^v，support{α^v}＝S^v，α^v滿足最小，同時更新r^v，更新公式如下：

r^v＝X-Dα^v；

式中，support{}表示支撐集，α^v為迭代v次后更新得到的初始稀疏系數(shù)矩陣，r^v為迭代v次后更新得到的殘差；

(2.5)判斷||r^v||₂ε₀是否成立，ε₀為誤差閾值，如果否，則令v＝v+1，返回步驟(2.2)；反之，則輸出最后一次更新得到的α^v作為最終確定的初始稀疏系數(shù)矩陣α；

(3)對訓(xùn)練樣本圖像矩陣進(jìn)行K-SVD字典學(xué)習(xí)更新D得到

(3.1)以p為迭代次數(shù)，令當(dāng)前迭代次數(shù)p為1；

(3.2)更新字典D_p-1的所有列得到字典D_p，D_p-1為迭代p-1次后更新得到的字典，p＝1時，D_p-1＝D，更新是逐列進(jìn)行的，當(dāng)對字典D_p-1的第j₀列進(jìn)行更新時，保持字典D_p-1其余的列不變，更新得到的公式如下：

式中，α_j中非零元素構(gòu)建成一個新的矩陣Ω，α_j是α_p-1的第j列，代表α_p-1中的第j行，α_p-1為迭代p-1次后更新得到的稀疏系數(shù)矩陣，p＝1時，α_p-1＝α，代表更新后的代表在稀疏系數(shù)矩陣中對應(yīng)的稀疏系數(shù)，U、V和Δ分別是通過奇異值分解得到的秩為1的左奇異向量、右奇異向量和特征值，d_j為D_p-1的第j列；

(3.3)采用正交匹配追蹤算法計算α_p，即用D_p替換D后進(jìn)行步驟(2)的操作；

(3.4)判斷是否滿足終止條件，如果否，則令p＝p+1，返回步驟(3.2)；反之，則輸出最后一次更新得到的字典D_p作為所述終止條件如下：

式中，為訓(xùn)練樣本圖像矩陣X重構(gòu)得到的矩陣，RMSE表示X和的均方根誤差，X(a,b)表示X的第a行b列的元素，表示的第a行b列的元素，e和f分別為訓(xùn)練樣本圖像的高度和寬度；

(4)采用正交匹配追蹤算法計算即用替換D同時用測試樣本圖像矩陣Y替換X后進(jìn)行步驟(2)的操作，其中，表示所有元素奇異值分解后得到的系數(shù)矩陣；

(5)對測試樣本圖像矩陣Y進(jìn)行重構(gòu)得到重構(gòu)測試樣本圖像矩陣

將轉(zhuǎn)化為重構(gòu)測試樣本圖像。