机织物组织自动识别技术

为实现机织物组织的自动识别,对织物表面反射图像进行纠偏和直方图均衡预处理,并按图像的经纬向灰度投影曲线实现织物组织点的定位。根据经纬向组织点灰度的相关性,求出织物组织的经纬纱循环数。通过比较组织循环范围内组织点的灰度均值来确定组织点的属性,并以组织点的灰度方差对组织点的属性进行验证。实现单循环组织识别后,再对多个组织循环内的对应组织点进行验证,以进一步提高识别的准确性。织物的测试结果表明,所提出的算法能够实现简单的机织物组织的准确识别,并能输出对应的织物组织图。     

基于图像处理的复杂多臂组织智能化设计方法

为简化复杂多臂织物组织设计,采用一种基于图像处理的适用于不同综片数、不同经纬循环数的计算机智能化设计方法,可将复杂图像直接应用于多臂织物组织的设计中。对用户自行选择的图像进行处理,转变为二值图像后确定织物的经纬循环数,根据多臂织物组织的穿综图、纹板图及组织图之间的数学关系,利用计算机智能化设计的模型及算法,优化综片数(将综片数控制在22片之内),生成适合多臂机织造的上机图。将优化综片数前后的织物组织进行比较可知,图像基本一致,没有发生明显的变化。     

基于嗅觉神经网络的织物组织识别

针对织物组织的多样性及其组织图像处理易受噪声干扰的问题,提出一种基于嗅觉神经网络的织物组织识别方法.在生物嗅觉神经网络建模技术的基础上,根据激励响应关系调节KIII模型输入电压,将采集的织物图像在X和Y方向投影,计算其组织点大小,然后重排组织点,将重排结果运用上述KIII模型识别.样本数据验证表明:所建模型对平纹、缎纹...     

基于意匠图的机织物组织自动分析

为从织物意匠图中识别出基本组织,提出基于自相关函数和Su系数2种方法,完成织物意匠图中经纱和纬纱方向的周期提取,并依此获得机织物组织图。通过比较2种方法的可操作性和计算复杂度,选定基于Su系数的方法完成从机织物意匠图到机织物组织的识别。在识别过程中,分别计算意匠图中经纱和纬纱方向的Su系数,并结合Su系数的计算结果完成经纬方向周期的提取,并依此获得最终的织物组织。机织物意匠图识别实例证明所提出的方法是有效的。     

机织物组织点的自动识别研究

探讨了一种杌织物组织点的自动识别方法.先利用滤波窗口从水平和垂直两个方向分解织物图像,经过合理的二值化和数学形态学处理,确定组织点的位置;再利用每行(列)纱线的平均灰度变化及单个组织点图像经纬向纹理特征,判断组织点类型,输出机织物的组织图.通过对平纹、斜纹和缎纹3种基本组织不同试样的试验,结果表明该方法可以自动识别出机织物组织点类型.     

功率谱分析在机织物组织纹理识别中的应用

将功率谱应用到织物组织识别中,用功率谱及相关函数对织物图像进行处理,得到织物图像的功率谱曲线,从曲线的峰值中提取织物表面的方向性信息,得到织物经纬密度,并进一步确定织物组织的经纬纱特数、飞数和经纬纱循环数,最后得出织物的组织点属性.实验证明这种方法实际可行,对织物组织的计算机分析、识别及进一步的应用研究有重要的理论和实际意义.     

采用色纺纱图像的真实感色织物模拟

为解决色织物产品设计周期长,试织打样耗时费力的问题,提出一种采用色纺纱图像的真实感色织物的模拟方法。首先采集彩色纱线图像,运用阈值分割、形态学处理得到纱线主体,获取纱线主体的上、下边界和中心线,进而得到原始纱线图像的主体部分;接着根据椭圆模型和正弦曲线模型对纱线主体图像进行处理,得到纱线在二维织物表面中的形态;最后根据色纱循环和织物组织变换模型来改变经纬纱的覆盖关系,实现了真实感条纹型和格子型色织物的模拟。模拟结果表明：本文算法能够模拟不同种类色织物的织造过程,真实地反映织物的外观效果,且能够调整织物组织和色纱循环参数,提高了现有模拟算法的真实性和适应性。     

织物组织结构参数自动识别系统的研究

针对织物结构具有一定空间周期性的特点 ,运用扫描仪获取织物原始图像 (反射图像和透射图像 ) ,在对织物图像预处理的基础上通过傅立叶变换得到织物图像的二维功率谱图像及自相关图像 ,由此求得织物的经纬纱密度和组织循环经纬纱数等织物组织结构参数 ,并开发了织物组织结构参数自动识别系统 ,具有一定的推广价值     

织物组织结构参数自动识别系统的研究

针对织物结构具有一定空间周期性的特点，运用扫描仪获取织物原始图像（反射图像和透射图像），在对织物图像预处理的基础上通过傅立叶变换得到织物图像的二维功率谱图像及自相关图像，由此求得织物的经纬纱密度和组织循环经纬纱数等织物组织结构参数，并开发了织物组织结构参数自动识别系统，具有一定的推广价值。     

应用方向梯度直方图和低秩分解的织物疵点检测算法

织物疵点检测是织物表面质量控制的关键环节。基于方向梯度直方图(HOG)和低秩分解,提出一种有效的织物疵点检测算法。首先,将织物图像划分为大小相同的图像块,提取每个图像块的HOG特征,并将图像块特征组成特征矩阵,针对特征矩阵构建有效的低秩分解模型,通过方向交替方法(ADM)优化求解,生成低秩阵和稀疏阵;最后采用改进最优阈值分割算法对由稀疏阵生成的显著图进行分割,从而定位出疵点区域。实验结果表明,低秩分解能有效实现织物疵点的快速分离,与已有方法进行对比,本文方法能显著提高复杂织物纹理图像的疵点检测性能。     

两种纵条纹织物工艺设计与试织

介绍平筘穿法纵条纹织物和花筘穿法纵条纹织物的工艺设计与试织方法。根据纵条纹织物中各条纹的设计宽度和织物密度,确定各条纹的经纱根数、组织循环数,设计织物组织图,色纱排列循环以及计算相关的工艺参数,并对织物进行上机试织。认为:不同条纹采用不同颜色的色纱进行排列可使纵条纹织物条纹清晰明显。     

机织物图像的高精度纠偏及效果验证

为解决织物图像采集过程中出现的倾斜现象,从织物本身的纹理特征出发,根据织物图像中纱线的间隙方向与纱线一致性的原理,提出一种新的织物图像偏斜纠正方法,对纱线的间隙进行倾斜纠正,实现了整幅织物图像的有效纠偏。并利用织物图像行投影亮度离散度与纠偏角度之间关系及织物纬纱密度测量的结果,对纠偏的效果进行了验证。实验结果表明,0.05°的纠偏精度可以达到理想的效果,可为后续织物密度的自动识别及织物组织的识别奠定基础。     

机织物图像自动纠偏方法的研究

图像纠偏在织物组织结构参数自动识别过程中直接影响识别结果.本文通过对织物图像去噪、直方图均衡化等预处理操作后,对图像进行水平和垂直边缘检测;同时为提高倾斜角度识别的准确度和算法运行效率加入细化处理,然后对细化后的图像进行Hough变换,检测倾斜角度,最后对图像进行旋转实现旋转纠偏.通过对不同机织物图像进行纠偏处理实验,证明了该方法的有效性和可靠性.     

基于Hough变换的机织物组织点自动定位

为实现机织物的组织识别,先要完成组织点的定位和识别。为克服传统的组织点分割方法的局限性,提出采用Hough变换检测织物图像中的经纱和纬纱的倾斜角度,然后对织物图像中的像素点进行坐标变换。在变换后的图像中对像素点进行按行按列灰度累加,通过确定累加曲线中的谷点即可完成织物的经纬纱分割。对经纱和纬纱分割结果进行合并,可得到机织物组织点分割结果。实验结果表明,所提出的算法对存在纱线倾斜的不同织物均可实现组织点的成功定位。     

基于灰度分布梯度的织物疵点检测算法

针对织物疵点检测算法实用性差的问题,提出一种基于灰度分布梯度检测算法,通过对纹理织物相邻像素灰度差异和单位距离的商来判断纹理是否异变。在对灰度试样提高对比度和二值化图像预处理,并根据织物组织结构确定检测窗口的基础上,把试样分解成经向和纬向2个子图并得到各自方向的能量统计值,从中提取跃迁比等4种特征值,综合各类疵点对方向特征值的不同敏感程度检测出疵点。该算法简便,实时性好,特别适合方向性疵点及块状疵点的检测。     

织物组织识别中组织点坐标的确定

织物组织点坐标的确定,是组织识别研究中非常重要的一项内容。通过使用扫描仪获取织物原始图像的透射图像,可以先对透射图像进行二值化和Sobel边缘检测处理;然后通过一定的算法,确定经纬纱线的位置,求出织物经纬组织点的准确坐标,从而为下一步的织物色纱排列和织物组织自动识别奠定基础。另外,还派生了一种测量织物密度的新方法。     

纬编提花织物组织的计算机识别

对纬编提花织物组织的计算机识别提出了一种方法:通过普通平板扫描仪获取针织物的图像,对图像进行预处理及滤波去噪,然后采用K-均值算法对针织物彩色图像的颜色进行分割(即分色),基于一维离散傅立叶变换的原理对针织物的组织大小进行测定,利用零阶矩m00最后得到了纬编提花织物的彩色意匠图.     

基于多方向光源的色纱织物密度图像检测

针对色纱织物存在不同颜色,密度检测具有较大难度的问题,课题组提出了一种基于多方向光源的色纱织物密度图像检测算法。利用织物的3D表面结构来弱化色纱织物的色彩信号,使用正方形分布的4个定向光源在特定的照射角度下对色纱织物进行照明及采样,再把4个图像进行融合,使融合后的图像集成了每张图像中较清晰的部分。对于局部加权回归算法中宽度系数不能因为织物改变而自适应的问题,提出了自适应算法,让不同织物具有适合的宽度系数去平滑其投影曲线。实验结果表明提出的算法准确率可达99. 17%,适合在色纱织物密度检测方面进行推广。     

基于VRML的机织物结构三维仿真

在依据织物组织建立织物数学模型的基础上,构建了以圆形为纱线截面形态,3次B样条曲线为纱线屈曲形态的织物空间几何模型。借助VB和VRML开发工具,采用参数化设计方法,实现了单层织物组织结构的三维仿真。该三维仿真图像适宜于网络传输,资源共享,提出了一种网络环境下可以得到真实感较强的织物三维仿真图像的方法。     

利用模糊C-均值聚类分析法实现织物组织结构自动识别

文章提出了一种新的有效的织物组织结构识别算法.用彩色扫描仪输入紧密织物组织的灰度图像并将其转换为数字文件,然后通过灰度图像形态学处理获得增强图像.基于纱线间隙和经纬纱交叉区的存在,通过一阶和二阶的统计量可获取4种区域结构特征.利用模糊C-均值聚类分析法得出识别经纬浮点的非监督的判别准则.实验材料包括平纹、斜纹和缎纹织物,实验结果表明这3种基础组织结构模式可以得到有效识别.