LBP和GLCM融合的织物组织结构分类

为实现织物组织结构的自动分类,提出一种基于局部二进制模式(LBP)与灰度共生矩阵(GLCM)相结合的织物组织分类算法。首先,采用中值滤波、双峰高斯函数规定化等算法对织物图像进行预处理,滤除图像噪声并提高对比度。进而用局部二进制模式和灰度共生矩阵两种方法获取图像的局部及全局纹理特征信息。最后,利用基于Levenberg-Marquardt(L-M)算法的BP神经网络分类器对特征向量进行训练和测试,实现对3种基本组织(平纹、斜纹和缎纹组织)的自动分类。实验结果表明,基于L-M算法的BP神经网络具有较快的训练速度能够对织物组织结构进行准确有效的分类。此外,与灰度共生矩阵和局部二进制模式方法进行对比,两者融合的特征信息能得到最好的分类结果(99.33%)。