基于圖像處理的針織物組織結(jié)構(gòu)識別的研究.pdf

1、目前在紡織行業(yè)中，對針織物結(jié)構(gòu)的分析與識別主要還是憑經(jīng)驗或借助專業(yè)工具來完成。這種由專家人工進行針織物組織結(jié)構(gòu)參數(shù)的分析和提取雖然具有權(quán)威性，但是操作要求高，不易掌握。同時分析與識別的時間周期也相對較長，分析過程單調(diào)而乏味。因此，有必要研制能代替人工對針織物的結(jié)構(gòu)參數(shù)、組織編織結(jié)構(gòu)等進行有效的自動檢測與分析的算法和技術(shù)路線。 本文研究了利用圖像處理與模式識別技術(shù)對針織物進行自動參數(shù)提取和組織結(jié)構(gòu)識別的方法，提出了針織物自動識別的

2、流程與技術(shù)路線，討論了怎樣的針織物圖像的獲取與預(yù)處理才能有效的反映針織物的特征信息和參數(shù)。然后通過分析針織物圖像亮度分布的特點，給出提取針織物結(jié)構(gòu)參數(shù)——織物密度、線圈距離的自動提取算法：針對針織物組織結(jié)構(gòu)具有一定空間周期性的特點，在對針織物圖像進行預(yù)處理之后；利用傅立葉變換技術(shù)找到頻譜圖上反映周期性特征的點；再利用傅立葉反變換重建圖像，提取縱橫密度的空間頻率信息，測量針織物的縱橫密度和線圈距離。并將它們的計算結(jié)果與手工測量結(jié)果進行了比

3、較和分析。 本文提出了針織物組織結(jié)構(gòu)識別的流程：首先通過掃描儀把樣品圖像輸入到計算機，獲得針織物的采樣圖；然后對采樣圖做灰度化、灰度變換、去噪、二值化等一系列圖像預(yù)處理工作，來去除織物變形和圖像錄入誤差等帶來的影響，得到能清晰反映針織物組織結(jié)構(gòu)情況的二值圖；第三步用高斯拉普拉斯邊緣檢測算子提取針織物二值圖像的邊緣結(jié)構(gòu)，得到針織物的邊緣圖像；第四步以能反映出組織結(jié)構(gòu)的最小的組織循環(huán)為單元，從邊緣圖中提取出基元圖以利于分析，然后再用

4、像素標(biāo)號法對基元圖中的目標(biāo)分別標(biāo)號，再對已標(biāo)號的目標(biāo)分別提取其形狀數(shù)、周長、面積、形狀因子等特征參數(shù)；最后通過這些形狀特征識別未知針織物的組織結(jié)構(gòu)。 本文所提出的上述技術(shù)路線和算法，都得到了可行性的驗證，取得了較好的效果，在該領(lǐng)域具有一定的理論意義和較大的參考價值。由于形狀數(shù)有平移、旋轉(zhuǎn)不變性，所以選用形狀數(shù)為特征參數(shù)可以克服針織物在采樣過程中樣品平移、旋轉(zhuǎn)帶來的誤差。本文所提出的方法在對于針織物組織結(jié)構(gòu)的識別上具有一定的突破性