基于LDA的类别约束字典学习的织物疵点图像分类方法

摘要

在基于字典学习的织物疵点图像分类的过程中,由于复杂纹理的织物图像背景结构的复杂性、瑕疵信息的形态多样性、瑕疵信息的隐蔽性,导致基于字典学习的织物疵点分类方法存在不能有效提取织物疵点特征问题,为了解决该问题,本文提出一种针对织物疵点特征的基于LDA (线性判别分析)的类别约束字典学习分类方法。首先,重新构建稀疏表示模型,在抑制类内差异和类间模糊的面向判别性特征的字典学习优势上对稀疏系数进行线性判别约束,自适应获取织物图像的有效信息进行分析,使得字典学习中不同织物图像的稀疏系数具有更好的鉴别能力,获得具有织物判别特征的织物字典。然后,利用织物字典对测试样本进行稀疏表示得到的重构误差向量构建分类器进行分类。最后,在阿里云天池布匹疵点检测数据库、实时工厂收集的织物数据集以及本文课题组采集的少量疵点织物图像上验证本文方法的有效性。在不同的织物数据集实验结果表明,本文提取的织物特征字典分类效果更好。