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

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

本發(fā)明涉及一種基于K?SVD學(xué)習(xí)字典的機織物紋理表征方法，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)機織物紋理表征；訓(xùn)練樣本圖像和測試樣本圖像為不同的機織物紋理圖像。本發(fā)明的基于K?SVD學(xué)習(xí)字典的機織物紋理表征方法，不僅計算方便快捷，而且還能得到穩(wěn)定的織物紋理表征結(jié)果，為紡織品的在線檢測提供正常機織物紋理的模板。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像分析處理領(lǐng)域，涉及一種基于K-SVD學(xué)習(xí)字典的機織物紋理表征方法。

背景技術(shù)

紋理是目標(biāo)識別的重要視覺特征，紋理分析作為本質(zhì)的問題，被廣泛應(yīng)用在許多領(lǐng)域中，例如醫(yī)療診斷、產(chǎn)品質(zhì)量檢測和資源遙感等?？椢锏募y理表征不但可以應(yīng)用在產(chǎn)品質(zhì)量控制領(lǐng)域比如織物的瑕疵檢測，還可以應(yīng)用于其他跨科領(lǐng)域，例如虛擬環(huán)境和電子商務(wù)等，其應(yīng)用范圍廣泛。

傳統(tǒng)的織物紋理表征方法大致可分為三類：基于頻譜、基于統(tǒng)計和基于模型的織物紋理表征方法?；陬l譜的織物紋理表征方法是利用經(jīng)典的變換來提取所需的特征值，例如文獻(xiàn)(Application of Wavelet Transform in Characterization of FabricTexture[J].Journal of the Textile Institute,2004,95(1):107-20)中利用小波變換來表征織物紋理，并測量了經(jīng)緯紗的直徑等結(jié)構(gòu)參數(shù)；基于統(tǒng)計的織物紋理表征方法是通過定義一些統(tǒng)計量來對紋理結(jié)構(gòu)在空間分布上的統(tǒng)計特征進(jìn)行描述，例如文獻(xiàn)(Applyingan Artificial Neural Network to Pattern Recognition in Fabric Defects[J].Textile Research Journal,1995,65(3):123-30)中用灰度共生矩陣的兩個特征(角二階矩和對比度)檢測織物表面疵點；基于模型的織物紋理表征方法是利用數(shù)學(xué)模型對產(chǎn)生紋理的隨機過程進(jìn)行建模描述，例如文獻(xiàn)(Automated inspection of textile fabricsusing textural models[J].IEEE Transactions on Pattern Analysis and MachineIntelligence,1991,13(8):803-8)中運用馬爾-可夫隨機場模型進(jìn)行織物疵點檢測。上述紋理表征方法主要是借助特征提取、優(yōu)化的濾波器或先驗知識等來實現(xiàn)織物結(jié)構(gòu)參數(shù)的識別與瑕疵點的檢測，然而，對于千變?nèi)f化的織物紋理，提取具有普適性的廣義特征是非常困難的。