[00901387]一种基于类间模糊抑制的判别字典学习纺织图像分类方法
交易价格:
面议
所属行业:
纺织
类型:
发明专利
技术成熟度:
通过小试
专利所属地:中国
专利号:CN202011115662.5
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
技术详细介绍
本发明公开一种基于类间模糊抑制的判别字典学习纺织图像分类方法,包括:S1、将数据集样本X分为训练集样本、测试集样本;S2、对样本进行特征提取,得到训练集样本的特征向量Y、标签矩阵H_1、测试集样本的特征向量y_(test);S3、计算字典学习目标模型所需的初始映射函数F_0,将训练集样本的原始特征转移到高维空间,使标签矩阵H_1中不同类别间的点相距预设距离;S4、初始化训练集样本字典学习中的学习字典D和稀疏表示矩阵S;S5、利用初始化矩阵,进行判别字典学习,获取更新后的矩阵,输出更新后的学习字典D_(len);S6、根据学习字典D_(len)、特征向量y_(test),并利用kNN分类器确认测试集样本标签。本发明利用样本潜在类间结构,且结合样本标签信息,有效提高纺织图像瑕疵分类准确度。
本发明公开一种基于类间模糊抑制的判别字典学习纺织图像分类方法,包括:S1、将数据集样本X分为训练集样本、测试集样本;S2、对样本进行特征提取,得到训练集样本的特征向量Y、标签矩阵H_1、测试集样本的特征向量y_(test);S3、计算字典学习目标模型所需的初始映射函数F_0,将训练集样本的原始特征转移到高维空间,使标签矩阵H_1中不同类别间的点相距预设距离;S4、初始化训练集样本字典学习中的学习字典D和稀疏表示矩阵S;S5、利用初始化矩阵,进行判别字典学习,获取更新后的矩阵,输出更新后的学习字典D_(len);S6、根据学习字典D_(len)、特征向量y_(test),并利用kNN分类器确认测试集样本标签。本发明利用样本潜在类间结构,且结合样本标签信息,有效提高纺织图像瑕疵分类准确度。