[发明专利]一种基于K-SVD学习字典的机织物纹理瑕疵检测方法

摘要

本发明涉及一种基于K‑SVD学习字典的机织物纹理瑕疵检测方法，将整幅机织物纹理图像分解为多个子图像后判别出含瑕疵的子图像，通过含瑕疵的子图像的位置确定织物瑕疵的位置；瑕疵的判别是通过比较子图像和重构子图像实现，所有子图像展开为列向量后联合得到测试样本图像矩阵，选用离散余弦变换为初始字典并用正交匹配追踪算法由初始字典和训练样本图像矩阵算得初始稀疏系数矩阵后，对训练样本图像矩阵进行K‑SVD字典学习得到字典，再用正交匹配追踪算法由字典和测试样本图像矩阵算得稀疏系数矩阵后，重构测试样本图像矩阵再将重构样本图像矩阵的列向量转化为重构子图像。本发明检测快速准确，检测结果稳定且适应性强。

主权项

一种基于K‑SVD学习字典的机织物纹理瑕疵检测方法，其特征是：将整幅机织物纹理图像分解为多个子图像后，判别出含有瑕疵的子图像，进而由含有瑕疵的子图像的位置信息确定织物瑕疵的位置；瑕疵的判别是通过比较子图像和重构子图像实现的，所有的子图像展开为列向量后进行联合得到测试样本图像矩阵，通过选用离散余弦变换作为初始字典并采用正交匹配追踪算法由初始字典和训练样本图像矩阵计算得到初始稀疏系数矩阵后，对训练样本图像矩阵进行K‑SVD字典学习得到字典，再采用正交匹配追踪算法由字典和测试样本图像矩阵计算得到稀疏系数矩阵后对测试样本图像矩阵进行重构得到重构测试样本图像矩阵，重构样本图像矩阵的列向量转化即得重构子图像；所述训练样本图像和测试样本图像为不同的机织物纹理图像。