為解決色紡花式紗面料人工分類準(zhǔn)確率低的問(wèn)題,提出一種基于局部二值模式（local binary pattern,LBP）、小波分析和支持向量機(jī)（support vector machine,SVM）的色紡花式紗面料自動(dòng)分類方法。采集色紡花式紗面料圖像組成原始圖像庫(kù);通過(guò)對(duì)圖像數(shù)據(jù)進(jìn)行翻轉(zhuǎn)、對(duì)比度增強(qiáng)及添加噪聲等操作增廣圖像數(shù)據(jù);對(duì)增廣后的圖像數(shù)據(jù)進(jìn)行預(yù)處理,通過(guò)直方圖均衡化增加圖像背景與前景的對(duì)比度,利用LBP等價(jià)模式提取圖像的局部特征,獲得59維特征參數(shù);利用Haar小波對(duì)圖像進(jìn)行4層分解,提取每層分解后的低頻分量,以及高頻分量的水平、垂直、斜線分量,求其標(biāo)準(zhǔn)差后得到16維特征參數(shù)。最后將提取到兩種特征串聯(lián)組合為75維特征參數(shù)后,輸入SVM分類器進(jìn)行訓(xùn)練和分類。選取增廣后的圖像數(shù)據(jù)集進(jìn)行試驗(yàn),結(jié)果顯示,LBP、小波分析與SVM分類器相結(jié)合方法的平均分類準(zhǔn)確率達(dá)到97.0%。 

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
1 色紡花式紗面料圖像的采集與預(yù)處理
    1.1 圖像的采集
    1.2 原始圖像數(shù)據(jù)集的增廣
    1.3 圖像的預(yù)處理
2 圖像特征提取
    2.1 LBP特征
    2.2 小波分析
3 圖像分類識(shí)別
4 結(jié)果與討論
5 結(jié)語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]基于小波分析的Hyperion影像地物分類波段寬度[J]. 房秀鳳,譚炳香,杜華強(qiáng),王懷警,李太興.  南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(05)
[2]多分類孿生支持向量機(jī)研究進(jìn)展[J]. 丁世飛,張健,張謝鍇,安悅瑄.  軟件學(xué)報(bào). 2018(01)
[3]采用圖像處理的織物縫紉平整度自動(dòng)評(píng)估[J]. 張寧,潘如如,高衛(wèi)東.  紡織學(xué)報(bào). 2017(04)
[4]基于SVM分類的紅外艦船目標(biāo)識(shí)別[J]. 張迪飛,張金鎖,姚克明,成明偉,吳永國(guó).  紅外與激光工程. 2016(01)
[5]幾種新型花式紗的研發(fā)[J]. 程四新.  紡織導(dǎo)報(bào). 2016(01)
[6]淺談色彩藝術(shù)與色紡技術(shù)[J]. 桂亞夫.  棉紡織技術(shù). 2015(08)
[7]基于決策樹算法的羊絨與羊毛纖維鑒別[J]. 季益萍,楊云輝,黃少君.  紡織學(xué)報(bào). 2013(06)



本文編號(hào)：3693247