[发明专利]一种基于稳定学习字典的机织物纹理表征方法

说明书

本发明涉及一种基于稳定学习字典的机织物纹理表征方法，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；样本图像为整幅机织物纹理图像。本发明的基于稳定学习字典的机织物纹理表征方法，不仅计算方便快捷，而且还能得到稳定的织物纹理表征结果，为纺织品的在线检测提供正常机织物纹理的模板。

技术领域

本发明属于织物纹理表征领域，涉及一种基于稳定学习字典的机织物纹理表征方法。

背景技术

纹理是目标识别的重要视觉特征，纹理分析作为本质的问题，被广泛应用在许多领域中，例如医疗诊断、产品质量检测和资源遥感等。织物的纹理表征不但可以应用在产品质量控制领域比如织物的瑕疵检测，还可以应用于其他跨科领域，例如虚拟环境和电子商务等，其应用范围广泛。

传统的织物纹理表征方法大致可分为三类：基于频谱、基于统计和基于模型的织物纹理表征方法。基于频谱的织物纹理表征方法是利用经典的变换来提取所需的特征值，例如文献(Application of Wavelet Transform in Characterization of FabricTexture[J].Journal of the Textile Institute,2004,95(1):107-20)中利用小波变换来表征织物纹理，并测量了经纬纱的直径等结构参数；基于统计的织物纹理表征方法是通过定义一些统计量来对纹理结构在空间分布上的统计特征进行描述，例如文献(Applyingan Artificial Neural Network to Pattern Recognition in Fabric Defects[J].Textile Research Journal,1995,65(3):123-30)中用灰度共生矩阵的两个特征(角二阶矩和对比度)检测织物表面疵点；基于模型的织物纹理表征方法是利用数学模型对产生纹理的随机过程进行建模描述，例如文献(Automated inspection of textile fabricsusing textural models[J].IEEE Transactions on Pattern Analysis and MachineIntelligence,1991,13(8):803-8)中运用马尔-可夫随机场模型进行织物疵点检测。上述纹理表征方法主要是借助特征提取、优化的滤波器或先验知识等来实现织物结构参数的识别与瑕疵点的检测，然而，对于千变万化的织物纹理，提取具有普适性的广义特征是非常困难的。