織物組織識(shí)別系統(tǒng)中關(guān)鍵技術(shù)的研究.pdf

1、本文針對(duì)計(jì)算機(jī)輔助織物分析與設(shè)計(jì)系統(tǒng)的關(guān)鍵環(huán)節(jié)開(kāi)展研究工作，取得的研究成果包括： 在織物圖像預(yù)處理的研究上，提出了一種基于Hough變換的圖像傾斜糾正與緯紗密度識(shí)別算法。在織物圖像錄入過(guò)程中難免存在圖像傾斜，需要對(duì)其進(jìn)行調(diào)整。針對(duì)這一問(wèn)題，提出了一種適用于織物圖像的快速傾斜糾正算法。該算法在提取圖像中的緯紗走向信息的基礎(chǔ)上，運(yùn)用層次Hough 變換來(lái)檢測(cè)傾斜角度，以達(dá)到要求的檢測(cè)精度。利用傾斜檢測(cè)結(jié)果，提出了一種與傾斜無(wú)關(guān)的緯紗

2、密度識(shí)別算法。該算法通過(guò)提取傾斜角處的投影輪廓線得到緯密排列規(guī)律，由此來(lái)計(jì)算緯紗密度。實(shí)驗(yàn)結(jié)果表明，上述算法具有較高的準(zhǔn)確率。 在織物組織識(shí)別問(wèn)題的研究上，提出了一種適用于緯二重組織的半自動(dòng)識(shí)別算法。傳統(tǒng)的組織分析算法多是針對(duì)灰度織物圖像進(jìn)行分析，且局限于單層組織識(shí)別。本算法以彩色圖像為研究對(duì)象，將緯二重組織的識(shí)別問(wèn)題分解為單層組織的識(shí)別與整合。在單層組織識(shí)別中，首先采用降色算法對(duì)經(jīng)緯組織點(diǎn)進(jìn)行預(yù)分割，然后根據(jù)實(shí)際織物中經(jīng)緯紗

3、線各自的分布特點(diǎn)給出了不同的分割方法，最后獲得組織圖。由于本算法著重考慮了非理想的經(jīng)緯紗線分布狀態(tài)，因此比傳統(tǒng)識(shí)別算法具有更好的實(shí)用性。 在織物組織分割問(wèn)題的研究上，首先提出了一種基于顏色和空間信息的分割算法。該算法利用顏色分布的均勻性度量來(lái)判斷像素是否位于組織區(qū)域邊界，再利用種子生長(zhǎng)和區(qū)域合并策略將它們劃分到不同組織區(qū)域中。針對(duì)該算法在邊界定位上的不足，進(jìn)一步提出了一種基于活動(dòng)輪廓線模型的紋理分割算法。與傳統(tǒng)分割算法相比，結(jié)合

4、水平集方法的活動(dòng)輪廓線模型更適合于具有復(fù)雜拓?fù)溥吔绲膮^(qū)域分割問(wèn)題。在特征提取部分，本算法以降維的Gabor濾波響應(yīng)和顏色特征來(lái)組成彩色紋理特征向量，并采用非線性擴(kuò)散濾波對(duì)它進(jìn)行平滑。在特征分割部分，本算法采用改進(jìn)的多區(qū)域活動(dòng)輪廓線模型，使輪廓線在區(qū)域競(jìng)爭(zhēng)項(xiàng)和像素錯(cuò)分懲罰項(xiàng)的共同約束下收斂至區(qū)域邊界。另外，本算法采用有監(jiān)督的方式，來(lái)保證對(duì)小面積組織以及相似組織的辨識(shí)。實(shí)驗(yàn)表明，基于活動(dòng)輪廓線模型的方法能更好地適用于提花織物的組織區(qū)域劃分。