[发明专利]一种基于稳定学习字典的机织物纹理表征方法

权利要求书

1.一种基于稳定学习字典的机织物纹理表征方法，其特征是：选用离散余弦变换作为初始字典后，采用交替最小二乘法对样本图像矩阵进行字典学习，再应用字典学习得到的字典和系数矩阵对样本图像矩阵进行重构，将重构样本图像矩阵转化为重构样本图像即实现机织物纹理表征；所述样本图像为整幅机织物纹理图像；

具体步骤如下：

(1)构建初始字典D；

首先构造一个维的DCT矩阵D_1D，即矩阵D_1D由个列向量d_j组成，且列向量d_j代表字典原子；

然后计算每个字典原子中的元素，公式如下：

当j＝1时，D_1D(：，1)表示D_1D第一列的所有元素，即第一个字典原子；

当j＞1时，D_1D(：，j)表示D_1D第j列的所有元素，即第j个字典原子；

最后由计算得到大小为m×k的初始字典D，即D拥有k个维数为m的字典原子；

(2)计算初始系数矩阵α；

任意给出一幅机织物纹理图像作为样本图像，样本图像矩阵Y＝[y₁，y₂，…y_t，…y_n]，y_t∈R^u，y_t代表样本图像矩阵Y的列向量，y_t＝[y_1t，…，y_at，…，y_ut]′，q＝1，2，…，u，t＝1，2，…，n，u是y_t的维数，n是列向量的个数，已知样本图像矩阵Y和初始字典D，则初始系数矩阵α＝(D^TD)^-1D^TY；

(3)采用交替最小二乘法进行字典学习更新D和α得到D_p和α_p；

(3.1)以迭代次数为ρ，令当前迭代次数p为1；

(3.2)系数矩阵更新，公式如下：

式中，α_p为迭代p次后更新得到的系数矩阵，D_p-1为迭代p-1次后更新得到的字典，p＝1时，D_p-1＝D，a_p-1为迭代p-1次后更新得到的系列矩阵，p＝1时，α_p-1＝α；

(3.3)字典更新，公式如下：

式中，D_p为迭代p次后更新得到的字典；

(4)对样本图像矩阵进行重构；

(4.1)应用上述字典学习得到的字典D_p和系数矩阵α_p求得重构样本图像矩阵即

(4.2)判断p是否大于1，如果是则进入步骤(4.3)；反之，则令p＝p+1，返回步骤(3.2)；

(4.3)判断是否满足终止条件，如果否，则令p＝p+1，返回步骤(3.2)；反之，则输出作为最终确定的重构样本图像矩阵所述终止条件为ε(p)的计算公式如下：

ε(p)＝|Res(p)-Res(p-1)|

式中，Y(q，t)表示Y的第q行t列的元素，表示的第q行t列的元素，Res(p)表示p次迭代后的平均表示误差，Res(p-1)表示p-1次迭代后的平均表示误差；

(5)将重构样本图像矩阵转化为重构样本图像。

2.根据权利要求1所述的一种基于稳定学习字典的机织物纹理表征方法，其特征在于，采用RMSE和SSIM对进行评价，具体公式如下：

式中，MSE表示Y和的均方误差，表示的第q行t列的元素，和分别为Y和的亮度相似性、对比度相似性和结构相似性，δ、β和γ分别为和的权重，均设为1，和的定义如下：

式中，μ_Y，σ_Y和分别为Y，的均值和标准差，是Y，的协方差，C₁、C₂和C₃为常数，均设为0。