基于SVM方法的色纺花式纱面料自动分类

摘要

为解决色纺花式纱面料人工分类准确率低的问题,提出一种基于局部二值模式(local binary pattern,LBP)、小波分析和支持向量机(support vector machine,SVM)的色纺花式纱面料自动分类方法.采集色纺花式纱面料图像组成原始图像库;通过对图像数据进行翻转、对比度增强及添加噪声等操作增广图像数据;对增广后的图像数据进行预处理,通过直方图均衡化增加图像背景与前景的对比度,利用LBP等价模式提取图像的局部特征,获得59维特征参数;利用Haar小波对图像进行4层分解,提取每层分解后的低频分量,以及高频分量的水平、垂直、斜线分量,求其标准差后得到16维特征参数.最后将提取到两种特征串联组合为75维特征参数后,输入SVM分类器进行训练和分类.选取增广后的图像数据集进行试验,结果显示,LBP、小波分析与SVM分类器相结合方法的平均分类准确率达到97.0％.