-
题名基于K-SVD学习字典的机织物纹理表征及应用
被引量：7
- 1
-
-
作者
吴莹
汪军
-
机构
东华大学纺织学院
东华大学纺织面料技术教育部重点实验室
-
出处
《纺织学报》
EI
CAS
CSCD
北大核心
2018年第2期165-170,共6页
-
基金
国家自然科学基金项目(61379011)
-
文摘
为更好地适应机织物纹理以及减少程序的运行时间,选取平纹、斜纹、缎纹3种组织结构采用K-奇异值分解(K-SVD)的方法训练得到一个自适应字典。以峰值信噪比、结构相似性为指标,探讨不同稀疏基数对机织物纹理图像重构的影响,针对不同的应用,选取了合适的稀疏基数T。利用该字典重构机织物纹理图像,在此基础上检测织物瑕疵。实验结果表明:T=6时,算法不仅能有效重构机织物纹理图像(PSNR和SSIM),而且重构效果要优于初始离散余弦转换(DCT)字典;T=4时,K-SVD字典能更好地适应瑕疵样本,且鉴别瑕疵的能力更强。
-
关键词
机织物纹理表征
DCT字典
K-SVD字典
瑕疵检测
图像重构
-
Keywords
woven fabric texture characterization
discrete cosine transformation dictionary
K-SVD dictionary
defect detection
image reconstruction
-
分类号
TS101.9
[轻工技术与工程—纺织工程]
-
-
题名基于子窗口字典学习的机织物纹理表征及应用
- 2
-
-
作者
吴莹
李冠志
占竹
汪军
-
机构
东华大学纺织学院
东华大学纺织面料技术教育部重点实验室
-
出处
《东华大学学报（自然科学版）》
CAS
北大核心
2019年第3期375-380,共6页
-
基金
国家自然科学基金资助项目(61379011)
-
文摘
为了提高机织物纹理表征算法的稳定性,提出了以子窗口字典学习表征机织物纹理的算法。将整幅图像划分为多个子窗口样本,并将子窗口样本展成列向量,所有的列向量联合组成灰度数据矩阵。选定离散余弦变换(discrete cosine transform,DCT)作为初始字典,对子窗口样本矩阵进行字典学习,最终得到了稳定的学习字典。选用均方根误差作为评价指标,对字典个数和子窗口大小进行优化。结果表明,应用学习得到的字典,不仅能近似重构机织物纹理样本图像,而且能在无监督的条件下自动识别织物的瑕疵。
-
关键词
机织物纹理表征
字典学习
K-奇异值分解字典
瑕疵检测
-
Keywords
woven fabric texture characterization
dictionary learning
K-singular value decomposition dictionary
defects detection
-
分类号
TS101.9
[轻工技术与工程—纺织工程]
-
