[发明专利]一种基于小样本下压缩感知的DCNN纹理疵点识别方法

摘要

本发明涉及一种基于小样本下压缩感知的DCNN纹理疵点识别方法，采集待识别的织物图像，经预处理得到待识别的疵点图像，输入到训练好的DCNN中，由训练好的DCNN输出编码，查找与编码匹配的标签，根据标签确定疵点类别；标签是通过将疵点类别已知的疵点图像输入到DCNN中，然后处理DCNN输出的编码后得到的，每种疵点类别都有对应的标签且各不相同；训练好的DCNN是指通过将小样本同压缩观测后得到的新样本输入到DCNN中调整DCNN神经元之间的连接权值得到的识别准确率高于设定值的DCNN。本发明所需样本量小，识别准确率高，结果具有很好的泛化能力，对工业织物生产具有重要的现实意义。

主权项

基于小样本下压缩感知的DCNN纹理疵点识别方法，其特征是：采集待识别的织物图像，经预处理得到待识别的疵点图像，输入到训练好的DCNN中，由训练好的DCNN输出编码，查找与编码匹配的标签，根据标签确定疵点类别；所述标签是通过将疵点类别已知的疵点图像输入到DCNN中，然后处理DCNN输出的编码后得到的，每种疵点类别都有对应的标签且各不相同；所述疵点类别已知的疵点图像通过采集疵点类别已知的织物图像后预处理得到；所述训练好的DCNN是指通过将小样本同压缩观测后得到的新样本输入到DCNN中调整DCNN神经元之间的连接权值得到的识别准确率高于设定值的DCNN；所述小样本由原始疵点图像和变化疵点图像组成，原始疵点图像通过采集标签已知的织物图像后预处理得到，变化疵点图像通过将原始疵点图像旋转和平移后得到；所述小样本中每类疵点图像的数量不大于50；所述识别准确率是指被DCNN正确识别的疵点图像的个数占输入的疵点图像总个数的百分率，所述被DCNN正确识别是指DCNN输出的编码与疵点图像对应的标签匹配；所述DCNN包括2层卷积层、2层下采样层和3层全连接层。