一种基于序列图像的织物形态特征提取方法

摘要

本发明涉及一种织物形态特征提取方法，属于纺织领域。一种基于序列图像的织物形态特征提取方法，其特征在于：包括利用设置在不同角度的多台CCD数码相机对织物面料的运动过程进行动态拍摄，得到织物运动的多帧动态序列视图的步骤；利用计算机视觉处理技术从同一帧的所有拍摄的视图上提取特征点的步骤；将对应视图上的特征点进行立体匹配并计算匹配点在世界坐标系中的三维坐标的步骤；从获得的特征点的三维坐标计算织物的基本运动物理量的步骤；根据织物的所述基本运动物理量及运动特征提取织物动态特征参数的步骤。本发明采用对织物面料的运动进行动态序列视图的获得和分析，计算出织物面料的动态特征参数，从而能清楚地说明织物的形态风格。

说明书

技术领域

本发明涉及一种织物形态特征提取方法，尤其涉及一种基于序列图像的织物形态特征提取方法。 

背景技术

织物的形态特征是指织物在赋形中形成的线条形态刺激视觉器官后产生的一种涉及心理映射的感觉效果。它可以通过织物的刚柔性、赋形性和形态稳定性等物理概念间接加以表达，即服装面料的物理力学性能（如拉伸、剪切、弯曲等）影响着服装的外观。 

70年代,以京都大学高分子化学系教授川端季雄为首的织物风格评价与标准化委员会（HESC）开发了川端风格仪（KES-F）系统，该系统基于尽可能全面地反映织物特性的出发点，从织物的力学性能如弯曲刚度、剪切刚度等以及其他一些复合性能（如由表面摩擦和几何学的粗糙度与力学性能混合感觉到的表面光滑性），来评价织物的风格感觉特性。他们通过测试拉伸、压缩、剪切、弯曲和表面性能五项基本力学性能中的16项物理指标，再加上单位面积质量来推断织物的手感风格。该系统在大量工作的基础上，将不同用途织物的风格分解成若干个基本风格，并将综合风格和基本风格量化，分别建立织物物理力学量和基本风格值之间、基本风格值和综合风格值之间的回归方程式，并根据织物的基本风格来决定服装的用途。 

Postle等人开发出了可用于织物外观、手感和机械性能的简便测试与快速评价的FAST系统。与KES-F系统不同的是，FAST系统基于简单测量的出发点，有选择性地测量织物在小应力、小变形条件下的压缩、弯曲、拉伸、剪 切四项基本力学性能和尺寸稳定性，其力学性能实质上只是简单地测试了织物在一些特征性的小应力条件下的变形，而且未像KES-F那样测试织物的变形回复过程。 

已有的织物风格评价的研究现状表明，现有的评价标准不能真正从客观上全面、方便地评价织物的形态风格特征，主要表现在以下两个方面：第一，在织物形态风格的测定和评价中，三维动态风格参数的分析、处理较少，各评价指标中的测量数据多由织物静态时测得；第二，分指标多次测量再综合评价的方法增加了评价工作的繁复性，测量时得出的数据受主观因素的影响较大，且有些指标对实际生产检测的意义不大。 

我国作为一个纺织大国，近年来纺织行业取得了飞速的发展，在服装企业中，织物形态风格的优劣对于面料的选用和开发、服装设计具有至关重要的作用。如果能有一种完善可行的织物形态风格的评价标准，就可以预测或区分各面料和服装的动态外观效果，从而可大大提高面料和服装产品在设计、开发、销售等各环节的效率。 

目前用仪器客观地测试织物的物理机械特性已不是难事，但如何把仪器测试值与人的感官评定结果联系起来，即寻找织物物理量与风格心理量间的关系表达式，一直是研究的重点。尽管研究取得了很大进展，但一直存在一个最基本的问题，那就是：在以往的评价中，所采取的测量方法主观性比较大，获得的测量数据受人的主观因素比较大。因此，在织物的形态风格评价领域，对织物的形态采取怎样的检测方法，进而选取表征织物形态的特征参数是关键。 

发明内容

本发明所要解决的技术问题是提供一种基于序列图像的织物形态特征提 取方法，解决现在对于织物的形态风格评价中，采取的测量方法和检测评价方法主观性过大的问题。 

技术方案 

一种基于序列图像的织物形态特征提取方法，其特征在于：包括利用设置在不同位置的多台CCD数码相机对织物面料的运动过程进行动态拍摄，得到织物运动的多帧动态序列视图的步骤；利用计算机视觉处理技术从同一帧的所有拍摄的视图上提取特征点的步骤；将对应视图上的特征点进行立体匹配并计算匹配点在世界坐标系中的三维坐标的步骤；从获得的特征点的三维坐标计算织物的基本运动物理量的步骤，所述基本运动物理量包括各特征点在X,Y,Z方向上的位移、速度、加速度；根据织物的所述基本运动物理量及运动特征提取织物动态特征参数的步骤，所述织物动态特征参数包括织物面料在Z方向上能达到的最大累积位移、运动过程中织物表现出来的波形曲线在最凹处时的曲率以及“波”形曲线在运动过程中的保形率。 

进一步，所述提取特征点的步骤中，采用Canny边缘检测算法和Harris角点检测算法结合进行特征点的提取，再采用SIFT特征点匹配算法和双目视觉视差原理获得各特征点在世界坐标系中的三维坐标。 

进一步，所述基本运动物理量还包括各特征点在Z方向上的累积位移最大值。 

一种利用上述的织物形态特征提取方法进行织物形态风格评价的方法，其特征在于：将待评测的多种不同的织物面料进行裁剪，裁剪后按照所述织物形态特征提取方法将各织物面料的运动过程进行单个的多帧动态视图拍摄，提取出织物动态特征参数，依据参数进行对比和评价，所述待评测的多种不同的织物面料采用同一条件进行拍摄和织物动态特征提取。 

进一步，所述同一条件包括各织物面料平面尺寸的大小相同、触发面料 运动的机制条件相同。 

有益效果 

本发明的方法采用对织物面料的运动进行动态序列视图的获得和分析，得到织物的基本运动物理量，从而计算出织物面料的动态特征参数，从这些动态特征参数能够清楚、轻易、较为准确地达到区分各织物的目的，从而能清楚地说明织物的形态风格；同时，本方法贴近人眼观察人体穿着服装面料时的直观感觉，提出的动态特征参数能准确表达织物的运动特征，更加符合实际情况。 

附图说明

图1为双目相机视差原理图。 

图2为涤纶仿丝软缎在运动过程中“波”形特征最明显时的二次曲线拟合图。 

图3为真丝软缎在运动过程中“波”形特征最明显时的二次曲线拟合图。 

图4为涤纶仿丝软缎与真丝软缎一个运动周期内的部分视图。其中Frame429、Frame282是运动周期开始时的视图，Frame444、Frame296是运动过程中的“波”形特征最明显时的视图，Frame460、Frame312是运动周期结束时的视图。 

图5为涤纶仿丝软缎与真丝软缎的三种运动特征参数的比较表。 

具体实施方式

下面结合具体实施例和附图，进一步阐述本发明。 

为了对织物的形态风格评价更客观，本发明提出一种基于动态序列图像的织物形态特征提取方法，同时提出一些织物的动态特征参数，从而依据这 些参数进行客观比较和评价。 

以附图1所示的双目摄像机作为实施例，即左右各设置一台来解析织物形态特征提取方法，具体的步骤为：①在同一实验条件下，用多台CCD相机对织物的运动过程进行动态拍摄，得到织物的二维序列视图；②将同一帧中的所有视图，运用计算机视觉中的图像特征点提取方法提取面料图像上的特征点；③利用SIFT匹配算法对同一帧中的所有视图中的特征点进行立体匹配，并计算各匹配点的三维坐标值；④根据各特征点的坐标计算一些基本的运动物理量，包括各特征点在X,Y,Z方向上的位移、速度、加速度、加速度的加速度，在X-Z平面上，每幅视图中的各特征点在Z方向的累积位移最大值；⑤根据上一步中计算运动物理量的方法，结合拍摄到的视图的特征，提取三个动态特征参数：每种面料能在Z方向上能达到的最大累积位移；“波”形特征曲线在最凹处时的曲率；“波”形曲线在运动过程中的保形率，即每一帧视图中“波”形曲线的相似度。 

第2步骤提取特征点，在matlab中，先采用Canny算子进行边缘检测，其检测步骤为：Ⅰ.用标准偏差γ的高斯滤波器对图像进行平滑处理，用以抑制噪声；Ⅱ.对每一像素点，计算局部梯度和边缘方向α(x,y)=arctan(G_y/G_x)。梯度方向上强度最大的点即为边缘点；Ⅲ.在上一步中检测到的边缘点会导致梯度的幅度图像中出现脊。对脊像素用两个阈值T₁和T₂做阈值处理，其中T₁<T₂。值大于T₂的脊像素为强边缘像素，值处于T₁和T₂之间的脊像素为弱边缘像素；Ⅳ.连接边缘。 

再采用Harris算子提取物体的角点信息，Harris检测算法的数学表达式为：$E(u,v)=\underset{x,y}{\Sigma }w(x,y){[I(x+u,y+v)-I(x,y)]}^2,$将图像窗口平移[u,v]产生灰度变化E(u,v)。其中w(x,y)为窗口函数，I(x,y)为图像灰度，I(x+u,y+v)为平移后 的图像灰度。其检测算法的步骤为：Ⅰ.计算图像像素在水平和垂直方向上的梯度，以及两者的乘积，得到如下矩阵：$M=\left(\begin{array}{cc}{I}_x^2& I_x{I}_y\\ I_x{I}_Y& {I_y}^2\end{array}\right);$Ⅱ.对图像进行高斯滤波，得到新的M。离散二维零均值高斯函数为Ⅲ.计算原图像上对应的每个像素点的兴趣值R：Ⅳ.选取局部范围内的极大兴趣值对应的像素点即为特征点；Ⅴ.结合边缘检测获取的边缘点，设定阈值，选取一定量的角点。 

在第3步骤中，本实施例中采用的设备为双目摄像机，为平行光轴模型，摄像机的焦距f和两个相机的投影中心之间的距离为B为已知。面料上的一点P的世界坐标为(x,y,z)，其在左右相机坐标系下的坐标分别为(x_left，y_left，z_left)和(x_right，y_right，z_right)，在左右视图的像平面上的坐标为(X_left，Y_left)，(X_right，Y_right)，视差D=X_left-X_right。 

世界坐标系与摄像机坐标系的关系为： 

$\left(\begin{array}{c}x=x_{\mathrm{left}}=x_{\mathrm{right}}+B\\ y=y_{\mathrm{left}}=y_{\mathrm{right}}\\ z=z_{\mathrm{left}}=z_{\mathrm{right}}\end{array}\right)$

由双目视觉原理可知，P的三维空间点坐标为： 

$\left(\begin{array}{c}x=B\frac{X_{\mathrm{left}}}{D}\\ y=B\frac{Y_{\mathrm{left}}}{D}\\ z=B\frac{f}{D}\end{array}\right)$

第4步骤根据各特征点的坐标计算基本的运动物理量，包括各特征点在X,Y,Z方向上的位移、速度、加速度、加速度的加速度；在X-Z平面上，每幅 视图中的各特征点在Z方向的累积位移最大值。 

Ⅰ.先设任意特征点在运动周期开始时的坐标为[x₁，y₁，z₁]，在第i-1帧时的坐标为[x_i-1，y_i-1，z_i-1]，在第i帧时的坐标为[x_i，y_i，z_i]，在第i+1帧时的坐标为[x_i+1，y_i+1，z_i+1]，则该特征点在第i、i-1帧之间的位移为 $s_i=\sqrt{{(x_i-x_{i-1})}^2+{(y_i-y_{i-1})}^2+{(z_i-z_{i-1})}^2},$在X、Y、Z方向山的位移分别为x_i-x_i-1、y_i-y_i-1、z_i-z_i-1；在第i、i+1帧间的位移为 $s_{i+1}=\sqrt{{(x_{i+1}-x_i)}^2+{(y_{i+1}-y_i)}^2+{(z_{i+1}-z_i)}^2},$在X、Y、Z方向山的位移分别为x_i+1-x_i、y_i+1-y_i、z_i+1-z_i。 

Ⅱ.在该实施例中，拍摄频率为200帧/秒，因此两帧之间的时间间隔很小，为t=0.005秒，则可把两帧之间的平均速度看做是后一帧时的即时速度，则第i帧时的速度为v_i=s_i/t，第i+1帧时的速度为v_i+1=s_i+1/t； 

Ⅲ.根据相邻i帧与i+1帧时的速度，可以求得从i-1帧运动到i帧间的加速度为从i帧运动到i+1帧间的加速度为从i-1帧运动到i+1帧，则从加速度a_i变化到a_i+1时的加速度（即加速度的加速度）为 $\mathrm{aa}=\frac{a_{i+1}-a_i}{t}\text{;}$

第5步骤提取了三个动态特征参数：每种面料能在Z方向上能达到的最大累积位移；“波”形特征曲线在最凹处时的曲率；“波”形曲线在运动过程中的保形率，即每一帧视图中“波”形曲线的相似度。附表2所示为采用附图1的拍摄设置针对涤纶纺丝软缎与真丝软缎进行动态拍摄实验和特征点提取后，两种织物面料的三种运动特征参数的计算结果。计算步骤如下： 

I．求得各特征点从运动周期的开始运动到所被拍摄时刻（如在i帧时）在Z方向的累积位移为z_i-z₁。在本实施例中，对75cm*75cm的雪纺面料与真 丝面料分别提取了1364个与1376个特征点，如表2所示，在涤纶纺丝软缎视图中的特征点能达到的最大累积位移为36.5429个像素点，而在真丝软缎视图中的特征点能达到的最大累积位移为59.7618个像素点。 

II．先将每一幅的视图上的所有特征点在Z方向上的累积位移导入SPSS19.0，利用SPSS19.0自带的聚类分析方法，将所有特征点在Z方向上的位移分成若干类，选取在Z方向上的累积位移较大的点，根据这些点的坐标值，在X-Y平面上拟合曲线，拟合结果显示，当拟合成二次曲线时，拟合效果最好且与视图的符合性好。根据拟合结果求出二次方程，并计算出二次方程的顶点，根据曲率公式求得在顶点时的曲线曲率ρ_i，i为视图在一个运动周期内的序列号。 

III．计算出所有视图中的“波”形曲线在最凹处时的曲率值ρ_i后，可以根据方差概念，求得“波”形曲线在运动过程中的保形率α，其中，α值越小，表明在面料这种介质中传播时“波”形曲线的保形度与维持度最好。 

Ⅵ.根据Ⅴ中计算每幅视图的“波"形曲线及曲率，可根据所有视图中在同一点上的各曲率值，计算在所有图像序列中的曲线的相似度（即保形率）α(i=1......n),在各个图像序列中的“波”形曲线的曲率为ρ_i(i=1......n)，n为图像序列，在所有图像序列中的曲率的平均值为则保形率当α越小时，曲线的保形率最好。 

综上所述，本发明提出的织物形态特征提取方法在同一实验条件下对各 织物运动过程进行单个的非接触性动态捕捉实验，就可以提取科学、客观的运动数据，进而根据面料运动过程中的特征，提取运动特征参数。而将两种面料的三种运动特征参数值上的差异进行比较，就轻易、清楚地说明了两种面料之间的运动特征差异。因此，本发明提出的方法所提取的运动特征参数能准确表达面料的运动特征差异；本发明提出的利用视觉信息量的差异进行分析的方法可以为在织物的风格评价和提取织物形态特征中提供全新的思路。