X为了获得更好的用户体验,请使用火狐、谷歌、360浏览器极速模式或IE8及以上版本的浏览器
关于我们 | 帮助中心
欢迎来到国家技术转移西南中心---区域技术转移公共服务平台,请 登录 | 注册
尊敬的 , 欢迎光临!  [会员中心]  [退出登录]
当前位置: 首页 >  科技成果  > 详细页

[00901382]一种纺织图像的特征提取方法

交易价格: 面议

所属行业: 纺织

类型: 发明专利

技术成熟度: 正在研发

专利所属地:中国

专利号:CN202011533437.3

交易方式: 其他

联系人:

所在地:浙江杭州市

服务承诺
产权明晰
资料保密
对所交付的所有资料进行保密
如实描述
|
收藏
|

技术详细介绍

本发明公开一种纺织图像的特征提取方法,包括步骤:S1、将待提取特征的织物图像切分成M×M像素,并将织物图像转化为灰度图像;S2、将步骤S1中得到的织物图像经过基于互相干准则的字典优化,得到织物图像的字典矩阵D;S3、令步骤S2中得到的字典矩阵D=Φ,并同灰度化织物图像共同构成稀疏表示模型y=Φx+ξ,其中,y为灰度化织物图像,ξ为观测噪声,设置控制x更新的超参数α和控制ξ更新的超参数β,并根据稀疏贝叶斯学习稀疏表示模型进行求解,求得x的表达式,并更新超参数α、β以对x进行更新,最终得到织物图像的稀疏特征x。本发明充分提取了织物图像的深层特征结构,并使得特征矩阵保持稀疏性,有效的提取了纺织图像瑕疵特征的同时减少数据冗余。
本发明公开一种纺织图像的特征提取方法,包括步骤:S1、将待提取特征的织物图像切分成M×M像素,并将织物图像转化为灰度图像;S2、将步骤S1中得到的织物图像经过基于互相干准则的字典优化,得到织物图像的字典矩阵D;S3、令步骤S2中得到的字典矩阵D=Φ,并同灰度化织物图像共同构成稀疏表示模型y=Φx+ξ,其中,y为灰度化织物图像,ξ为观测噪声,设置控制x更新的超参数α和控制ξ更新的超参数β,并根据稀疏贝叶斯学习稀疏表示模型进行求解,求得x的表达式,并更新超参数α、β以对x进行更新,最终得到织物图像的稀疏特征x。本发明充分提取了织物图像的深层特征结构,并使得特征矩阵保持稀疏性,有效的提取了纺织图像瑕疵特征的同时减少数据冗余。

推荐服务:

Copyright © 2016    国家技术转移西南中心-区域技术转移公共服务平台     All Rights Reserved     蜀ICP备12030382号-1

主办单位:四川省科技厅、四川省科学技术信息研究所、四川省技术转移中心科易网