基于卷积神经网络的蓝印花布纹样基元分类

发布时间：2021-10-31 15:50

　　为更好地数字化传承与创新传统的蓝印花布纹样,并能单独提取构成纹样的图案基元并进行分类,提出一种基于卷积神经网络的纹样基元分类方法。首先,对采集的128张蓝印花布图像进行纹样基元提取,形成图像样本库,共21 212张。其次,从库中随机选取80%的图像样本作为训练集,20%作为测试集,利用5×5卷积核对训练样本进行卷积操作,将得到的特征图进行池化。通过3层卷积、3层池化及2层全连接层计算后,利用Softmax分类器得到12种分类结果。最后,通过基元样本的学习获取最佳网络模型参数,并取得较理想的分类结果。结果表明:提出的卷积神经网络模型对12种纹样基元的平均分类准确率达99.61%,检测平均准确率达98.5%,为蓝印花布纹样的研究提供了新思路。 

【文章来源】：纺织学报. 2020,41(01)北大核心EICSCD

【文章页数】：8 页

【部分图文】：

纹样基元

根据得到的带有序号的轮廓图像,将其按序号顺序截取,生成独立的纹样基元子图像并进行保存,形成基元子图像。基元图像的大小由其轮廓线像素的坐标确定,取轮廓线像素的x坐标的最大值与最小值之差以及轮廓线像素的y坐标的最大值与最小值之差,将差值的最大值作为子图像的宽度和高度,所以得到的纹样基元子图像是一个宽度和高度相等的子图像。整个蓝印花布纹样基元提取过程如图2所示。图2(a)为蓝印花布初始图像。为植物纹样的蓝底白花图案。经图像预处理,得到二值化图像。调用轮廓跟踪方法,得到二值图像中各纹样基元的轮廓,利用提出的算法生成带有序号的独立的纹样基元子图像,各基元子图像间尺寸大小不同但每个子图像自身宽度和高度相等。基元子图像按轮廓序号依次提取,图2(b)中共有106个轮廓,因此会生成106个纹样基元子图像。由于篇幅关系,图2(c)中仅给出前40个纹样基元子图像。对这些基元进行分类,可归属于12类中的米粒纹、贝壳纹、柱形纹、圆形纹等类别。2 卷积神经网络构建

CifarNet网络模型已在CIFAR-10和CIFAR-100带标签的各类自然场景目标图像分类中取得较好成绩。针对蓝印花布纹样基元的图像特征,对CifarNet网络结构进行改进及优化,对输入的特征图数量进行调整,改变池化组合方式以及增加一层丢弃层,得到新的网络模型。然后利用改进的网络模型对蓝印花布纹样基元子图像进行分类训练。改进的CifarNet网络模型结构如图3所示。1) 输入层。


本文编号：3468420