模擬實(shí)際著裝的織物折皺測(cè)試及等級(jí)評(píng)價(jià)方法研究.pdf

1、織物在穿著和洗滌護(hù)理的過程中，由于揉搓、擠壓、擰絞、扭曲等外力而產(chǎn)生折痕或皺紋的現(xiàn)象稱為折皺或起皺，抵抗折皺形變的能力稱為織物的抗皺性?？拱櫳粌H是織物的基本服用性能，也是影響服裝外觀與檔次的重要性能。因此對(duì)織物抗皺性進(jìn)行客觀、準(zhǔn)確地測(cè)試和評(píng)價(jià)就顯得異常重要。然而現(xiàn)有的織物抗皺性測(cè)試的各種方法存在諸多問題，測(cè)試過程中織物所處的狀態(tài)、受力方向、發(fā)生的變形等與實(shí)際著裝時(shí)差異甚大，即現(xiàn)有韻測(cè)試方法不能真實(shí)評(píng)價(jià)織物做成服裝后實(shí)際穿著過程中的抗皺

2、能力。
　　針對(duì)這一現(xiàn)狀，本文提出一種模擬實(shí)際著裝的織物抗皺性測(cè)試新方法，搭建了測(cè)試裝置，并利用圖像處理技術(shù)對(duì)模擬裝置產(chǎn)生的折皺進(jìn)行了分析，提取了折皺密度、灰度共生矩陣以及小波特征參數(shù)，進(jìn)而基于信息融合技術(shù)，將這些指標(biāo)融合成一個(gè)綜合折皺指標(biāo)，最后利用這些特征對(duì)織物折皺等級(jí)的聚類方法以及利用神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)折皺等級(jí)進(jìn)行分類識(shí)別的算法進(jìn)行了研究，研究結(jié)果如下:
　　1)構(gòu)建的織物抗皺性測(cè)試裝置產(chǎn)生韻折皺無論在外觀形態(tài)上，還是在專家

3、主觀評(píng)價(jià)結(jié)果上（包括起皺程度的排序、評(píng)分以及折皺等級(jí)）都與實(shí)際著裝法具有良好的一致性;且其測(cè)試穩(wěn)定性比現(xiàn)有的折皺回復(fù)角法更好。
　　2)針對(duì)折皺回復(fù)角法測(cè)試時(shí)只考慮織物經(jīng)緯向所帶來的片面性以及對(duì)經(jīng)緯向賦予相同權(quán)重所引起的欠合理性，提出應(yīng)該增加45°折皺回復(fù)角的測(cè)試，并提高織物經(jīng)向抗皺性的權(quán)重，以提高檢測(cè)結(jié)果與實(shí)際著裝的吻合度，并建立了折皺密度與不同方向折皺回復(fù)角的模型，根據(jù)此模型可由折皺回復(fù)角預(yù)測(cè)實(shí)際著裝時(shí)服裝的折皺程度，無需經(jīng)過

4、工作量巨大的服裝制作及實(shí)際著裝實(shí)驗(yàn)。
　　3)利用圖像處理技術(shù)，對(duì)新方法產(chǎn)生的折皺進(jìn)行了特征提取與紋理分析，得到:織物折皺灰度圖像經(jīng)Sobel邊緣檢測(cè)提取的折皺密度與專家視覺評(píng)分之間存在較好的一致性，織物經(jīng)向折皺回復(fù)角與折皺密度的相關(guān)系性大于緯向，且斜向折皺回復(fù)性對(duì)實(shí)際著裝時(shí)織物的抗皺能力起重要作用;越平整的織物，灰度共生矩陣的能量和相關(guān)性越大，熵和慣性矩越小，且與織物折皺程度相關(guān)性由大到小依次是:熵、能量、相關(guān)性和慣性矩;折皺越

5、嚴(yán)重的織物經(jīng)小波分解后的三個(gè)方向（水平、垂直、斜向）的細(xì)節(jié)系數(shù)標(biāo)準(zhǔn)差越大，隨分解層數(shù)的增加，細(xì)節(jié)系數(shù)標(biāo)準(zhǔn)差呈明顯的遞增趨勢(shì)，折皺越嚴(yán)重韻織物，增加速度越快，且水平方向的細(xì)節(jié)系數(shù)標(biāo)準(zhǔn)差明顯大于垂直和斜向標(biāo)準(zhǔn)差。
　　4)利用信息融合技術(shù)，將折皺密度WD，總熵Entropy,小波分解一層時(shí)的水平細(xì)節(jié)系數(shù)標(biāo)準(zhǔn)差SH1這三項(xiàng)指標(biāo)進(jìn)行數(shù)據(jù)融合，得到了織物綜合折皺指標(biāo)CWI，通過秩相關(guān)系數(shù)的檢驗(yàn)，得到根據(jù)CWI數(shù)值進(jìn)行的排序與專家主觀排序之間

6、具有良好的一致性，且這一綜合指標(biāo)比三項(xiàng)單一指標(biāo)能更客觀、更全面地評(píng)價(jià)織物折皺。
　　5)以WD，Entropy，SH1三項(xiàng)指標(biāo)和以CWI這一綜合折皺指標(biāo)為特征，對(duì)織物進(jìn)行了三種方法的聚類分析:從指標(biāo)選取來看，進(jìn)行k-均值聚類以及自組織特征映射SOM網(wǎng)絡(luò)聚類時(shí)，用CWI為特征的聚類結(jié)果好于以三項(xiàng)單獨(dú)指標(biāo)為特征，說明CWI比這三者對(duì)織物折皺的表征更符合視覺觀察的結(jié)果;從聚類方法來看，SOM神經(jīng)網(wǎng)絡(luò)的聚類結(jié)果與主觀評(píng)價(jià)結(jié)果的一致性好于系

7、統(tǒng)聚類和k-均值聚類。
　　6)以WD，Entropy, SH1以及CWI為特征，分別利用LVQ和PNN神經(jīng)網(wǎng)絡(luò)對(duì)織物折皺等級(jí)進(jìn)行了分類識(shí)別，結(jié)果表明:特征向量中增加綜合折皺指標(biāo)CWI可以使LVQ和PNN神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)準(zhǔn)確率有不同程度的提高;且將LVQ與PNN串聯(lián)后組成的LVQ-PNN混合神經(jīng)網(wǎng)絡(luò)比單一的LVQ和PNN神經(jīng)網(wǎng)絡(luò)的識(shí)別率有較顯著的提高。
　　本文提出的模擬實(shí)際著裝的織物抗皺性測(cè)試方法在一定程度上彌補(bǔ)了現(xiàn)有測(cè)試方