基于L0梯度最小化和K-Means聚类的织物缺陷检测研究

为了控制产品质量,保障织物的美观和舒适性,针对织物表面的缺陷,课题组提出了一种基于L0梯度最小化和K-Means聚类的缺陷检测方法.主要分为2个步骤:首先,使用L0梯度最小化将缺陷图像进行平滑,去除背景纹理的影响,保留图像较大的边缘;然后,使用K-Means聚类对平滑后的图像进行聚类,从而分割出缺陷区域.将该检测方法用...     

基于纹理滤波和颜色聚类的提花织物纹样自动提取方法

为了提高提花织物纹样提取的准确性,消除织物组织结构对提取结果的干扰,文章提出了一种基于纹理消除滤波算法和密度峰聚类算法的纹样提取方法。通过统计图片区域梯度信息分离提花织物组织纹理区域和图案边缘结构,并利用非极大值抑制获得纹样边缘结构作为滚动引导滤波器的引导图,经过多次迭代计算实现织物纹理滤波。然后将图片从RGB颜色空间转换为CIELab颜色空间,利用密度峰聚类算法对织物色彩空间分割聚类,最终提取出织物纹样。实验结果表明,文章提出的方法快速准确地实现了提花织物纹样的自动分割与提取。     

采用纹理平滑的印花织物图案轮廓提取

为丰富印花产品的种类,提出了一种可有效提取出印花织物中图案轮廓的方法,可提取出高精度的印花图案边缘轮廓。首先对图像进行平滑,通过控制平滑程度参数和空间尺度参数,平滑掉织物图像中的纹理结构。再用Canny边缘检测算子检测图案边缘,Canny分割的判别阈值采用默认自动选择阈值就能成功提取织物上图案的轮廓,分割后的图像轮廓清晰,边缘连续,并且能分割出印花织物图像中的细小结构。通过实验证明,在RGB颜色空间对图像平滑和边缘提取的效果要优于其他颜色空间,比较了其他边缘检测算子分割印花织物图案的效果,结果证明Canny算子分割效果最好。     

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。     

数码纺纱生产的彩色纱及其针织物花型模拟

本文是基于数码混色纺的彩色纱,对其所形成的织物花型进行模拟。利用图像处理技术对采集的图像进行平滑去噪,得到剔除细节的模糊图像;然后运用彩色图像Kmeans聚类算法,对平滑后的图像进行聚类分割得到混色纱主体图像,获取其左右边界和中心线信息。之后在经典的Pierce线圈模型的基础上,利用混色纱主体图像的中心线离纱线左右两侧距离,将此距离对应于线圈中心线两侧的对应位置,可准确地完成纱线到线圈圈弧和圈柱的映射。最终根据不同组织的圈弧和圈柱的覆盖关系,得到基本纬编针织物组织。本文提出纱线映射线圈算法,能够按照实际织造过程,模拟各类纱线纬编织物,同时能精确预测织物外观图案。     

基于小波分析的织物起毛起球评价

对织物起毛起球图片进行预处理,先进行灰度转化,边缘平滑,去除光照不匀等基础处理,然后进行图像分割处理.重点研究了利用Matlab小波工具箱函数,根据小波多分辨率的特点,实现对起毛起球织物图像的多层二维小波分解和重构,计算二维小波分解的能量,分解图像的高频和低频信息,确定最佳熵值,最后找出纹理与毛球的最佳层次分割点.     

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。     

应用改进Canny法检测工业零件含噪图像边缘

针对工业零件含噪图像边缘检测,根据Canny算法原理,提出了一些改进策略,形成了一种矩形透镜最大梯度模边缘检测算法。采用中值滤波完成图像平滑,有效抑制了图像噪声;采用5×5邻域一阶偏导有限差分计算图像的梯度幅值,提高了边缘定位的精度;采用最大类间方差法(OTSU)求解了最优区域分割阈值,实现了边缘的自动检测。以磁环和极片工业零件图像边缘检测为例进行了实验,结果表明,该算法具有较好的去噪和边缘检测效果。     

应用混色纱纹理信息的纬编针织物模拟

为研究数码混色纱纬编针织物的外观色彩及纹影的模拟方法,利用图像处理技术对采集的图像进行平滑去噪,得到剔除细节的模糊图像,在Lab 空间下运用彩色图像硬聚类算法对平滑后的图像进行聚类分割,得到混色纱主体图像,获取其左右的边界和中心线信息;然后在经典的Pierce 线圈模型的基础上,利用混色纱主体图像的廓线信息完成由纱线到线圈圈弧和圈柱的映射;最终根据不同组织的圈弧和圈柱的覆盖关系,得到基本纬编针织物组织。结果表明,提出的纱线映射线圈算法,通过织物组织结构及密度可模拟混色纱纬编织物的混色色彩及外观纹影。     

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。     

明代织物纹样的智能提取——以斗牛袍为例

为解决人工提取明代织物纹样色彩存在难度大、准确性差、直接采样难的问题,文章以明代赐服斗牛袍为例,探讨一种新的纹样提取手段。首先,利用高分辨率数码相机采集斗牛袍织物纹样;然后将RGB颜色空间的数字图像转换至CIELab颜色空间,用中值滤波法对彩色图像进行平滑处理;再用K-means聚类算法对图像中的色彩进行聚类,以实现不同色彩纹样的分割;最后利用CalinskiHarabasz指标对聚类有效性进行判断,获取最佳聚类数。实验结果表明,此方法可以实现纹样色彩的聚类分割与智能提取,为研究珍贵古代织物纹样提供有效途径。     

基于图像处理的织物起毛起球分级研究

为了对织物起毛起球等级做出客观、准确、定量的分析和评定,提出基于图像处理的织物起毛起球检测和分级方法;选用起毛起球织物样本验证起毛起球分级算法设计的有效性,设计制造起毛起球分级测试仪。起毛起球分级算法利用面阵CCD相机采集织物起毛起球图像,综合采用光照不均匀处理、图像均衡化、去噪、边缘检测等预处理方法,增强起毛起球图像信息;运用合适阈值二值化和形态学联合操作分割出起毛起球信息;以起毛起球面积比作为分级特征值实现分级。结果表明:该方法能有效滤除各种干扰信息,得到有效的起毛起球图像,实现1～5级织物起毛起球等级的准确评定。     

k-means聚类算法在织物疵点检测中的应用

为检测常见织物的各种疵点,提出一种基于k-means聚类的织物疵点检测方法。对采集的图像进行中值滤波,以减轻纹理对疵点检测的影响,并利用方差采样算法增强织物的疵点特征信息;利用k-means聚类算法对方差采样后的图像进行处理,使得疵点区域被划分一类,非疵点区域划分为一类。最后经过二值化,分割出疵点。实验证明,该方法能快速、准确的检测出织物的常见疵点。与其他方法相比,文章提出的算法采用聚类思想对织物疵点进行分割,不需要利用正常织物图像进行阈值计算;另外经过方差采样算法处理后疵点信息明显增强,使得疵点信息与纹理明显不同,从而使聚类更为准确,增加了检测的准确度。     

传统服饰云肩实物图像主色的智能检测

为解决获取传统服饰实物图像色彩耗时且缺乏准确性问题,以传统服饰的云肩为例,借助均值漂移（Mean-shift）聚类法,提出了一种检测传统服饰实物图像颜色的方法。运用单反数码相机进行实物图像采集;对所得初始图像的R、G、B3个颜色通道进行去噪处理;再将图像RGB颜色空间的特征向量转换至CIE L*a*b*颜色空间中,利用大津法阈值原理（自适应阈值算法）分割被测图像中云肩实物与背景;最后采用Mean-shift聚类算法,将被测图像的颜色像素分割为若干有效的集群,同时从这些集群中提取云肩主要色彩。实验结果表明,该算法可较为准确地从云肩图像中提取主色,且当Mean-shift聚类算法的带宽被设定为0.05时,分类颜色结果更为准确。     

基于Lab空间的太阳能电池片图像优化方法研究

针对太阳能电池片人工颜色识别较慢且准确性不高的问题,提出一种基于Lab颜色空间的太阳能电池片颜色识别优化方法。首先对原始图像进行去噪,增强颜色对比,再用ROI特征提取等方法进行预处理,然后将图像从RGB空间转换到Lab空间,接着引入K均值聚类算法对图像颜色进行分割,通过分析图像直方图来对图像进行分类。结果显示,通过对加入K均值后的图像直方图的分析,能够较好的分辨出电池片颜色之间的差别。     

应用目标稀少特征的织物疵点图像分割

应用自适应阈值分割方法进行织物疵点检测,其阈值选择一直是研究的难点问题,为此,在研究目标特征的基础上,提出了一种利用目标稀少特征确定最佳阈值的织物疵点图像分割方法。首先,对采集织物图像进行滑动均值滤波,以抑制正常织物纹理信息对疵点检测的影响;然后,对织物图像进行预分割以确定最佳稀少度,在此基础上计算出最佳分割阈值;最后,利用最佳阈值进行织物疵点图像分割,并采用形态学滤波消除伪目标及噪声。结果表明,本文方法能够解决织物疵点分割中的最佳阈值确定问题,能够从织物纹理中有效分割出疵点信息。     

Frangi滤波器和模糊 C 均值算法相结合的织物瑕疵检测

为解决织物瑕疵自动检测问题,提出一种基于Frangi滤波器和FCM相结合的织物瑕疵检测方法。首先采用均值下采样方法对采集的织物图像进行预处理,以减少织物背景纹理信息对织物瑕疵检测产生的影响;然后通过Frangi滤波器进行滤波增强织物的瑕疵区域;最后利用FCM对滤波后的图像处理,确定织物瑕疵区域的像素和非瑕疵区域像素的聚类中心,并分割出瑕疵区域和非瑕疵区域。实验结果表明,提出的方法检测织物瑕疵种类较多,分割效果较好。与其他方法相比,提出的算法利用的是聚类思想对织物疵点进行分割,不需要利用正常织物图像进行阈值计算。     

织物悬垂测试系统中织物边缘的识别

由于织物花纹式样的多样性,传统的图像分割算法常常无法准确地识别出织物边缘轮廓。根据织物悬垂图像的边缘轮廓特点,提出采用基于梯度向量流场(GVF)的动态轮廓模型(Snake模型)来识别织物的边缘轮廓。采用贪心算法实现了Snake边缘检测模型,分别用该模型和基于边缘梯度扫描的算法识别5种典型印花织物悬垂边缘,并将2种算法得到的边缘轮廓进行了比较。实验结果表明,该边缘检测模型能准确地识别多种传统图像分割算法所无法准确识别甚至无法识别的特殊织物的边缘轮廓。     

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。     

基于二维Otsu算法的织物疵点检测

为了准确检测织物的疵点,提出一种基于二维Otsu算法的织物疵点检测方法。首先采用均值滤波对采集的织物疵点进行预处理,减少高斯噪声对图像质量影响的同时,也有效地抑制了织物背景纹理信息对织物疵点检测的影响;然后对处理后的图像采用二维Otsu算法进行阈值分割;最后对分割后的图像进行形态学运算后处理,平滑图像轮廓,去除毛疵点和孤立点等。实验结果表明:对比其他检测方法,综合主观视觉效果和客观峰值信噪比(PSNR)值,该方法在织物疵点检测中既能有效保留图像的边缘信息,也不损伤图像的细节质量,检测效果较好,在疵点检测方面具有一定的实用价值。