基于二維稀疏表示和向量范數(shù)優(yōu)化的織物疵點有監(jiān)督分類研究.pdf

1、　　在機器視覺檢測簾子布疵點的過程中,疵點多樣性是簾子布進行等級判定的重要指標。傳統(tǒng)的疵點檢測受限于傳感器的精度和機器視覺算法的有效性,雖然能夠簡單識別出織物疵點,但卻很難精確描述出織物疵點的種類。采用新技術和行之有效的算法,以較低的硬件成本,提升機器視覺檢測織物疵點的準確性和有效性是非常有實際意義的。
　　通過對已有圖像識別算法的分析表明,機器視覺對織物疵點進行識別分類可以歸納為：首先利用適當?shù)奶卣魈崛》椒ㄌ崛〈命c圖像特征,然

2、后根據(jù)疵點特征選擇合適的分類器對織物疵點進行識別和分類。本文通過對已有疵點圖像數(shù)據(jù)庫分析,利用最新提出的壓縮感知知識和疵點圖像的二維結構特征對簾子布疵點數(shù)據(jù)進行二維稀疏表示,對不具有稀疏性的疵點數(shù)據(jù)使用稀疏基進行稀疏化,在此基礎上提出了基于稀疏感知字典的特征提取方法,隨后對提取到的特征值通過尋找合適的范數(shù)進行優(yōu)化。最后通過比較幾種常用的圖像識別分類器,提出帶有流形信息的稀疏表示算法以及利用稀疏表示分類器與感知字典特征提取相結合的算法對簾

3、子布織物疵點圖像進行有監(jiān)督分類,由此得到簾子布疵點的分類信息。
　　在織物疵點圖像的快速識別分類過程中,已有的圖像識別算法如：灰度直方圖算法誤檢率高,BP 神經網絡算法需要龐大的訓練樣本計算量大。隨著圖像獲取技術的發(fā)展,利用疵點圖像的稀疏性和流形信息,提出的基于稀疏表示和向量范數(shù)優(yōu)化的織物疵點檢測算法,減少了數(shù)據(jù)的冗余計算量大大減少同時受外界干擾較小,能夠快速有效地檢測出簾子布疵點并對其進行分類識別。因此這種圖像識別算法更適合復