基于压缩感知的织物疵点分类研究

《基于压缩感知的织物疵点分类研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、2015年8月洛阳师范学院学报Aug．，2015第34卷第8期JournalofLuoyangNormalUniversityVol．34No．8基于压缩感知的织物疵点分类研究侯远韶(郑州工业应用技术学院，河南郑州451100)摘要:针对织物疵点图像特征，提出了利用压缩感知提取织物疵点特征数据的方法．为了提取到疵点特征，需利用感知波形对图像的数据矩阵进行感知得到特征数据，同时对分类器进行并联设计，继而通过仿真和实验，检测出疵点类型信息．实验表明，该方法能有效地分类出织物疵点的数据信息．关键词:压缩感知;特征数据;分类器中图分类号:TP391．4文献标

2、识码:A文章编号:1009－4970(2015)08－0026－04DOI:10.16594/j.cnki.41-1302/g4.2015.08.008出原始信号，采样频率必须是原始信号频率的两0引言倍．而随着图像分辨率的不断提升、数据维数不断随着社会的进步和经济的发展，产品质量越来提高，不仅带来“维数灾难”，而且由于数据的高冗越受到客户的重视，同时也是赢得市场的决定因余性，在增加计算量的同时，使得图像识别变得更素．而织物作为一种特殊的商品，它的质量以及等加困难．针对这种现象，Candes和Donoho等人在级评定受多方面因素的制约，如外观、物理性能

3、2006年提出了压缩感知理论，它是建立在图像的稀等;另一方面，当织物的物理性能和疵点分类等级疏变换上，也就是图像的可压缩性，通过对低分辨不同时，按最低的等级判等．为了提高产品质量、率、低维空间原始数据的采集进而利用稀疏字典的优化织物等级，需要在织物生产过程中及时地发现设计以及数据的提取、重构来实现高维数据的感［2］织物疵点，对那些小的易于修复的织物疵点及时修知，如图1所示．因此，特征的提取不再依赖于［3］复;而那些不易修复的疵点，对其进行分类整理划图像的维数，而是取决于数据的可压缩性．［1］定相应的等级．因此，对织物疵点的分类研究是非常有意义的．1基

4、于压缩感知的特征提取对于织物疵点的分类，首先需要采集到织物的疵点图像建立数据库，进而对疵点图像进行特征提取，最后选择合适的分类器对疵点类型进行分类．利图1压缩感知理论框架用机器视觉选择合适的光源和镜头可以采集到疵点N压缩感知的数学表示:设向量f(f∈Ｒ)，长度图像，分类器的类型选择和分类效果很大程度上是为N，基向量为ψi=(i=1，2，…，N)，对向量f在时由前期特征提取的数据决定的．因此特征提取是对域和ψ域进行感知:疵点分类的决定因素，特征提取是指通过变换或者N映射，只提取出原始数据中的一部分关键信息，在不f=∑αiψi或者f=ψα(1)i=1影响

5、图像重建的情况下，判断出织物疵点类型．由上式可知，当α中只有k个非零值，且NK1．1压缩感知简介时，向量才能够进行压缩感知;因此在对数据进行由奈奎斯特采样定律可知，为了不失真地恢复收稿日期:2015－04－21基金项目:河南省科技攻关计划项目(0721002210032)作者简介:侯远韶(1986—)，男，河南平顶山人，硕士，讲师．研究方向:机器视觉与图像处理·26·洛阳师范学院学报2015年第8期压缩感知时，需研究数据的稀疏性和相干性．法，比较典型的有特征向量变换法，也被称为K－L(1)稀疏性变换，其定义为:假设一个N维向量，即由N个样数据的稀疏

6、性即数据的可压缩性，也就是对高值构成的离散数据，并由X表示这个N维向量:维数据进行线性分解从而得到低维数据的一种表示X={X(m)}，m=0，1，2，…N－1(4)［4］方法．对X进行正交变换N设疵点图像的数据y∈Ｒ通过欠定的向量样Y=TX(5)N×L本矩阵A=[d1，d2，…dL]∈Ｒ(N＜L)可得在式子(5)中，Y是变换系数向量，T是变换矩阵．(2)二维主成分析法(2DPCA):由于一维主成分析y=AαTL法在对图像数据进行分析的时候丢失了图像的结构其中α=[α1，α2，…αL]∈Ｒ为系数向量矩阵，只特征，仅仅体现了一维特征数据之间的联系，忽略有

7、有限个采样点即非零元素，其他元素均为零．因了数据的立体关联，一方面增加了数据的计算量，此当系数矩阵的非零元素越多，就说明疵点图像数［6］另一方面特征数据的提取也不能精确地获得．而据越稀疏，压缩性越强．如图2所示:二维主成分析法(2DPCA)是在图像的行方向(或列方向)上寻找该欠定映射矩阵，二维主成分y(压缩数据)可以表示为Ty=1x2(6)T其中线映射1和2均为非随机欠定矩阵，因此y的行数和列数分别小于x的行数列数．图2稀疏表示基于压缩感知的特征提取，首先要设计出图像的稀疏字典．字典是指超完备的基函数集，超完备特性(2)相干性表示系数字典具有

8、一定的冗余度，也就是说可以把图疵点的分类，取决于不同疵点的特征值不同．［7］像特征矩阵转换为求解欠定线性方程