基于判别共享字典模型的机织物纹理稀疏表征及应用

以不同经、纬纱密度的平纹组织、斜纹组织、经面缎纹组织、纬面缎纹组织、方平组织、复合斜纹组织、菱形斜纹组织、蜂巢组织为样本,研究机织物纹理图像的分类方案对判别共享字典学习模型性能的影响。该字典学习模型由判别字典和共享字典组成。对机织物纹理图像进行子窗口分割得到子样本,再将子样本展开成列向量,并将所有的列向量首尾相连组成灰度矩阵,最后对样本矩阵进行字典学习和重构。研究结果表明,判别共享字典对不同种类的机织物纹理有非常好的重构效果,经、纬纱密度或组织结构作为分类依据均会对重构效果产生显著影响,相比经、纬纱密度,组织结构对字典判别性能的影响更加显著。

局部线性与卷积网络融合的病害图像分割算法

由于植株病害图像样本少,且具有严重的空间非线性特征,现有分割方法难以对其建立准确的训练库,导致对于植株病害图像的分割识别性能不佳。为此提出并设计了局部线性与卷积网络融合的病害图像分割算法。为了实现植株病害图像的精准分割,上述算法将分割处理过程转换成多输出回归问题。采取局部线性处理,提取得到植株病害图像的特征空间和距离场空间,对其进行粗糙分割;利用卷积神经网络对粗糙结果采取非线性计算,根据多层卷积网络和误差损失,搜索出图像的代表性特征;并设计了共享字典,在迭代过程中对距离场图像块进行更新,消除字典中奇异点的同时,反复线性映射修复之前环节的处理偏差。通过在多类别病害图像集中建立仿真,验证了局部线性与卷积网络融合算法能够显著提升多病害图像分割的准确性,并且具有更好的噪声鲁棒性。