基于圖像分析的針織物組織結(jié)構(gòu)模式識(shí)別研究.pdf

1、目前在紡織行業(yè)中，對(duì)針織物結(jié)構(gòu)的分析與識(shí)別主要還是憑經(jīng)驗(yàn)或借助專業(yè)工具來完成。這種由專家人工進(jìn)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(shí)分析與識(shí)別的時(shí)間周期也相對(duì)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(duì)針織物的結(jié)構(gòu)參數(shù)、組織編織結(jié)構(gòu)等進(jìn)行有效的自動(dòng)檢測(cè)與分析的算法和技術(shù)路線。 本文研究了利用基于形狀特征參數(shù)統(tǒng)計(jì)、PCA算法和能量統(tǒng)計(jì)的圖像處理與模式識(shí)別技術(shù)對(duì)針織物進(jìn)行自動(dòng)參數(shù)提取

2、和組織結(jié)構(gòu)識(shí)別的三種方法，提出了針織物自動(dòng)識(shí)別的流程與技術(shù)路線。然后通過分析針織物圖像亮度分布的特點(diǎn)，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(dòng)提取算法，并將它們的計(jì)算結(jié)果與手工測(cè)量結(jié)果進(jìn)行了比較和分析。 本文提出了針織物組織結(jié)構(gòu)識(shí)別的幾種方法。首先我們通過掃描儀把樣品圖像輸入到計(jì)算機(jī)，獲得針織物的采樣圖，然后再通過圖像處理對(duì)針織物組織結(jié)構(gòu)進(jìn)行特征提取和模式識(shí)別。第一種方法是利用鏈碼和形狀數(shù)提取針織物組織的形狀特征參數(shù)：形

3、狀數(shù)、周長、面積、形狀因子等特征參數(shù)，再通過這些形狀特征參數(shù)識(shí)別未知針織物的組織結(jié)構(gòu)。第二種方法是利用PCA算法對(duì)輸入的針織物圖像數(shù)據(jù)進(jìn)行降維，提取圖像數(shù)據(jù)的全局特征，然后通過測(cè)試樣本的全局特征與訓(xùn)練樣本的全局特征之間的歐氏距離來識(shí)別未知針織物的組織結(jié)構(gòu)。第三種方法是利用Mallat和Coif1小波變換提取針織物在水平方向，垂直方向和斜方向上的能量特征值，然后通過未知組織針織物采樣圖的能量比例特征值與1+1羅紋組織、緯編平針組織和1+1

4、雙反面組織的標(biāo)準(zhǔn)能量比例特征值之間的距離，來識(shí)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(yàn)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(jià)值。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；選用PCA算法可以對(duì)針織物圖像數(shù)據(jù)進(jìn)行降維獲取全局特征，大大減少計(jì)算量，加快識(shí)別速度，而又不失正確性；選用二維小波變換提取的針織物水平、垂直和斜方向上的能量特征具有普遍性，