摘要：针对传统的纹理图像识别方法设计过程复杂,而现有的基于深度学习的方法未能有效解决纹理图像样本数量偏少而导致识别精度不佳的问题,提出一种基于深度卷积神经网络和迁移学习的纹理图像识别方法.首先利用在大规模ImageNet图像数据集上预先训练的深度学习模型构造新的迁移学习模型;然后设置合理的模型超参数,并将训练损失、验证损失以及训练集和验证集深度特征距离的加权和作为训练的代价函数;最后通过逐层训练和验证确定最佳的迁移学习模型.实验结果表明,所提方法在CUReT,KTH-TIPS,UIUC,UMD和NewBarkTex纹理数据库上分别取得了99.76%,99.87%,99.80%,100.00%和94.01%的识别精度,具有良好的稳健性和识别能力.

摘要：为了利用树皮的纹理特征对木材的种类进行识别,分别提出了基于手工设计的方法和基于深度学习的方法.基于手工设计的方法分别提取树皮纹理图像的精细纹理特征和粗略颜色信息,并用最近子空间分类器(Nearest Subspace Classifier,NSC)对提取的特征进行分类;基于深度学习的方法利用VGG-16模型预先设定训练的参数,并利用现有的纹理图像样本对模型进行微调,从而获得最佳的树皮纹理图像识别模型.最后,在New-BarkTex树皮纹理库上进行仿真实验,实验结果表明这两种方法都取得了良好的识别效果,尤其是基于深度学习的方法具有更好的识别性能.