BP人工神经网络南疆红枣颜色分级方法的研究

以南疆红枣颜色分级为研究对象,从预处理后的红枣图像中提取红体均值(R)、绿体均值(G)和蓝体均值(B)以及它们的均方差σR、σG、σB共6种颜色特征变量;再将图像从RGB到HIS颜色空间转换,然后从HIS颜色空间中,提取色度均值(H)、亮度均值(I)和饱和度均值(S)以及它们的各自的均方差σH、σS、σI共6个颜色特征变量,总计12个颜色特征变量,最后应用BP神经网络进行红枣颜色分级。结果表明,BP人工神经网络分级与人工分级的一致度达到了91.6%,该网络分级效果良好,能较好地满足红枣颜色分级的需求,对南疆红枣产品的生产、销售具有一定的理论指导和实际应用意义。     

基于支持向量机的染色品图像颜色评价算法的研究

传统染色品图像颜色评价的主要方法是依据色差公式计算平均色差值,然后再根据色差值得出相应的色差等级,其评价指标单一,受色差公式选择的影响较大且运算时间较长。文章提出了基于优化色差公式和支持向量机的染色品图像多颜色特征评价指标算法,首先采用遗传算法对传统的CIELAB色差公式进行优化,以减少颜色特征指标的计算时间;其次,基于支持向量机建立了多颜色特征指标与评价结果之间的拟合模型,实现了颜色品色差等级的评定。实验表明,与Datacolor 650标准检测设备得出的色差评价结果相比,基于优化的色差公式和支持向量机的染色品图像评价算法的评价结果具有较好的一致性,并且算法的执行时间得到了较大的提高。     

基于FCM算法的套印误差检测

为了降低四色重叠影响导致的图像色彩分割困难,提高印刷品套印误差检测的精度,提出了一种基于FCM聚类算法的套印误差检测方式。首先,将采集的印刷品套印标识符图像进行灰度化处理、高斯滤波降噪处理以及CMYK色彩空间转换并分离出四种色彩通道的图片;然后,分别对四种色彩通道图片进行FCM算法聚类;最后,对聚类后的图片进行固定阈值分割,并对分割的图片依次做图像差运算,分别提取出四个通道中C、M、Y、K四种颜色的部分,进行误差分析。对比显示测量误差均≤0.2mm,符合国家对一般印刷品套印精度检测误差不高于0.2mm的要求;该算法与应用广泛的传统大津法对比,测量误差更小,精度更高,提升了套印误差检测水平。     

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。     

基于球面谐波理论的染色品色差检测光照校正

染色品色差检测是染色品质量评价的关键,照射光源的不一致将导致严重的色差评价误差。本论文将基于球面谐波理论的光照校正算法引入到染色品色差检测的光照校正中。首先将采集到的同一光源下的图像进行光照色调颜色恒常性算法校正;然后测量不同光源照射下染色品的反射率,基于球面谐波理论进行光照光谱能量估计与光照补偿;最后采用两种纺织行业最常用的色差公式CMC(2:1)和CIE1976L*a*b*对上述两种算法产生的图像处理效果进行分析。实验结果表明,本文提出的方法用于染色品色差检测的光照校正中,实现了图像在多种光源之间的相互转换,减小了由于光源不一致问题产生的色差评价误差,提高了染色品质量评价的诚信度。     

基于机器视觉的毛纱管聚类方法

根据纺纱厂毛纱管分类的实际需要,采用机器视觉处理方式,对摄像头实时捕获的每帧毛纱管图像进行HSV颜色空间转换、滤波降噪等预处理。依据色调及饱和度2个颜色指标对毛纱管颜色信息进行提取和分析,与毛纱管形状、面积等信息一起作为分类的重要特征,并基于SVM算法设计一种能将毛纱管按照残纱含量、颜色等信息进行聚类的方法,为毛纺企业的残纱管理及纱管管理提供自动化的方式,降低人工成本,提高企业生产管理水平。     

基于Halcon多层感知机的织物色差检测研究

探讨基于Halcon中多层感知机织物色差检测研究。首先将数据库中部分样本特征数据输入神经网络,然后采用均方误差最小化训练优化神经网络,构建样本特征与色差类别的多层感知机映射函数;最后将面积更大、上色情况更复杂的织物输入多层感知机,通过形态学算法分割出织物中不同类别的色差区域,并统计三种颜色织物的色差检测平均准确率,最低可达到89.7%。认为:织物图像中的不同色差区域均能准确判别并分割出来,能满足工业色差检测的准确率与灵敏度要求。     

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。     

数码相机在染色织物色差测量中的应用

针对目前颜色及色差测量设备单一、价格昂贵等问题,对应用数码相机进行织物色差的预测的可行性进行了研究。首先通过自制图像采集系统对样本图像进行采集;然后从RAW格式图像中提取原始的RGB响应信息;最后建立原始传感器三通道响应信息和CIE L*a*b*值之间的非线性回归模型实现样本颜色的测量,并对织物色差进行预测。480张色卡样本的实验结果表明：所构建的非线性回归模型参数数量并非越多越好,其有效度依赖于所选择的特定参数。回归模型应用于纺织品CNCS色卡和染色样布的色差测量结果表明：所得平均色差差值分别为1.16和1.34,接近于DigiEye测色结果,且能与其保持良好的一致性,说明此方法在织物色差预测与评价中有较好的可行性和实用价值。     

基于模极大值算法的迷彩织物图像边缘检测

边缘检测是彩色图像处理的一个重要部分。针对传统彩色图像边缘提取方法是基于RGB色度空间,存在不能体现人类视觉特征,彩色分量计算不能确切体现图像中目标物体特征的缺点,通过对HSV的观察,提出了基于HSV色度空间,应用小波分析原理对彩色迷彩图像进行边缘提取的方法。实验结果显示该方法能够准确、快速检测出图像的边缘,不仅处理简单,而且效果较好。     

基于京剧脸谱意象色彩的服饰纹样自动配色

为提升服饰纹样色彩配色效能,利用自适应颜色聚类及自动配色机制,实现基于意象场景的服饰纹样自动配色。以京剧脸谱为范例,搜集了三类角色共计150幅脸谱图像作为源图,采用分割、降噪等操作获取脸谱主体内容;利用二分K-均值聚类算法,对单一样本进行逐一自适应色彩提取,在此基础上进行二次聚类获得各角色脸谱提取色色值、占比及共现比率等特征参数;最后设计融合颜色聚类数、共现比率及目标区域特征要素的动态配色机制,开发色彩解析和纹样自动配色软件。实验结果表明,配色控制参数、源图类型、纹样形态等因素影响选色顺序及最终配色效果,实现基于意象场景的纹样色彩自动迁移,为当代服饰纹样色彩设计提供决策参考。     

Evaluation of pork color by using computer vision

The objective of this study was to determine the potential of computer vision technology for evaluating fresh pork loin color. Software was developed to segment pork loin images into background, muscle and fat. Color image features were then extracted from segmented images. Features used in this study included mean and standard deviation of red, green, and blue bands of the segmented muscle area. Sensory scores were obtained for the color characteristics of the lean meat from a trained panel using a 5-point color scale. The scores were based on visual perception and ranged from 1 to 5. Both statistical and neural network models were employed to predict the color scores by using the image features as inputs. The statistical model used partial least squares technique to derive latent variables. The latent variables were subsequently used in a multiple linear regression. The neural network used a back-propagation learning algorithm. Correlation coefficients between predicted and original sensory scores were 0.75 and 0.52 for neural network and statistical models, respectively. Prediction error was the difference between average sensory score and the predicted color score. An error of 0.6 or lower was considered negligible from a practical viewpoint. For 93.2% of the 44 pork loin samples, prediction error was lower than 0.6 in neural network modeling. In addition, 84.1% of the samples gave an error lower than 0.6 in the statistical predictions. Results of this study showed that an image processing system in conjunction with a neural network is an effective tool for evaluating fresh pork color.     

Intelligent recognition of dominant colors for Chinese traditional costumes based on a mean shift clustering method

Chinese traditional costumes have been recognized as one of the most influential sources for Western designers to obtain oriental inspirations and create Asian chic, especially the dominant colors and design style. In this paper, an effective color clustering method based on Mean shift clustering algorithm is developed for Chinese traditional costumes image. The proposed method consists of four steps: (1) costumes image acquisition, (2) costumes image denoising, (3) object segmentation, and (4) color clustering and dominant colors extraction. Firstly, a digital SLR (Single Lens Reflex) camera is used to capture the costumes images. Secondly, the sub-images in the three color channels are filtered by median filter separately. Thirdly, the filtered images are segmented based on the background color in the Lab color space, and the object costumes is separated from the background. Fourthly, the pixels of the costume image are classified into several clusters by Mean shift clustering algorithm, and the dominate colors are extracted from the classification results. The experimental results demonstrate that the proposed method can extract the dominant colors from costumes images with great accuracy when the bandwidth of Mean shift clustering algorithm is set as 0.05.     

基于流形模糊聚类算法的高光谱图像猪肉品质分类研究

目的以基于高光谱图像技术的冷鲜肉、解冻肉和变质肉的分类为研究对象,针对特征维数过高的问题,构建了一种基于流形模糊聚类算法的分类模型。方法首先采用二维Gabor小波变换分别提取反应猪肉滴水损失、p H、颜色三种品质指标的14个特征波长下图像的8个纹理特征,组成一个112维的特征变量作为猪肉品质的特征;然后采用基于等距映射降维的模糊C均值聚类算法来构建猪肉品质分类模型。结果通过猪肉品质分类实验得出,二维Gabor小波变换能较好地提取猪肉的纹理特征;与传统模糊C均值聚类算法相比,基于等距映射降维的模糊C均值聚类算法能较好地解决高维样本聚类问题,能准确地区分冷鲜肉、解冻肉和变质肉。结论高光谱图像技术可应用于对猪肉品质分类。     

纯棉织物的红刺梨天然染料染色

将红刺梨汁提取物作为天然染料用于纯棉织物染色,研究染色、媒染工艺对染色织物表观颜色深度(K/S值)、染色牢度、染色均匀性的影响。结果表明,采用后媒染工艺,以单宁酸为媒染剂,在90℃、pH值8、氯化钠30 g/L和媒染剂4 g/L条件下,染色织物的K/S值、匀染性、染色牢度和断裂强力等指标均比较满意。     

基于彩色图像配准的胶印十字星校正方法

针对大型胶印机的四色印刷套准问题,本文提出一种基于彩色图像配准的胶印十字星校正方法.该方法首先利用图像的颜色特征,从获取的CCD图像中提取青、品红、黄、黑四种单色图像;然后在图像中分别检测十字星位置;接着分别利用二值化分色图像的垂直和水平投影距离,计算出各色十字星倾斜和平移校正参数,完成胶印机各色版的机械套准.为验证该方法的有效性,本文利用仿射变换完成四色十字星的配准,接着将各色配准后图像叠印在一起,测试出胶印机最后套印效果.实验结果表明,该方法利用原始图像的色彩和灰度两类本征,可以准确地完成胶印机各机组套准,并且计算简单.     

融合自适应局部特征与改进模糊C均值的服饰分割算法

提取人体着装图像的服饰区域时,易受光照、阴影遮盖与人体姿态、肤色等问题的影响,提出一种融合自适应局部特征与改进模糊C均值(fuzzy C-means,FCM)的服饰图像分割算法。首先,通过改进区域生长法消除阴影实现前景提取;其次,采用MDSMGR-WT超像素分割获取图像局部特征,将自适应局部信息融入双加权FCM目标方程中,实现二次精细化分割;最后,经肤色检测提取目标服饰区域。实验结果表明,该方法的准确率可达78.93%,召回率90.12%,查准率89.93%。该方法能够减少内部区域噪声,提高服饰图像的分割精度。     

基于图像分割的拼色纺织品分色算法

 采用计算机图像分割技术对纤维混色产品的高分辨率扫描图像进行处理,提出了根据其所含纤维色彩特点进行图像分割的方法。将彩色图像转化为HSV色彩空间,对图像的灰度区域针和彩色区域分别以V分量和H分量进行分割,分割过程采用模糊C聚类分析(FCM)的方法进行。实验结果表明,此方法可以图像分割成有效的几个类别,并保持原有图像的色彩、纹理信息。该方法可以用于计算机辅助拼色纤维配色,与传统的通过光学模型预测方法相比,此方法更为直接,有效。