基于SVM方法的色纺花式纱面料自动分类

发布时间：2022-10-19 11:03

　　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%。 

【文章页数】：7 页

【文章目录】：
1 色纺花式纱面料图像的采集与预处理
    1.1 图像的采集
    1.2 原始图像数据集的增广
    1.3 图像的预处理
2 图像特征提取
    2.1 LBP特征
    2.2 小波分析
3 图像分类识别
4 结果与讨论
5 结语


【参考文献】：
期刊论文
[1]基于小波分析的Hyperion影像地物分类波段宽度[J]. 房秀凤,谭炳香,杜华强,王怀警,李太兴.  南京林业大学学报(自然科学版). 2018(05)
[2]多分类孪生支持向量机研究进展[J]. 丁世飞,张健,张谢锴,安悦瑄.  软件学报. 2018(01)
[3]采用图像处理的织物缝纫平整度自动评估[J]. 张宁,潘如如,高卫东.  纺织学报. 2017(04)
[4]基于SVM分类的红外舰船目标识别[J]. 张迪飞,张金锁,姚克明,成明伟,吴永国.  红外与激光工程. 2016(01)
[5]几种新型花式纱的研发[J]. 程四新.  纺织导报. 2016(01)
[6]浅谈色彩艺术与色纺技术[J]. 桂亚夫.  棉纺织技术. 2015(08)
[7]基于决策树算法的羊绒与羊毛纤维鉴别[J]. 季益萍,杨云辉,黄少君.  纺织学报. 2013(06)



本文编号：3693247