紋理抑制平滑濾波及其在織物圖案識(shí)別中的應(yīng)用.pdf

1、隨著計(jì)算機(jī)技術(shù)的快速發(fā)展，紡織業(yè)正朝著自動(dòng)化方向迅速發(fā)展。紡織業(yè)的自動(dòng)化不僅僅是紡織設(shè)備的高度自動(dòng)化，還包括與之相關(guān)的紡織品設(shè)計(jì)、檢測(cè)、分類等諸多方面。隨著圖像采集技術(shù)的提高以及數(shù)字圖像處理技術(shù)的快速發(fā)展，織物表面信息獲取和分析，如織物參數(shù)分析、組織識(shí)別、織物質(zhì)量檢測(cè)、織物圖案識(shí)別等，可以通過(guò)計(jì)算機(jī)來(lái)代替?zhèn)鹘y(tǒng)的人工完成。人們可以利用高分辨率的掃描儀、照相機(jī)等圖像采集設(shè)備來(lái)采集織物圖像，然后利用計(jì)算機(jī)圖像處理技術(shù)進(jìn)行加工處理。但是掃描獲取

2、的織物圖像很難準(zhǔn)確反映織物表面的真實(shí)信息：首先，由于織物通常是由不同顏色或不同原料的紗線按一定的沉浮規(guī)律交錯(cuò)織成，隨著經(jīng)紗或緯紗重疊組數(shù)的變化，形成的織物色影豐富、層次多變，但是紗線之間的縫隙顏色往往偏暗，相同顏色的紗線區(qū)域會(huì)形成一定的紋理；其次，織物不是一個(gè)理想的平面結(jié)構(gòu)，在掃描光照下，由于紗線呈一定的圓柱形結(jié)構(gòu)，同一紗線的中心和邊緣之間存在過(guò)渡顏色；再次，掃描過(guò)程由于布料放置不平整，使得織物圖像產(chǎn)生局部色差，甚至形成偽圖案；此外，由

3、于掃描圖像文件往往采用有失真的JPEG壓縮，不同顏色的紗線之間存在過(guò)渡色，使得圖案輪廓變得模糊。這些因素的存在，使得掃描獲取的織物圖像很難反映織物圖像的真實(shí)內(nèi)容，不利于織物圖像組織結(jié)構(gòu)提取、織物花型設(shè)計(jì)、織物顏色分析、圖像檢索及圖案識(shí)別等后續(xù)處理。因此，在進(jìn)行織物圖像分析、檢索、圖案識(shí)別等處理之前，首先需進(jìn)行織物圖像預(yù)處理，預(yù)處理結(jié)果往往決定著這些圖像處理結(jié)果的有效性和準(zhǔn)確性。
　　在計(jì)算機(jī)圖像處理學(xué)中，通常運(yùn)用平滑濾波器對(duì)圖像進(jìn)

4、行預(yù)處理，目前已形成了一些比較經(jīng)典的平滑濾波器，如均值濾波、中值濾波、高斯濾波。但是這些經(jīng)典濾波器在平滑圖像的同時(shí)常常也會(huì)產(chǎn)生大量圖像細(xì)節(jié)的丟失，往往達(dá)不到預(yù)期的平滑效果。在實(shí)際的圖像處理過(guò)程中，圖像邊緣是圖像描述、識(shí)別目標(biāo)和解釋圖像的一個(gè)重要特征。因此，理想圖像平滑處理，應(yīng)該在平滑的同時(shí)盡量不丟失有效圖案信息。隨著數(shù)字圖像處理技術(shù)的發(fā)展以及數(shù)學(xué)理論的引入，已經(jīng)出現(xiàn)了一些邊緣保持平滑濾波算法，如各向異性擴(kuò)散、雙邊濾波、基于最小二乘濾波、

5、L0梯度最小化、全變差及相對(duì)全變差模型等，在特定的應(yīng)用場(chǎng)合它們可以產(chǎn)生很好濾波效果。但是，對(duì)于掃描織物圖像的平滑，這些邊緣保持濾波算法仍未能取得很好的效果。
　　針對(duì)織物掃描圖像的特點(diǎn)，本文對(duì)織物圖像平滑濾波算法開(kāi)展了研究，并在此基礎(chǔ)上對(duì)典型的織物圖像進(jìn)行圖案識(shí)別，主要研究?jī)?nèi)容包括以下幾方面：
　　（1）針對(duì)織物掃描圖像的特點(diǎn)，提出一種紋理抑制平滑濾波快速方法。該方法在高斯濾波器的基礎(chǔ)上，重新構(gòu)建濾波系數(shù)，根據(jù)空間距離、色彩

6、距離和鄰域梯度距離調(diào)整鄰域像素點(diǎn)的累加權(quán)值，對(duì)圖像的每一個(gè)像素點(diǎn)進(jìn)行線性濾波，使得在平滑圖像的同時(shí)，有效保持不同紗線之間的邊緣，從而保留織物圖像中的圖案，并采用分段線性的方法實(shí)現(xiàn)了對(duì)紋理抑制平滑濾波算法的加速。
　?。?）提出一種基于紋理抑制平滑濾波快速方法和Adaboost多特征融合的織物圖案識(shí)別方法。首先運(yùn)用紋理抑制平滑濾波算法來(lái)對(duì)掃描織物圖像進(jìn)行預(yù)處理，抑制圖像中的紗線紋理信息，保留圖案的結(jié)構(gòu)信息；然后提取平滑圖像的邊緣方向

7、直方圖、最大穩(wěn)定極值區(qū)域特征和灰度共生矩陣特征等3類特征，建立特征數(shù)據(jù)庫(kù)；最后根據(jù)特征數(shù)據(jù)庫(kù)，采用Adaboost算法融合這3類特征建立分類器，對(duì)織物掃描圖案進(jìn)行識(shí)別。
　　通過(guò)實(shí)驗(yàn)表明本文提出的平滑濾波算法能夠較好濾除掃描織物圖像紗線紋理，保持織物圖案的真實(shí)邊緣，并通過(guò)分段線性的方法實(shí)現(xiàn)了對(duì)紋理抑制平滑濾波算法的加速。在紋理抑制平滑濾波的基礎(chǔ)上提出的基于Adaboost多特征融合的織物圖案識(shí)別方法具有較高的識(shí)別率。
　　本