论文部分内容阅读
为了提高学习字典的通用性,使其对不同织物密度样本均具有良好重构效果,提出一种包含多种织物纹理特征的通用学习字典构造方法。首先确定不同织物密度样本的取样尺寸和优化用于重构不同织物密度样本的学习字典原子个数,然后依据优化的参数训练得到不同织物密度样本的字典,最后将上述字典进行合并得到通用学习字典。针对不同密度的机织物纹理图像样本分别分析了取样尺寸和字典原子个数对图像重构误差的影响。试验结果表明:通用学习字典对不同机织物纹理的表征性能明显优于离散余弦变换字典。认为:通用学习字典具备了对多种不同密度织物的通用性,