字典学习在轴承表面缺陷分类中的研究

针对传统轴承表面缺陷图像分类方法中特征矢量提取困难,分类精度不高的问题,提出一种基于字典学习的轴承表面缺陷图像分类方法。将图像稀疏表示和基于Fisher判别准则的字典学习应用在轴承表面缺陷分类检测中,根据字典学习的判别性稀疏编码实现对轴承表面缺陷图像的精确分类。实验研究结果表明,该算法可以有效的提高轴承表面缺陷的分类精度,在轴承表面缺陷类型的平均分类精度达到95.4%。