基于无抽样小波变换和MCE训练的纹理分类

提出了一种新的纹理分类的方法,该方法把基于无抽样小波变换的特征提取器和基于欧几里得距离的分类器进行了合并。把方差、偏态系数、峰态系数、三者的联合及谱直方图作为描述纹理图像不相重叠的图像窗的特征。一个使用线性转换矩阵的特征提取器对分类导向的特征做进一步的提取。利用基于欧几里得距离的分类器,每个纹理图像不相重叠的图像窗被确定到属于它的那一类。基于最小分类错误训练方法的特征提取器和分类器设计的合并使分类错误达到了最小化。使用该方法对25类BrodTex纹理图像进行了评估,分类精确度达到90%以上。     

基于最小分类误差小波特征的纺织品缺陷分类方法研究

纺织品缺陷分类是利用计算机视觉技术检测纺织品品质的一个关键环节。提出了一种基于小波框架的纺织品缺陷分类新方法。该方法使用纺织品图像的小波框架来描述缺陷的纹理特征。在最小分类误差训练框架下,通过联合设计一个基于线性变换矩阵的特征提取器和一个分类器,来获取面向缺陷分类的小波框架特征,并最小化分类器的错误概率。该方法对包含9类纺织品缺陷的329个样本,以及328个无缺陷样本进行了分类实验评估,获得了931%的分类准确率,相比传统的基于小波变换的分类方法提高了272%。