基于图像处理分析的机织物构成要素的综合识别方法与装置

摘要

织物构成要素涉及结构和品质两要素，是机织物本身特征的表述，也是其质量的基本依据。人们以往只是根据应用特征将其简单地划分为外观、物理（力学）品质，并多为定性的表述与评价。显然，建立这两类要素的表征及对应方法，进而明确结构要素与织物性能间的关系，对织物的生产和使用都具有十分重要的理论指导意义。
　　 机织物构成要素包括织物组织、结构、纱线构成、纤维的类别与混合比等。要从一块织物上获得如此大的信息，最佳检测方案是采用同试样同机测量的技术来实现，但目前尚无此类多特征、易交互纺织面料的组合测量理论和装置。
　　 本文针对覆盖织物构成要素的基本评价，将原本分立进行的检验集中到一台操作系统上同步完成，探索实现织物大容量同机同试样测量的新途径。
　　 研究在以下方面取得成果:
　　 (1)研制了一个集成光、机、电、算和控制技术一体化的织物构成要素的组合原位测量装置(FaCFAS系统)。FaCFAS系统由变焦、高分辨、动态摄像系统，多光路光源系统和力学测量系统组成。它可以有效地摄取织物的组织和结构特征及纱线的结构与形态、实现纤维的观察识别和图像获取，为利用数字图像处理分析技术对织物构成要素的原位测量提供了新的手段。
　　 (2)针对以往图像算法难以解决紧密织物，歪斜织物，扭曲变形织物，绒面织物及组织结构不规则织物的纱线定位及纱线排列密度的换算问题，建立了一种力学拉伸矫正技术。通过力学拉伸方式去矫正织物的结构，从而改变了织物中纱线间隙的遮盖、移位的情形，获得清晰化的纱线排列的图像要素特征。特征的归一化，可统一纱线的分割算法，实现了纱线的准确定位和纱线排列密度的测量。实践证明效果较好，因此开辟了一种力学拉伸矫正技术和图像处理技术组合的新思路和新方法。
　　 (3)在色纱排列分析方面:讨论了力学拉伸对织物颜色识别的影响，设计了若干针对色纱划分和颜色分析的算法。获取色纱信息的浮动窗口算法能够提取到纯组织点的像素;所设计的减色算法有效降低了数据的处理量，简化了运算过程;改进的模糊C均值算法实现了色纱分色;所设计的调色板算法，采用了点位取样和颜色统计值中位数做色彩，有效克服了随机的颜色变异点的失真影响，明显优于通常使用均值生成色彩的效果;具有自验功能的模板叠合算法，纠正色纱排列图的少数错误点，计算复杂度低，是对初始识别结果进行二次识别复验的把关工具。
　　 (4)在织物组织的识别方面:提出了力学拉伸与图像处理结合的识别方案和相应算法。基于遗传算法的特征筛选和可分性原则的特征整合，构造出可以克服因毛羽或不确定因素所致个别组织点特征数据变异的组合特征，使缩减特征维数和提高特征性能兼备。力学拉伸织物的作用，强化了图像纹理，使组织点的异类特征值更趋分离，简化为明暗特征和纹理特征的织物的两个判析模式。对多个平行试样的组织意匠图，利用最小规格化和经组织点配准算法及模板叠合算法进行互验，可纠正原意匠图中少数的误判点，重构意匠图的识别正确率达到100％。
　　 (5)在织物中纱线结构的测量方面:
　　 其一，从织物中原位测量纱线的直径，不同测量点的测量精度不同。通过实验得到织物组织点处纱线的投影宽度dc与纱线的真实直径的线性度最好，应选择该处作为测量点。每个样品按照本文的方法测量26次，取置信度为0.95，则测量值与真实值的误差不超过3.5％。
　　 提出了纱线的压扁系数η是一个具有很强实用性的纱线几何参数，通过对η的测算对于预测纱线和面料的一些性能具有参考价值。η小的织物，手感柔软，质地轻薄，覆盖接触面积大，防风保暖性好，适宜做秋冬的贴身面料。
　　 其二，利用图像全局特性检测纹理的方向，将空间域比较困难的全局检测问题转化为适合探测纹理形状和主体方向的变换域求解。
　　 设计了基于Fourier变换的纤维倾角算法，从角向功率谱中提取出纹理的主方向，由于受到样品和技术因素的影响，造成测量结果波动，代表性和稳定性尚不令人满意。
　　 设计了基于Hough变换的纤维倾角算法，即使当纤维粘结成块，代表条纹方向直线出现的几率仍然是最大的，用简单的数据结构表达条纹的外形，它的抗噪能力强，直观性较好。与人工测量结果的相关系数为0.959,误差基本控制在5％之内，具有应用潜力。
　　 其三，长期以来，纱线密度（δ）一直沿用简化假设基础上的经典理论和公式，被视为均值的表达，无法正确反映影响纱线中纤维实际的分布状态。本文以纱线直径与纱线线密度关系的经典模型为基础，利用δ随纱线结构松紧变化引起纱线外形轮廓的变化，而捻角能够体现纱线结构松紧变化的规律，本算法采用有监督的方式，引入了捻角对传统的δ值的修正系数k(R)，由于质量沿长度的随机变化，将原本为恒定质量概念的纱线密度，难以通过称重获得其分布，而采用基于图像形状特征的间接测量，实现了一种纱线密度δT分布测量的新方法。

目录

声明

东华大学学位论文版权使用授权书

摘要

第1章 绪论

1.1 引言

1.1.1 机织物的构成要素

1.1.2 机织物结构要素的基本表达方法

1.2 织物结构要素的表达方法及其重要性

1.2.1 织物结构要素的系统原位组合表达理念

1.2.2 新型纺织检测技术开发理念

1.2.3 织物构成要素的原位组合图像鉴别系统的构想

1.2.4 建立织物结构要素原位组合表达方法及装置的意义

1.3 机织物构成要素的图像识别的研究现状

1.3.1 基本状况

1.3.2 织物组织的识别研究

1.3.3 织物中纱线排列密度的识别测量

1.3.4 织物中纱线结构参数的识别测量

1.3.5 已有的织物识别系统

1.3.6 已有研究存在的主要问题

1.4 本文的研究目标内容和论文构架

1.4.1 研究目标

1.4.2 研究内容

1.4.3 论文组织结构

第2章 织物构成要素的原位综合测量系统

2.1 FaCFAS系统总体设计

2.1.1 基本出发点

2.1.2 FaCFAS系统的设计框架

2.1.3 FaCFAS系统特点

2.2 FaCFAS系统硬件配置

2.2.1 FaCFAS硬件系统测量基本机构

2.2.2 FaCFAS系统硬件功能模块的选择与设计

2.2.3 FaCFAS系统的主要技术指标

2.3 FaCFAS软件系统配置

2.3.1 基于VC的程序设计与控制

2.3.2 步进电机控制

2.3.3 图像采集编程设计

2.4 FaCFAS操作界面设计

2.4.1 系统操作主菜单及功能

2.4.2 仪器的启动与操作

2.5 FaCFAS系统的精确度

2.6 本章小结

第3章 织物颜色与纹理的图像识别

3.1 基本方式

3.1.1 主要识别的对象

3.1.2 结构及形态纹理

3.1.3 颜色与光泽特征

3.2 织物组织点特征的针对性提取

3.2.1 织物中纱线交织点的定位特征

3.2.2 织物图像处理

3.2.3 颜色特征提取

3.3 织物组织点颜色的图像分类算法

3.3.1 模糊C-means均值聚类算法

3.3.2 改进的模糊C-means均值聚类算法

3.3.3 模板叠合判定算法

3.4 色织物颜色和纹理的图像分析

3.4.1 分析框架

3.4.2 力学拉伸矫正技术

3.4.3 色纱排列模式分析

3.5 本章小结

第4章 织物组织的图像识别

4.1 基本方式

4.1.1 定义

4.1.2 定位和模式分类

4.2 织物组织点特征的描述

4.2.1 纱线交织点的起伏及明暗特征

4.2.2 织物交织点的纹理特征

4.2.3 纱线交织点的形状特征

4.3 织物组织点图像特征针对性的提取

4.3.1 灰度特征

4.3.2 纹理特征

4.4 基于遗传算法的特征选择

4.4.1 遗传算法的基本思想和优化框架

4.4.2 特征优化设计

4.4.3 算法实现步骤

4.4.4 组织点特征组合的求解

4.4.5 特征集合的性能测定与特征参数的整合

4.5 织物组织点的图像识别算法

4.5.1 分析框架

4.5.2 组织分析

4.6 本章小结

第5章 织物中纱线排列密度的图像测量

5.1 基本方式

5.1.1 根数的清晰点数方式

5.1.2 排列密度的计算方式

5.2 实验与方法

5.2.1 实验材料

5.2.2 图像采集与试样的前处理

5.2.3 图像预处理

5.3 实验结果与讨论

5.3.1 系统测试标准化的实验

5.3.2 评价系统的测试性能

5.4 本章小结

第6章 织物中纱线结构的测量

6.1 纱线的直径

6.1.1 基本概念

6.1.2 纱线直径的测量

6.1.3 实验结果与分析

6.2 纱线的加捻程度

6.2.1 基本概念

6.2.2 纱线捻角的测量

6.2.3 实验结果与分析

6.3 纱线的密度

6.3.1 基本概念

6.3.2 纱线密度的测量

6.3.3 实验结果与分析

6.4 本章小结

第7章 结论与展望

7.1 结论

7.2 展望

参考文献

附录

致谢

攻读学位期间发表的论文与参加的科研项目