LBP和GLCM融合的织物组织结构分类
为实现织物组织结构的自动分类,提出一种基于局部二进制模式(LBP)与灰度共生矩阵(GLCM)相结合的织物组织分类算法.首先,采用中值滤波、双峰高斯函数规定化等算法对织物图像进行预处理,滤除图像噪声并提高对比度.进而用局部二进制模式和灰度共生矩阵两种方法获取图像的局部及全局纹理特征信息.最后,利用基于Levenberg-Marquardt(L-M)算法的BP神经网络分类器对特征向量进行训练和测试,实现对3种基本组织(平纹、斜纹和缎纹组织)的自动分类.实验结果表明,基于L-M算法的BP神经网络具有较快的训练速度能够对织物组织结构进行准确有效的分类.此外,与灰度共生矩阵和局部二进制模式方法进行对比,两者融合的特征信息能得到最好的分类结果(99.33%).
织物组织、灰度共生矩阵、局部二进制模式、神经网络
29
TP391;TN911.73(计算技术、计算机技术)
国家自然科学基金61301276;西安工程大学学科建设经费资助基金107090811;西安工程大学青年学术骨干支持计划资助项目
2015-12-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
1406-1413