基于网格的织物图像拼接技术

图像拼接技术是计算机视觉和数字图像处理中的重要分支。本文首先研究在图像配准过程中绝对差、差值平方和,以及归一化相关系数对配准时间和精度的影响;其次研究算术平均法、加权平均和多分辨率小波融合方法对消除拼接接缝的效果;最后通过对时间复杂度、匹配度和融合效果的分析,得出适合织物图像的拼接方法。通过研究发现,采用基于灰度空间上的网格特征匹配和应用加权平均方法进行重叠区域的图像融合可以很好地完成织物图像的拼接。     

一种基于图像拼接和图形匹配的数字图像处理技术

数字图像其实质是多维数值矩阵,通过对矩阵进行算法运算可以完成对于数字图像的处理,图像拼接和地图匹配是数字图像处理领域中重要的一环,通过图像拼接可以完成大视场图像的处理并生成全景图像,其核心在于将具有重叠的两幅或是多幅数字图像进行匹配对准和融合形成一张大幅的视场图像,图像拼接技术在工业、农业、医学等领域都有着广泛的应用前景。尤其是现代无人机技术的快速发展,数字图像的获取更加方便,借助于图像拼接技术可以将无人机所获取的数字图像进行拼接并与地图匹配用以获得更好的视觉地图。文章在分析无人机图像特点的基础上对如何做好无人机数字图像的拼接和融合进行了分析介绍。     

基于信息熵的喷水织机织物疵点检测

为实现喷水织机织物上疵点的有效检测及疵点准确定位,本文提出一种基于二维信息熵的特征显著图的疵点检测方法。将待检测织物图像使用改进的同态滤波进行预处理,改善图像因光照不均对疵点检测产生的影响;利用图像基元信息熵与图像纹理的关系引入二维熵来反映图像纹理的空间分布,计算每个重叠的图像基元的信息熵,并把该熵值作为中心像素的灰度值,经归一化后生成一幅特征显著图;最后对显著图进行阈值分割得到疵点的轮廓,同时通过显著图得到径向投影差分序列对织物图像进行疵点判别。结果表明,本方法能够有效地抑制织物中重复的纹理背景,突出疵点部分,实现疵点区域的准确定位。     

基于复合条件的织物纹理模糊识别

提出一种新的基于复合条件的模糊识别方法完成对织物图像的纹理提取。首先对整个图像灰度级分析,确定行与列灰度波的标准模糊集,然后给出基于灰度大小及像素位置的复合条件隶属度计算公式,对行与列的灰度波进行模糊分类,使其转换为仅有2个灰度极值的纹理灰度波。最后将所有纹理灰度波组合还原成二值纹理织物图像,为后续密度识别、纹理均匀度识别及疵点识别等图像分析提供基础。实验与分析结果显示,本文算法通过对灰度波的模糊划分,提取仅用2个灰度值表示的织物二值纹理图像,形成具有脉冲特征的纹理灰度波,可为后续织物图像各参数分析提供简单有用的织物纹理数据模型。     

基于图像处理的大幅面皮革图像拼接与轮廓检测算法研究

在皮革服装、运动鞋、皮包等加工领域中,皮革图像的轮廓检测、面积计算、裁剪路径优化等处理均需要应用计算机图像处理技术。由于很多动物皮革幅面较大,需要将多幅图像进行拼接,才能完成后续皮革的裁剪、排样等加工工序。对此,本文基于图像处理技术研究了大幅面皮革图像的拼接与轮廓检测算法。对采集的皮革图像进行灰度化、滤波去噪、二值化等预处理;采用Harris算法进行图像特征点检测,应用棋盘格进行特征点的匹配,计算出变换矩阵,通过投影方式将两幅皮革图像进行拼接;对二值化处理后的图像采集边界点,进行轮廓提取,并对轮廓上的点进行适当的筛选和补充,检测出完整的皮革图像轮廓。     

改进型奇异值分解在织物疵点检测上的应用

为了识别不同织物表面多种类型的疵点,提出了一种基于矩阵奇异值分解（SVD）的疵点检测方法。首先采用自适应分割技术提取织物图像中包含疵点的感兴趣区域（ROI）,其次将包含疵点的ROI部分继续分割成若干小的不重叠的子图像,并对子图像进行奇异值分解。由于奇异值与织物图像的能量信息相关,通过去除表征织物纹理背景能量的奇异值,以余下的奇异值重组子图像,从而增加疵点区域与纹理背景的能量差异。最后再对ROI区域进行复原时,会出现子图像重构过程不完全连接的情况,采用二值化阈值处理可以消除影响,完成检测目的。实验证明,所提出的改进型奇异值分解技术,耗时短,效率高,对于选取的7种纹理结构不同的织物中大多数疵点,都能够识别其形状和位置。     

织物悬垂性图像测试方法

为了解决图像法织物悬垂性测试中存在的图像采集和边缘轮廓信息提取困难等问题,从图像采集、悬垂图像轮廓分析及悬垂指标提取3个方面探讨织物悬垂性的图像测试方法。设计了新的图像采集方法,确保采集到高清晰度、高对比度的织物悬垂图像;编写了包含边缘检测、二值化、邻域点边界轮廓跟踪等算法程序的织物悬垂性测试软件,应用该软件可提取出悬垂图像边缘轮廓信息;根据织物悬垂图像轮廓信息,经半径确定、轮廓展开和指标计算等步骤,可测得织物悬垂性的多个特征值,如悬垂系数、波数、波峰幅值均匀度、波峰夹角均匀度、最大波峰幅值、最大波峰夹角等。     

基于GPQ半监督神经网络的织物图像检索

为提升织物图像检索的准确性,采用改进的广义产品量化(generalized product quantization, GPQ)半监督神经网络实现弱纹理织物图像的检索。通过CLAHE方法增强织物图像纹理,加强底层纹理特征,以降低深度学习特征过拟合的概率。利用GPQ框架中产品量化、基于余弦相似性分类器和子空间极小最大熵损失计算,对提取的特征向量进行归一化,寻找最相似织物图像。实验中采用的织物数据集包含了12类不同纹理形式的织物试样,共计1 800幅图像。分别对比了基于颜色直方图的词袋模型、尺寸不变特征变换模型、最近邻和优化产品量化算法。结果表明：改进的GPQ半监督神经网络方法的平均精度均值达到89.47%,检索性能最优。该方法能批量、低成本检索出相似织物图像,提高织物图像检索的准确性。     

一种单色织物表面颜色数字的图像表征方法

建立一种单色织物数字图像中提取有效像素点的方法来表征该块织物的表面颜色。利用基于Sobel算子的梯度彩色图像边缘检测,去除表示纱线空隙的像素点;定义基于HIS颜色空间的像素奇异点,去除该点。将两种方法去除后剩下的像素点颜色信息作为布面的有效颜色信息,从而得到表示该布面颜色的RGB值。对180幅织物进行操作,查看布面图像的处理效果。最后比较两种织物数字图像表面颜色表征方法———将8幅图像所有像素点颜色信息作为有效信息,与将本方法得到的像素点颜色信息作为有效信息,计算得到RGB值。对织物表面颜色数字图像表征方法进行了简单讨论。     

针对规则古织物纹理的图像修复

针对规则古织物纹理的图像修复,探讨了一种基于纹理拼接修复的优化改进算法。该算法是在Criminisi算法的基础上加入结构张量,同时修补的过程中结合Image Quilting算法在重叠区域运用动态规划的方法对纹理块进行拼接。试验证明:本文算法在纹理拼接上一定程度改善了边缘断层和结构延展的问题。认为:本文改进后的算法在针对规则纹理古织物的结构延展和纹理拼接上具更好的视觉效果,可进行进一步的优化。     

基于最大熵快速迭代算法和边缘算子的织物疵点分割

将信息熵引入图像处理中,把疵点图像分为背景和目标两部分,分别对两个区域进行处理;通过求最大熵值的快速迭代算法,在满足信息熵最大要求的前提下对织物疵点区域进行分割,然后利用Canny边缘检测算子对分割后的疵点图像进行边缘检测,从而达到识别织物疵点的目的。仿真实验结果表明,将最大熵快速迭代算法与边缘算子结合进行疵点分割识别的方法是有效的。     

基于图像最大熵的织物疵点检测方法

对织物表面疵点自动识别方法进行了探讨.将信息熵引入图像处理中,先通过最大熵快速迭代算法对织物疵点区域进行分割,把疵点图像分为背景和目标两部分;然后找出疵点区域的中心并求出疵点区域在纬向和经向上的方差;最后通过两者的比值与设定常数的比较,判断出疵点类型.仿真实验表明该方法对常见织物疵点的检测是有效的.     

改进频率调谐显著算法在疵点图像分割中的应用

为提高织物疵点分割精度,提出了一种用于织物疵点图像分割的改进频率调谐显著（FT）算法。首先,利用织物疵点和背景区域透光率的不同,将光源和相机分别置于织物两侧来获取图像,提高疵点区域对比度;其次,应用非局部均值滤波器（NLM）替代FT 算法中的高斯滤波器,增强对背景纹理的平滑和降噪能力;研究发现NLM滤波器中滤波参数对疵点分割精度影响较大,提出了基于平均最大类间方差的参数优化方法;然后,将改进FT 算法应用于疵点图像预处理,进一步提高疵点对比度;最后,使用最大类间方差法对疵点显著图进行分割。对2 种不同织物疵点图像的分割实验结果表明,使用改进FT 算法对粗经、竹节、结头、断纬、油污和破洞等常见疵点图像进行预处理,可显著提高疵点分割精度。     

A computer vision-based system for automatic detection of misarranged warp yarns in yarn-dyed fabric. Part I: continuous segmentation of warp yarns

In textile and garment industries, misarranged warp yarns of yarn-dyed fabrics disorganize the layout of fabrics and lead to poor product quality. This series of studies aims to develop a computer vision-based system for automatic detection of misarranged color warp yarns in terms of high efficiency and good accuracy. Four main parts are included in this series of studies: warp yarn segmentation, fabric image stitching, warp regional segmentation, and yarn layout proofing. This paper proposes a continuous segmentation method of warp yarns to detect the misarranged color warp yarns for yarn-dyed fabrics automatically, which is the foundation of the developed computer vision-based system. The proposed framework consists of two main components: warp yarn segmentation and fabric image stitching. Firstly, the sequence images of a fabric stripe are captured using a designed offline image acquisition platform. Secondly, the warp yarns in the sequence images are segmented by a sub-image projection-based method successively. Thirdly, the sequence images are stitched by a yarn-template matching method based on their warp segmentation results. Finally, the continuous segmentation result of warp yarns is saved for the further processing of warp regional segmentation and color warp layout proofing. The proposed method has been evaluated on 720 fabric images of five fabric examples with plain and 2/2 twill, and experimental results show that the proposed method can realize the continuous segmentation of warp yarns in yarn-dyed fabrics with the yarn segmentation accuracy of 97.43% and image stitching accuracy of 99.53%.     

基于平滑滤波和分水岭算法的重组织织物图像分割

针对带有重组织的织物图像特点,提出了一种根据纱线颜色进行图像分割的方法。首先将织物图像转化为Lab颜色模式,采用混合中值滤波算法滤除扫描噪声;其次通过设置色差容许值改变高斯权值的平滑滤波算法进行滤波,去除织物图像中的重组织阴影和同颜色纱线纹理,保留纱线颜色特征;然后提取织物图像的色差梯度,通过分水岭算法进行图像分割,获得区域标记图像;最后将颜色相近的分割区域进行合并,得到织物图像的分色索引图像。实验结果表明,提出的算法可以对重织物图像进行较为准确地分割。     

二次滤波法在织物疵点边缘检测上的应用

针对织物图像斑点噪声的特点，采用了一种新的图像边缘检测方法。该方法以锐化处理为基础，经二次滤波完成图穰预处理，克服了以往一次滤波方法的缺点，在抑制噪声的同时，增强了图像的边缘信息。通过对织物疵点的检测表明，该方法可以取得较好的边缘检测结果，是一种实用有效的方法。     

聚集态网点结构提花织物的灰度仿真特性

为解决黑白单层提花织物对特定明度基调图像的灰度仿真设计问题,提出一种采用聚集态网点进行图像处理的提花织物设计方法。以3幅不同明度基调的图像为仿真对象,采用6种图像加网线数和2种织物间丝方法,进行聚集态网点结构提花织物样品的设计与织造。对原图像与提花织物图像的颜色特征进行比较与分析,结果表明:高、中、低3种明度基调图像分别适合采用24、14、10线/cm 3种加网线数;局部间丝方法可以提升网点织物图像的明度对比度;与影光组织提花织物图像相比,网点结构提花织物图像在灰度均值和方差2方面均较前者更接近原图,证明其具有更为稳定的灰度仿真性能。     

织物静态悬垂性测试过程中图像采集问题的研究

分别采用织物动态悬垂性风格仪和基于织物静态悬垂性风格仪自行组装的DIY仪器,对织物的静态悬垂性进行测试,并对测试过程中图像采集方式的选择和俯视死角问题进行分析。研究结果表明:当纯色织物的颜色与背景颜色反差较大或花色织物的图案花色与背景颜色相差较大时,宜采用上打光直接采集图像;当测试织物为半透明织物时,宜采用下打光直接采集图像;上打光顺光采集图像过程中出现俯视死角导致的图像采集不清晰问题,可通过增大支持盘半径或增大相机与试样间距的方法解决。