基于EM算法的高斯混合模型的织物组织点自动识别OA北大核心CSTPCD
针对现有无监督学习识别机织物组织点的准确率相对较低和不稳定的问题,研究基于EM算法的高斯混合模型对机织物组织点的识别方法。首先对采集的不同织物图像进行预处理及图像矫正,以提高后续的组织点的分割效率;接着利用改进的灰度投影法进行织物组织点定位,并提取组织点的灰度共生矩作为纹理特征,通过主成分分析对纹理特征进行降维处理;最后采用2种常见无监督学习与文章所用的识别方法做实验比较,并采用4种评估指标进行评估,得到评估结果。通过计算4种评估指标平均值和标准差进行比较,文章所用识别方法的评估参数平均值都要比其余两种识别算法高。文章所用识别方法能对织物组织点进行自动识别,并且识别的准确率相比于其余两种识别算法得到了有效地提升。
刘威;于玲;王畅巍;邓文韬;邓中民
武汉纺织大学纺织科学与工程学院,武汉430200 武汉纺织大学湖北省纺织新材料与先进加工技术省部共建国家重点实验室,武汉430200武汉纺织大学纺织科学与工程学院,武汉430200 武汉纺织大学湖北省纺织新材料与先进加工技术省部共建国家重点实验室,武汉430200武汉纺织大学纺织科学与工程学院,武汉430200 武汉纺织大学湖北省纺织新材料与先进加工技术省部共建国家重点实验室,武汉430200武汉纺织大学纺织科学与工程学院,武汉430200 武汉纺织大学湖北省纺织新材料与先进加工技术省部共建国家重点实验室,武汉430200武汉纺织大学纺织科学与工程学院,武汉430200 武汉纺织大学湖北省纺织新材料与先进加工技术省部共建国家重点实验室,武汉430200
轻工业
组织点分割自动识别K-mean聚类模糊C均值算法高斯混合模型
《现代纺织技术》 2024 (2)
P.63-69,7
湖北省技术创新专项(2019AAA005)。
评论