基于纹理抑制平滑滤波的织物图案识别

针对织物图案特征提取效率低的问题,提出以纹理抑制平滑滤波算法与Adaboost算法为基础的织物图案识别法。首先对织物扫描图案的纱线纹理进行滤除;灰度化后再分别对图像的3个特征进行提取,最终构建图像特征库,以此作为训练对象,采用Adaboost算法进行实验。结果显示,以纹理抑制平滑滤波算法为基础的识别法能够提高图案识别率。     

基于最大稳定极值区域的织物图案检索

针对织物扫描图像的特点,提出了一种通过图像最大稳定极值区域的加速稳健特征(SURF)检索织物图案的方法。首先用结构提取算法去除织物扫描图像的纹理,保留图案信息;其次通过最大稳定极值区域法检测织物图像,提取图案各区域的SURF特征,建立织物图像特征库;再将织物检索图像与特征库内的图像进行相似性度量,得到相似图案的织物图像。实验结果表明,提出的算法能够较准确地检索织物图案。     

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。     

基于多特征融合的分形服饰图案的美学评价

针对分形服饰图案的特点,提出了一种多特征融合的美学评价方法。首先对设计图像进行主观美感评分,建立样本图像库;然后提取图像的美学复杂度、色彩分布、构图和纹理等19维美学特征以及7维通用图像特征,建立特征库;通过支持向量机建立图像美感分类器,最终实现高、低美感图案的自动分类。实验结果显示:该方法的高、低美感评价准确率为87.14%,AUC值为0.923 7,符合人类对图案的审美思维;与典型的美学分类算法对比,该方法对分形图案美感等级分类的性能有所提高。     

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。     

基于多特征融合的织物印花图像分割

针对织物印花检测精度的问题,采用结合颜色特征和纹理特征多特征融合的方法,对织物印花图像进行有效分割,从而为提高织物印花的检测精度奠定了基础。在织物印花的分割过程中,首先采用颜色特征结合基于自动种子点选取的区域增长算法对图像进行初始分割,在初始分割的基础上,利用小波变换提取干扰区域的纹理特征,从而可以进一步地消除干扰区域,实现织物印花图像的准确分割。实验结果表明：基于多特征融合的分割算法能够准确地分割出织物的印花图案,克服了仅仅采用颜色特征或者纹理特征时产生的分割失真,提高了分割的质量,具有较好的应用价值。     

基于多特征融合图像分析技术的羊毛与羊绒鉴别

为快速准确地鉴别羊毛与羊绒,提出一种基于多特征融合的鉴别方法。首先利用光学显微镜及数码相机对羊毛与羊绒纤维进行图像采集,然后分别采用2种类型的预处理操作得到单根纤维图像与去除背景的纤维二值图像;其次通过灰度共生矩阵算法提取第1类预处理后羊毛与羊绒纤维图像的纹理特征参数,基于中轴线算法提取第2类预处理后纤维图像的直径形态特征参数;最后将纹理及形态特征参数融合成多维数组并通过K均值算法进行聚类识别。实验结果显示,与传统利用单一纤维特征提取算法进行识别的方法相比,该算法平均识别率可达到95.25%,识别率较高,可用于羊毛与羊绒纤维的自动分类识别。     

蕾丝花边的改进型纹理特征检索方法

针对传统的蕾丝花边检索主要依赖于人的视觉检测及文本检索,存在信息不稳定、效率低、检索效果不可靠的现象,提出了一种基于层次匹配下多特征融合的蕾丝花边检索方法。通过运用图案纹理特征标识图像,首先分别用灰度共生矩阵、灰度梯度共生矩阵、局部二进制算子提取纹理特征进行匹配。然后将3种提取纹理特征方法分别结合几何特征、不变矩特征量进行逐层匹配。最后将层次匹配下各个纹理特征进行融合,弥补了单个匹配方法的不足,同时在蕾丝花边库中验证所用检索方法的正确率。分析结果表明,该方法优于任意单个的蕾丝花边匹配方法,能较好地实现蕾丝花边检索,有效地提高图案检索的可靠度和准确率。     

基于直方图统计的织物疵点识别算法

 提出运用织物图像的直线纹理特征 ,由概率统计生成直方图 ,有效地提取织物图像的特征波形 ,经大量检测试验证明特征波可靠稳定。基于波形特征参数对比能准确定位织物纹理结构的异常位置 ,正确识别织物疵点。为简化识别算法可引入阈值过滤 ,允许正常波形参数通过过滤 ,而记录异常波形变化 ,用过滤单一的正常纹理来识别类型复杂的织物疵点。     

一种支持快速响应的服装供应链补货策略

 为用计算机代替人工对织物的纹理均匀度进行快速准确地评价,提出一种基于差值矩阵的计算机识别算法,通过建立灰度差值矩阵模型分析织物纹理均匀度指标。对织物图像进行预处理以增加其清晰度。通过检测织物经纬向灰度局部极值,建立横纵向纹理特征矩阵及位置矩阵。将矩阵中相邻行与列的元素依次相减,得到横纵向灰度差值矩阵模型。根据这2个矩阵模型,提出偏移平均值及综合评价公式对织物纹理均匀度进行评价,并通过实例给出了评价指标的分级范围。结果表明,这种方法简单准确且速度快,能较好评价织物的纹理均匀度。     

基于核模糊聚类的机织物组织自动识别

本文基于数字图像处理技术,采用无监督的模式识别方法,实现机织物组织的自动识别。首先,采用错切变换对倾斜纱线进行校正,并按图像的经、纬向灰度投影曲线实现织物组织点的定位。然后,根据灰度共生矩阵对组织点图像进行纹理特征的提取。为了减少数据冗余量,对组织点特征进行主分量分析,提取最有意义的子特征。最后,采用无监督的核模糊C均值聚类对组织点进行分类识别。织物的测试结果表明,所采用的算法能够实现简单的机织物组织的准确识别,并输出对应的组织图。     

织物纹理均匀度的计算机评价

为用计算机代替人工对织物的纹理均匀度进行快速准确地评价,提出一种基于差值矩阵的计算机识别算法,通过建立灰度差值矩阵模型分析织物纹理均匀度指标。对织物图像进行预处理以增加其清晰度。通过检测织物经纬向灰度局部极值,建立横纵向纹理特征矩阵及位置矩阵。将矩阵中相邻行与列的元素依次相减,得到横纵向灰度差值矩阵模型。根据这2个矩阵模型,提出偏移平均值及综合评价公式对织物纹理均匀度进行评价,并通过实例给出了评价指标的分级范围。结果表明,这种方法简单准确且速度快,能较好评价织物的纹理均匀度。     

织物表面几何形状检测中最优边缘检测算法的选取

基于机器视觉方法检测织物表面图案几何形状,研究棉质纺织品表面图案边缘的检测效果,通过对比找到适合工业应用的边缘检测算法。选取多种典型的边缘检测算子为考察对象,首先对各自边缘检测的结果图像及其信息熵进行对比,然后分析各算子在目标区域分割、内部条纹及局部图案细节等多方面的表现,证明Sobel算子得到的图像边缘与背景区域的灰度差异明显,灰度信息熵最小,有利于图像几何信息的识别;而且Sobel算子对织物表面及背景区域的纹理不敏感,识别结果:图像中噪声及后续处理难度较小,适合棉质袜子表面几何形状的检测。     

多纹理分级融合的织物缺陷检测算法

针对织物缺陷检测过程中纹理分布的复杂多样性引起误检和漏检的问题,结合织物纹理周期性特点,提出一种多纹理分级融合的织物缺陷检测算法。在检测过程中,首先利用织物缺陷图像的Tamura粗糙度图,对缺陷区域进行初步定位和自适应性生长,将初步定位的区域映射到原始织物图像中;其次根据织物图像的周期性分布特征,对初步定位区域进行分块,提取图像块的局部相位量化(LPQ)特征、Tamura特征,并将2种特征融合;然后计算融合特征与正常块特征的相似度,获取相似度图;最后将初步定位区域的经纬向特征图与相似度特征图融合,检测缺陷存在的区域。经TILDA织物纹理库数据的实验测试结果表明,缺陷区域的初步定位和自适应生长,降低了缺陷检测过程的冗余度,提高了检测效率,避免了织物缺陷检测过程中的误检和漏检情况。     

基于图像的织物图案和颜色主题提取研究进展北大核心CSCD

为提高织物设计的效率及多样性,文章从“再设计”的角度梳理“织物-织物”的设计流程,重点整理织物图案形状及颜色主题的主要提取方法。大部分提取研究主要利用织物图像底层视觉特征中的形状及颜色特征,其中针对图案形状的提取,大多采用边缘检测、阈值、聚类、区域及其他特定理论对图案轮廓或整体区域进行分割;针对颜色主题的提取,则通过聚类、中位切分及八叉树等颜色量化方法建立和谐的配色规律,两个方向的提取算法可以相互借鉴。通过图像实例对不同提取方法的特点进行分析比较,发现单一算法具有一定的局限性,采用多特征、多算法融合的方式可有效提高提取的精度和效率。最后对织物再设计流程的完善及其在纺织服装领域的应用发展进行展望。     

应用纱线序列图像的电子织物构建

为检测纱线条干均匀性对织物外观的影响,在纱线条干图像测量的基础上,提出了一种基于纱线序列图像的电子织物的构建方法。通过建立织物组织变化模型和光照模型,将纱线直径值与基元组织点外观灰度纹理分布相结合,构建电子织物外观数学模型。实验中通过将采集的纱线序列图像进行图像分割和形态学运算等处理,获取纱线直径数据,代入到构建的织物外观数学模型中,实现基于纱线序列图像的电子织物的模拟并且相关参数可调。通过选择合理的织物结构参数,提出的电子织物模型能够真实的反映纱线条干均匀性对织物外观的影响,准确预测布面效果。     

基于方向灰度积分曲线特征的织物疵点检测算法研究

针对于断纱、缺纱、穿错、粗纱等这类结构型织物疵点,由于其具有灰度跳变不明显、疵点面积小的特征在疵点检测过程中难以检测这一问题,本文结合织物图像自身的纹理特征及结构型疵点的方向性特征,创新性地提出基于方向灰度积分曲线特征的织物疵点检测方法,将二维织物图像的疵点检测转化为对一维灰度积分曲线特征的分类识别。该方法通过对输入的图像提取垂直水平方向灰度积分波形曲线,并对积分曲线提取了包括平均值、方差、能量等14个波形特征,然后利用可优化SVM分类算法对提取特征进行疵点判别。通过对漏针、断纱、并经、粗纱等疵点进行检测试验,结果表明,本文提出的疵点检测方法不仅对检测灰度跳变较小的结构型疵点具有较好的检测效果,检测准确率达到了94.34%,而且检测速度快,可以满足实时检测的速度要求。     

基于特征融合与低秩分解的织物疵点检测

研究基于特征融合与低秩分解的织物疵点检测算法。采用超像素分割方法将待测图像分割为超像素块;分别提取各块灰度和HOG特征,构造融合特征矩阵;利用低秩分解方法将融合特征分解为低秩背景和显著疵点,依据显著度大小得到疵点显著图;最后选择最大熵阈值分割方法对显著图分割,得到检测结果。选取TILDA标准织物图像库验证算法有效性。结果表明:提出的算法能有效检测出织物疵点所在位置和形状。认为:本文提出的算法自适应能力较强,适用较多疵点类型,具有较高疵点检出率。     

基于灰度共生矩阵的织物组织结构差异分析

应用灰度共生矩阵分析不同织物组织结构的纹理特征差异。首先将图像的灰度级由256级降为16级以减少计算量;再通过计算图像的灰度共生矩阵选取由灰度共生矩阵衍生的能量、对比度、相关、熵和逆差矩5种特征值作为描述织物纹理的特征参数,并与实际织物纹理特征相比较。分析结果表明,该方法能够较好地提取平纹、斜纹和缎纹织物的纹理特征,可进一步实现织物纹理的分类。     

基于局部统计与整体显著性的织物疵点检测算法

由于织物疵点类别较多及图像纹理多样化,为了能更有效检测织物疵点,本研究结合局部统计特征与整体显著性分析,提出一种新的织物疵点检测算法。首先将图像分为大小相同的图像块,采用局部二进制模式和灰度直方图分别提取图像块局部统计特征;其次针对每个当前图像块,随机选取K个其它图像块,分别计算局部二进制模式统计特征对比度和灰度统计特征对比度,完成基于上下文整体显著性分析生成视觉显著图;最后采用基于迭代最优阈值分割算法对显著图进行分割,得到织物疵点检测结果。实验结果表明,该算法综合了局部统计特征和整幅图像的上下文信息,可显著突出织物疵点区域,实现对织物疵点的有效检测。