（控制理论与控制工程专业论文）基于图像的织物参数分析与组织结构识别的研究.pdf

基于服装款式平面图的三维款式效果显示研究 附件一： 东华大学学位论文原创性声明 本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的学位论文，是本人在 导师的指导下，独立进行研究工作所取得的成果。除文中已明确注明和引用的内容外， 本论文不包含任何其他个人或集体已经发表或撰写过的作品及成果的内容。论文为本 人亲自撰写，我对所写的内容负责，并完全意识到本声明的法律结果由本人承担。 学位论文作者签名：亏一 日期：矽衫年；月；日 基于服装款式平面图的三维款式效果显示研究 附件二： 东华大学学位论文版权使用授权书 学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向 国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅或借阅。本人授权 东华大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影 印、缩印或扫描等复制手段保存和汇编本学位论交。 保密口，在年解密后适用本版权书。 本学位论文属于 不保密无 学位论文作者签名：张一 日期：歹形年；月岁日 指导教师签名：少e 以i p 一- 、 日期汐痧；，月1 日 基于图像的织物参数分析与组织结构识别的研究 基于图像的织物参数分析与组织结构识别的研究 摘要 目前在纺织行业中，织物面料的分析与识别主要还是凭经验或借 助专业工具来完成的。这种由专家人工进行织物面料组织结构参数的 分析和提取虽然具有权威性，但是操作要求高，不易掌握。同时分析 与识别的时间周期也相对较长且分析过程单调而乏味，因此，有必 要研制能代替人工对物面料的纱线参数、组织编织结构及配色模纹等 进行有效自动检测与分析的算法和技术路线。 本文研究了利用图像处理与模式识别技术对织物面料进行自动 参数提取与分析和组织结构识别的方法，提出了织物面料自动识别的 流程与技术路线，讨论了怎样的织物图像的获取与预处理才能有效的 反映织物的特征信息和参数。然后分别给出提取织物参数一经纬纱密 度、经纬纱线细度、织物盖度率的自动提取算法：利用图像频谱中峰 值点特征与织物经纬纱的间距即经纬密的转换关系，将织物的图像变 换为对应的频率域中的频谱图像，通过计算峰值点的距离( 即频率值) 进而计算出织物的经纬密；利用纱线细度指标与纱线直径的转换关 系，通过对织物图像进行最优阈值化处理，然后计算出纱线的直径进 而计算出纱线的细度的方法，并利用同样的原理计算出织物的盖度率 这一紧度指标；并将它们的计算结果与手工测量结果进行了比较和分 析。 对于织物组织结构的识别，本文提出了一种提取织物组织结构纹 基于图像的织物参数分析与组织结构识别的研究 理基元特征的方法，利用基元匹配的算法获得织物的基元贴片图，然 后利用自相关函数找出织物的最小循环单元，同时研究了生成组织图 的数学模型，从最小循环单元中获取数学模型所须的参数来生成织物 的组织图，从而达到了织物组织结构的自动识别，并分析了此算法的 特点与优势。最后分析了色织物分析的特点，并在前面织物参数分析 和织物组织结果识别方法的基础上提出了适用于单层织物配色模纹 的识别的方法和数学模型，从而达到了色织物的参数分析与配色模纹 识别的目的。 本论文所提出的上述技术路线和算法，具有一定的理论意义和较 大的参考价值，特别在对于织物组织结构的识别上具有一定的创新 性，对于于较为复杂的变化组织，也具有很好的识别效果。并且在此 基础上的对于色织物配色模纹的识别算法也具有较好的实用价值和 创新性，具有一定的推广价值。 关键字模式识别，数字图像处理，经纬纱密度，纱线细度，织物盖 度率，组织图，配色模纹 基于图像的织物参数分析与组织结构识别的研究 a u t o r i cr e c o g n i t i o na n da n a l y s i s0 ff a b r i c c o n s t r u c t i o na n d 、 慢a v ep a ra m 匣t e r sb a s e do n 姒g ep r o c e s s i n g a b s t r a c t n o w a d a y s ，i nt h ef i e l do ft e x t i l ei n d u s t r y , t h es 咖c t u r eo fw o v e n f a b r i ca n a l y s i sa n dr e c o g n i t i o nm a i n l yd e p e n do nm a n u a lw o r ko rs p e c i a l e q u i p m e n t s t h o u g ht h i sw a yi sa u t h o r i t a t i v e i ti sn o te a s yt om a n i p u l a t e ， a n dh a r dt om a s t e r m o r e o v e r , i t st i m ec o n s u m i n ga n dt e d i o u s s oi th a s b e c o m en e c e s s a r yt or e s e a r c ho nh o wt o g e t a n da n a l y z ef a b r i c c o n s t r u c t i o np a r a m e t e r s ，w e a v es t r u c t u r ew i t hc o m p u t e ra u t o m a t i c a l l y i nt h i sw o r k , w ep r o v i d es o m ea l g o r i t h m st og e ta n da n a l y z ef a b r i c c o n s t r u c t i o np a r a m e t e r sa n dw e a v es 仃u c t u r e u s i n gd i g i t a li m a g e p r o c e s s i n ga n dp a t t e r nr e c o g n i t i o nt e c h n o l o g y , a n dd e v e l o pt h ef l o wa n d t e c h n i q u er o u t eo fa u t o m a t i cf a b r i ca n a l y s i sa n dr e c o g n i t i o n f i r s t , w e a n a l y z e dt h e m e t h o do ff a b r i c i m a g eg e t t i n ga n dp r e p r o c e s s i n gt o r e p r e s e n tm o r ei n f o r m a t i o no ff a b r i cc o n s t r u c t i o np a r a m e t e r sa n dw e a v e s 咖c 眦t h e nw ed e p i c tp a r t i c u l a r l yt h ea l g o r i t h mo fg e t t i n gf a b r i c c o n s t r u c t i o np a r a m e t e r s - - w a r pa n dw e f td e n s i t i e s ，t h et e xo fw a r pa n d 基于图像的织物参数分析与组织结构识别的研究 w e f ta n dc l o t hc o v e r t h ef o u r i e rt r a n s f o r mc o n v e r t st h ef a b r i ci m a g e i n t op o w e rs p e c t r u mi m a g e u s i n gt h er e l a t i o n s h i pb e t w e e nt h ep e a k v a l u eo fp o w e rs p e c t r u mi m a g ea n dw a r pa n dw e f td e n s i t i e s ，w ec a n c a l c u l a t et h ed i s t a n c eo ft h ep e a kv a l u e ( f r e q u e n c ev a l u e ) t og e tw a r pa n d w e f td e n s i t i e s ；t h et e xo fw a r pa n dw e f tc a nb ec a l c u l a t e dw i t hy a m d i a m e t e r b ys e l e c t i n g ag r a yv a l u e 嬲t h et h r e s h o l dw i t ho p t i m u m t h r e s h o l da l g o r i t h m ，w ec a nc o n v e r tt h ef a b r i ci m a g et ob l a c ka n dw h i t e w h i l et h eb l a c kr e p r e s e n ty a m t h e nw ec a nc a l c u l a t et h ed i a m e t e ro f y a m w eg e tc l o t hc o v e rb yt h es a m em e t h o d i nt h ee n d ，w ec o n t r a s tt h e r e s u l tg o tb y a l g o r i t h mw i m t h er e s u l tc a l c u l a t e dm a n u a l l y t or e c o g n i z ef a b r i cw e a v es t r u c t u r e w ep r o v i d e daa l g o r i t h mt h a t c a no b t a i nb a s i ct e x t u r eu n i tc h a r a c t e r s t h e nw eu s em a t c h i n ga l g o r i t h m t o g e tab a s i ct e x t u r eu n i tc h a r a c t e r s ，a n df i n dt h eb a s i cr e p e a t i n g s t r u c t u r ew i ma u t o c o r r e l a t i o nf u n c t i o n m e a n w h i l e w es t u d i e dt h e m a t h e m a t i cm o d e lo fp a t t e r nd r a f tb u i l d i n ga n dh o wt og e tt h en e c e s s a r y p a r a m e t e r sf r o mb a s i cr e p e a t i n gs t r u c t u r et ob u i l dp a t t e r nd r a f t s ow e r e a l i z er e c o g n i t i o no fp a t t e md r a f t t h e nw ea n a l y z et h ef e a t u r ea n d a d v a n t a g eo ft h i sa l g o r i t h m f i n a l l yw es t u d yt h ec h a r a c t e ro fc o l o r f u l w o v e nf a b r i c b a s e do nt h ea l g o r i t h mo ff a b r i cc o n s t r u c t i o np a r a m e t e r r o b t a i n i n g a n df a b r i cw e a v es t r u c t u r e r e c o g n i t i o n ，w e b u i l dt h e m a t h e m a t i cm o d e lo fc o l o ra n dw e a v ee f f e c ta n dp r o v i d er e c o g n i t i o n m e t l l o do f i t 4 基于图像的织物参数分析与组织结构识别的研究 t h e a l g o r i t h m sa n dt e c h n i q u er o u t e sw ep r o v i d e da b o v eh a v ec e r t a i n t h e o r e t i c a lv a l u ea n du s ef o r r e f e r e n c e e s p e c i a l l yp a u e r n d r a f t r e c o g n i t i o nm e t h o dh a ss o m ei n n o v a t i o ni nt h i sf i e l d f o rm o r e c o m p l i c a t e dd e r i v a t i v ew e a v ef a b r i c i ta l s oh a sag o o dr e c o g n i t i o nr e s u l t t h ec o l o ra n dw e a v ee f f e c tr e c o g n i t i o nm e t h o di sa l s ou s e f u la n d p r a c t i c a l s oi t sv a l u a b l ef o rp o p u l a r i z e k e yw o r d s ：p a a e mr e c o g n i t i o n ，d i g i t a li m a g ep r o c e s s i n g ，w a r pa n d w e f td e n s i t i e s ，t h et e x o f w a r pa n dw e f t ，c l o t hc o v e r ，p a r e md r a f t ， c o l o ra n dw e a v ee f f e c t 基于图像的织物参数分析与组织结构识别的研究 1 1 ：课题意义和目标： 第一章绪论 近年来，随着模式识别与计算机图像处理技术的发展，其在纺织工业中的应 用在国内外引起了极大关注。图像处理及相关技术目前在纺织中的研究应用主要 集中在下述几个方面：纺织产品分类，疵点识别，织物鉴别，分等评级、风格评 价和织物密度测定及织物结构的自动识别等方面，并已取得了一些研究效果“1 。 计算机图像处理与分析在纺织工业中的应用前景是非常广阔的，其不断发羼与府 用，必将为纺织行业的自动化提供更大的保证。 目前在纺织行业中，织物面料的分析与识别主要还是凭经验、靠触觉、视觉、 嗅觉或借助放大镜、照布镜或织物密度分析镜等工具来完成的。这种由专家人工 或人工借助工具进行织物面料组织结构的分析与识别虽然具有权威性，但是操作 要求高，不易掌握。同时分析与识别的时间周期也相对较长且分析过程单调而乏 味，因而存在不可避免的人工误差啪。因此，有必要研制能代替人工对各种织 物面料的类别、纱线参数、组织编织结构及配色模纹等进行有效自动检测与分析 的系统。利用图像采集设备将已有织物的图像采集到计算机，并利用有效的识别 算法，从织物的图像中提取出所要的织物信息并对织物及其组织结构自动榆测识 别，进而能正确计算分析织物图像，得出织物的类别、组织规律及技术参数。本 课题的提出无论从技术的角度还是从市场及增强企业及产品竞争力的角度看，都 有其重要意义嘶1 。 首先，从技术的角度看，对各种织物面料类别及组织结构作正确的识别与分 析，能为面料设计、借鉴、创新、仿造提供有价值的科学依据与技术参数资料。 而现有的织物面料识别技术大都基于个别的织物面料进行特征提取与识别。这些 技术与方法的运用在理论与实际应用上取得了一定的成果，但从已有系统的功 能、适应性和正确性上来看，还有不少可改进之处。 从市场的角度看，纺织产业的生产必须围着市场转，为了开发出更加适应市 场需求的新产品，就需要对国内外既有织物进行研究、再创新，对织物及其组织 进行有效识别与组织分析是其中一个非常重要的环节。织物面料参数和组织结构 8 基于图像的织物参数分析与组织结构识别的研究 的自动识别与分析也为学习他人的优秀设计创意提供了技术支持，对已生产的织 物进行仿造或改进，就必须进行织物分析，掌握织物的组织结构和上机技术条件 等技术资料，这对于我国学习国外先进的面料设计技术，生产出适合国内外市场 的纺织产品具有很重要的意义。 从国际竞争的角度看，作为世贸组织的新成员，我国的纺织业融人世界纺织 经济已成为必然，这给我们带来了前所未有的机遇，纺织业也被世人认为是受惠 最大的行业。但是我们也要清醒地认识到参与国际竞争所面临的挑战。要想在激 烈的竞争中取胜，必须提高纺织品质量和档次。织物面料是纺织品内在品质的反 映。面料的识别与分析的智能化将进一步提高面料分析、设计与生产的自动化水 平，从而加快面料设计与生产周期，紧跟国际面料设计最新潮流，增强企业及产 品的国际竞争力0 1 。 综上所述，织物面料参数和组织结构的自动识别研究对于纺织及面料行业的 产品生产、设计创意、仿造及国际竞争力的提升具有重要意义。从国内外已取得 研究成果及目前相关理论与技术的发展趋势看，用计算机来识别与分析纺织面料 是一个可行的构想，但目前的研究还处于比较单一、片面的领域，不能完全满足 纺织分析中的各个方面。在有些方面还受到纺织品特有性质的制约，需要研究探 索新的技术、方法与途径解决。因此，要使设计开发的织物面料智能识别算法与 系统具有很好的适应性与正确性尚有许多应用理论与关键技术需要研究。基于以 上的这些考虑，从织物的描述参数出发，我们认为有必要从两个方面来对织物进 行分析：第一是织物参数的自动分析，主要包括织物颜色特征；织物的厚度；织 物经纬纱密度；经纬纱线紧度；配色模纹；排列方式等；并对每个特征计算织物 的各种量化的技术参数，把结果与手工测量的结果相比较。第二是利用计算机代 替人工对各种织物面料的类别组织、编制结构以及一些特征参数等进行有效判别 并取得正确的分析结果。为进一步的面料设计、创新、仿造提供有价值的科学依 据与参数资料。 1 2 织物分析概述： 对已生产的织物进行仿造和改进，就必须进行织物分析，掌握织物的上机技 术和纱线参数等资料以做参考，并且这些参数对织物的物理机械性能影响很大， 9 基于图像的织物参数分析与组织结构识别的研究 不同的参数决定了织物的手感、通透性及力学性能等，因而也就决定了织物的用 途，它们包括经纬纱原料，织物的正反面、织物经纬向，经纬纱密度，经纬纱特 数，经纬纱织物的盖度率，经纬向，经纬纱缩率，织物面密度等【1 1 ； 鉴定经纬纱原料：分析经纬纱所用原料的种类和混纺纱线中原料的混纺比 例。传统鉴别纤维原料的方法很多，仅用一种方法鉴别时很难准确确定纤维的种 类，往往需要采取多种的鉴别方法，经观察测试综合分析，才能得到正确的结论。 一般常用的有感观鉴别法和理化测试法两种，理化测试法主要有显微镜观察法、 黑光灯检验法、燃烧法、试剂显色法、试剂溶解法和染色鉴别法等。 确定织物的正反面：一般从外观效应来判断，区别组织特性和表面效应，对 于原组织来说，表面光滑光洁，纹路清晰，病疵少的一面为正面；条格和配色模 纹织物的条格或花纹显著，均匀，清晰悦目；凸条和凸凹织物的正面紧密而细腻 地显示出凸条或凹凸花纹，反面粗糙，有较长的浮长线衬托。 确定织物的经纬向：在一般织物中纱线之间相互平行较好的为经纱，有弧形 或斜线的为纬纱；并且密度较大的大多为经纱，密度较稀的为纬纱；纱线捻度大 的大多为经纱，捻度小的或无捻的为纬纱。在实际应用中还要根据织物的具体情 况进行判断。 测定织物的经纬纱密度：在组织中以1 0 c m 内排列的经纬纱根数称为织物的 经纬纱密度。密度大小直接影响织物外观、手感、厚度、强力、透气性、透湿性、 耐磨性和保暖性等物理指标，同时它也关系到产品的成本和生产效率的大小。手 工进行经纬纱密度测定的方法有：用密度分析镜分析，将密度分析镜平行放置于 被测布面上，将镜头下面的一块长条玻璃片上的红线对准被测两根纱线的中间， 并以此作为起点，边移动镜头，边数纱线根数，直到5 c m 刻度线为止，如终点 到达最后一根纱线的中间，则此根纱线作0 5 根计算，凡不足o 2 5 根的作o 2 5 根计算，超过o 2 5 根的作0 5 根计算，超过o 5 根的不足l 根的作o 7 5 根计算， 然后乘以2 倍，即为1 0 e r a 内的纱线根数。 计算经纬纱特数：纱线的粗细用特数表示，它是1 0 0 0 m 的纱线在固定回潮 率时的重量克数，即n ：1 0 0 0 _ 堂g ，式中t t 是经纬纱的线密度；g 在公定回潮率 上 时的重量；l 是纱线长度。当假设织物中纱线的截面呈圆形时，纱线的特数与纱 线的直径之间有一定的换算关系，当知道纱线的直径时，可以很据此换算关系概 1 0 基于图像的织物参数分析与组织结构识别的研究 算出纱线的特数。实际的织物设计中，可使用的纱线特数应符合国家规定。而且 比较常用的纱线特数也就是几种或十几种。因而可以使用统计归类的方法，将计 算求得的纱线特数，归类到某一纱线特数上。因此可以把特数的计算转化为细度 的计算。 织物的盖度率指标是指在一定面积的织物上，纱线的投影面积与织物面积比 值的百分率，是表示织物紧度的一个重要指标。 测定经纬纱缩率：纱线在织物中由于经纬纱交叉屈曲，使织造时所用的纱线 长度大于形成织物的长度，两者的差值与纱线原长之比值称作缩率。它有经纱缩 率a l 和钆l s - ) 。a t ：墨等量l o o ：q ：墨孚生1 0 0 ( 式中厶，( 三。 l o j l o 是试样中经( 纬) 纱伸直后地长度，l ，( l ，) 是试样地经向长度) ，测定缩率的 方法是先将试样在不受张力的情况下，剪取5 e m 的方块样布，沿着经纬向把纱线 逐根从试样中抽出，用手指压住纱线的一端，而另一手的手指轻轻地将纱线平直， 切不可使纱线产生伸长，然后量其长度。将多次多次测定的长度求其平均值，带 入上式计算而得a ，和4 。，此种方法简单易行，但精确程度较差 2 1 。 这里我们抽取了几个比较典型的并且可以通过织物的反射图和投射图( 后面 有定义) 获得的特征参数，对其进行计算机分析提取并和人工方法进行了比较， 他们有：织物的经纬纱密度；经纬纱线的细度；织物的盖度率。 1 3 织物组织结构参数概述： 机织物( 通常简称为织物) 是由两个系统的纱线，在织机上按一定规律交织而 成的制品。在织物内与布边平行的纵向( 或平行于织机机深方向) 排列的纱线称为 经纱( 线) 。与布边垂直的横向( 或垂直于织机机深方向) 排列的纱线称为纬纱( 线) 。 经纱和纬纱在织机中互相浮沉，进行交织以形成织物 1 3 1 织物组织结构的表示法： 一切织物组织都由按一定规律排列的经、纬组织点组成。其组织循环的大小 由组织循环的经纱数和纬纱数决定。在一个组织循环中，如果增加组织循环经纬 基于图像的织物参数分析与组织结构识别的研究 数，则经纬纱相互浮沉规律可能变得较复杂。 织物组织直接影响织物的外观及其机械物理性能，但在织物组织相同的情况 下，也因经纬纱号数、密度的不同使织物的外观和物理机械性能发生变化，织物 组织用图表示，这种图称作组织图( p a t t e r n d r a f t ) 。组织图的表示方法有两种， 即方格表示法和直线表示法 a x x) ( x 1 b 图1 - 1 组织图表示法 ( 1 ) 方格表示法： 如图1 - 1 左图所示，在方格纸上纵行代表经纱，横行代表纬纱。纵行和横行 相交构成方格，它表示经纱和纬纱相交的组织点。若为经纱组织点，则在此方格 内填满颜色或标以斜纹或叉、点、圈等符号；若为纬组织点，则在方格内不填任 何符号。图中还用箭矢a 和b 标出织物组织的一个组织循环。箭矢b 左侧的经 纱根数纬r ，箭矢a 下面的纬纱根数纬r ，n r ：= r 。= 2 。 ( 2 ) 直线表示法： 如图1 一l 右图所示，纵向直线代表经纱，横向直线代表纬纱，其纵横直线相 交点代表一个组织点，经组织点用o ，x 等符号表示，纬组织点则不填绘任何符 号。 描绘组织图时，常常只需要画出一个组织循环，因为每一个组织循环的交织 规律都是相同的。在本课题中我们采用方格表示法来对织物组织结构进行描绘， 在自动获取组织结构特征后，计算机自动生成如图1 - 2 ( 分别代表平纹、斜纹、 缎纹的组织图) 所示的组织图来表示待识别的织物组织结构。 1 2 基于图像的织物参数分析与组织结构识别的研究 匿斜纹 1 3 2 织物组织结构的分类： 图l - 2 组织图 _ _ 石枚三飞缎纹 机织面料的种类有原组织织物、小花纹组织织物、复杂组织织物、大提花组 织织物【3 】。 ( 1 ) 原组织： ( i ) 平纹组织平纹组织是所有织物组织中最简单的一种。图卜3 为平纹组织 图。 露圈 图卜3 一上一下平纹组织交织示意图和组织图 在平纹组织循环中，共有2 根经纱和2 根纬纱，4 个组织点，其中2 个经组组织 点，2 个纬组织点，因为经组织点数等于纬组织点数，所以织物的正反面没有差 异，因此平纹组织属于同面组织。 1 平纹组织可用分式豫表示，其中分子表示经组织点，分母表示纬组织点。 习惯称平纹组织为一上一下。 平纹组织的经纬纱每间隔一根纱线就进行一次交织，因此纱线在面料中的交 基于图像的织物参数分析与组织结构识别的研究 织最频繁，屈曲最多。平纹织物面料正反面的外观效应相同，表面平整，织物组 织紧密，质地坚牢。因此在织物中应用最为广泛。 ( ) 斜纹组织斜纹组织的特点是组织i s _ l 有经组织点或纬组织点构成的斜 线，面料表面上有经( 或纬) 浮长线构成的斜向织纹。 构成斜纹的个组织循环至少要有3 根经纱和3 根纬纱。 斜纹组织一般以分式表示。其分子表示在组织循环中每根纱线上的经组织点 数，分母表示纬组织点数，分子分母之和等于组织循环纱线数。在原组织的斜纹 分式中，分子或分母必有一个等于1 。当分子大于分母时，在组织图中经组织点 占多数，称之为经面斜纹，纬组织点占多数，称之为纬面斜纹，如图卜4 “斜纹 组织图”所示。 图l - 4 一上二下右斜纹交织示意图和组织图 ( ) 缎纹组织缎纹组织是原组织中最复杂的一种组织。这种组织的特点在于 相邻两根经纱上的单独组织点相距较远，而且所有的单独组织点分布均匀有规 律。缎纹组织的单独组织点，在织物上由其两侧的经( 或纬) 的浮长线所遮盖。 在织物表面都呈现经( 或纬) 的浮长线，因此布面平滑匀整、富有光泽、质地柔 软。 在缎纹组织的组织循环中，任何一根经纱或纬纱上仅有一个经组织点纬组织 点，而这些单独组织点彼此相隔又较远，分布均匀。缎纹组织也有经面缎纹与纬 面缎纹之分。 缎纹组织也可用分式表示，分子表示组织循环纱线数，分母表示飞数，飞数 1 4 基于图像的织物参数分析与组织结构识别的研究 有按经向计算的和纬向计算的两种，经向飞数用于经面缎纹，纬向飞数用于纬面 缎纹。如图1 - 5 所示。 雪圈 图卜5 八枚五飞缎纹交织示意图和组织图 ( 2 ) 变化组织； 变化组织是以原组织为基础加以变化而获得和各种组织。这些组织统称为变 化组织。变化组织可分为三类：平纹变化组织、斜纹变化组织、缎纹变化组织。 ( i ) 平纹变化组织平纹变化组织采用沿着经( 或纬) 纱一个方向延长组织点 或经纬两个方向同时延长组织点的方法变化而来，几种平纹变化组织如图卜6 所示。 跹圈 图1 - 6 二上一下经重平交织图和组织图 ( ) 斜纹变化组织斜纹变化组织是由原组织的斜纹组织变化而来，没有单独 的经( 或纬) 组织点存在。几种斜纹变化组织如图1 - 7 所示。 基于图像的织物参数分析与组织结构识别的研究 交织涿意图 缀级图 图卜8 缎纹交织示意图和组织图 ( 3 ) 联合组织： 联合组织是将两种或两种以上的组织，按各种不同的方法联合而成的新组 织。构成联合组织的方法是多种多样的，可能是两种组织的简单并合，也可能是 1 6 基于图像的织物参数分析与组织结构识别的研究 两种组织纱线的交互排列，或者在某一组织上按另一组织的规律增加或减少组织 点等等。按照各种不同的联合方法，可获得多种不同的联合组织，其应用较广且 具有特定外观效应的有如下几种： ( i ) 条格组织当两种或两种以上的组织并列时，各个不同的组织形成纵条纹， 条纹之间界限分明，组织点相反。利用经面组织和纬面组织两种组织，沿着经纬 向成格形间跳配置，处于对角位置的两部分，可配置相同的组织点。 ( ) 绉组织构成绉组织的方法很多，但构成的绉组织必须具有以下特点：织物 表面没有明显的斜纹、条子或其它有规律的条纹图形，而具有分散、规律不明显 的细小颗粒状外观，使织物呈现起皱效应。 ( i i ) 透孔组织利用平纹和经重平组织联合构成透孔组织。特点是织物表面有均 匀分布的小孔，通常称它为假纱罗组织。 ( i v ) 蜂巢组织此织物组织在织物表面形成规则的边部高、中间洼的四方形凹凸 花纹，状如蜂巢。此类织物比较松软，有较强的吸水性。 ( v ) 平纹地小提花组织在平纹地上配置各种小花纹的织物。 此外，还有凸条组织、网目组织、色纱与组织的配合。 ( 4 ) 复杂组织： 在复杂组织的经纬纱中，至少有一种是由两个或两个以上系统的纱线组成。 这种组织结构能增加织物的厚度而表面密致，或改善织物的透气性而结构稳定， 或提高织物的耐磨性而质地柔软，或能得到一些简单织物无法得到的性能和配色 模纹等。 复杂组织的种类繁多，但各种原组织、变化组织和联合组织，都可以成为复 杂组织的基础组织。根据复杂组织结构的不同，主要分为以下几种： ( i ) 二重组织经二重组织是由两个系统的经纱与一个系统的纬纱交织构成的， 其中一个系统的经纱与纬纱交织构成织物的正面；另一个系统的经纱与纬纱交织 构成织物的反面。 纬二重组织是由两个系统的纬纱和一个系统的经纱交织而成的，其中一个系 统的纬纱与经纱交织构成织物的正面；另一个系统的纬纱与经纱交织构成织物的 反面。 ( ) 双层组织由两个系统的经纱和两个系统的纬纱在同一织机上分别形成织 1 7 基于图像的织物参数分析与组织结构识别的研究 物的上、下两层。连接上下两层的两侧，构成管状组织。连接上、下两层的侧 构成双幅或多幅织物组织。 根据花纹图案的要求，利用上、下两层纱线颜色的不同，使表层和里层的纱 线相互交换，构成表里换层双层组织。利用各种不同接结方法，使两层织物紧密 地连接在一起，构成接结双层组织。 ( ) 起毛组织纬起毛组织利用特殊的织物组织和整理加工，使部分纬纱被切断 而在织物表面形成毛绒的织物称为纬起毛织物。经起毛组织是织物表面由经纱形 成毛绒的织物，称为经起毛织物。 ( ) 毛巾组织织物表面起毛圈的组织为毛巾组织，可用于织制毛巾类织物。 ( 5 ) 大提花织物： 大提花织物与前面所述的组织不同，其运动规律少则1 0 多种，多达几千种。 每根经纱的运动规律都是靠织机的控制机构来控制的，在织物表面形成大型花纹 图案。由于大提花组织的结构复杂多变，本课题暂时没有对大提花组织进行计算 机分析的研究。 基于图像的织物参数分析与组织结构识别的研究 第二章基于模式识别与图像处理技术的织物参数识别现状 2 1 模式识别与图像处理的应用 模式识别与图像处理是伴随着面对解决机器直接感知外部环境信息这一重 大课题而产生和发展起来的，是近几十年来蓬勃发展起来的两门新兴学科，其内 容涉及信息科学、计算机科学、应用数学、物理学以及生物学等科目。随着现代 科学技术的发展，模式识别与数字图像处理技术也日趋成熟，而且越来越广泛的 应用于空间遥感、生物医学、指纹识别、产品检测等许多领域，尤其是基于计算 机系统的广泛应用，更是大大地促进了这些学科地迅猛发展【4 】。 2 1 1 模式识别的典型做法与分类： 通常，我们把通过对具体的个别事物进行观测所得到的具有时间和空间分布 的信息称为模式，而把模式所属的类别或同一类中模式的总体称为模式类( 或简 称为类) 。模式识别的作用和目的就在于面对某一具体事物时将其正确地归入某 一类别【4 j 。现在基本的模式识别方法大概有两类：统计模式识别方法和结构( 句 法) 模式识别方法，与此相应的模式识别系统都由两个过程所组成，即设计与实 现。设计是指用一定数量的样本( 叫做训练集或学习集) 进行分类器的设计。实 现是指用所设计的分类器对待识别的样本进行分类决策。 基于统计方法的模式识别系统主要由四个部分组成：数据获取，预处理，特 征提取和选择，分类决策，如下图2 - 1 所示： 训练过程 图2 - 1 模式识别系统流程图 1 9 基于图像的织物参数分析与组织结构识别的研究 数据获取：为了使计算机能够对各种现象进行分类识别，要用计算机可以运 行的符号来表示所研究的对象。通常输入对象的信息有下列3 种类型：( 1 ) 二维 图像。如文字、指纹、地图、照片这类对象。( 2 ) 一维波形，如脑电图、心电图、 机械震动波形等。( 3 ) 物理参量和逻辑值，前者如在疾病诊断中病人的体温及各 种化验数据等；后者如对某参量正常与否的判断或对症状有无的描述，如疼或不 疼，可用逻辑值即0 和l 表示。在引入模糊逻辑的系统中，这些值还可以包括模 糊逻辑值，比如很大、大、比较大等。 预处理：预处理的目的是去处噪声，加强有用的信息，并对输入测量仪器或 其他因素所造成的退化现象进行复原。 特征提取和选择：由图像或波形所获得的数据量是相当大的。例如一个文字 图像可以有几千个数据，一个心电图波形也可能有几千个数据，一个卫星遥感图 像的数据量就更大。为了有效地实现分类识别，就要对原始数据进行变换，得到 最能反映分类本质的特征。这就是特征提取和选择的过程。一般我们把原始数据 组成的空间叫测量空间，把分类识别赖以进行的空间叫特征空间，通过变换，可 把在维数较高的测量空间中表示的模式变为在维数较低的特征空间中表示的模 式。在特征空间中的一个模式通常也叫做一个样本，它往往可以表示为一个向量， 即特征空间的一个点。 分类决策：分类决策就是在特征空间中用统计方法把被识别对象归为某一类 别。基本做法是在样本训练集基础上确定某个判决规则，使按这个判决规则对被 识别对象进行分类所造成的错误识别率最小或引起的损失最小。 模式识别的句法方法着重于描述模式的结构，把模式的结构和语言的句法两 者之间的相似性加以引伸，使我们能够用- - + 组简单的模式基元和文法规则来描 述一大组复杂的模式，这种能力最吸引人的一个方面就是可以利用文法的递归性 质，一个文法规则可以使用任意多次，所以就有可能用非常紧凑的方式来表示一 个句子的无穷集的某些基本结构特征。 可以认为，一个句法模式识别系统包括四个主要部分：预处理、分割、基元 ( 以及关系) 识别和句法分析。预处理部分的内容包括( 1 ) 模式的编码和近似； ( 2 ) 过滤、复原和增强，对于一个输入的模式我们可以先进行编码或以某种方 便的形式加以近似，以便于做更进一步的处理，每一个经过预处理的模式可以用 2 0 基于图像的织物参数分析与组织结构识别的研究 类似语言那样的结构来表达，这一模式表达的过程由两部分组成：( 1 ) 模式分 割；( 2 ) 基元( 及关系) 识别，将预处理后的模式分割为予模式和模式基元， 然后再以一组给定的模式基元来辨认每一个子模式，关于表达式( 即模式) 在句 法上的决策是否正确的判断，将由“句法分析程序”或“剖析程序”来进行。 2 1 2 图像处理的范围与过程 图像处理技术在广义上是各种与图像有关的技术的总称。目前人们主要研究 的是数字图像，主要应用是计算机图像技术，这包括利用计算机与其他电子设备 进行和完成的一系列工作，例如图像的采集、获取、编码、存储和传输、图像的 合成和产生，图像的显示和输出，图像的变换、增强、复原和重建，图像的分割、 目标的检测、表达和描述，特征的提取和测量，序列图像的矫正，3 d 景物的 重建复原，图像数据库的建立、索引和抽取，图像的分类、表示和识别，图像模 型的建立和匹配，图像和场景的解释和理解，以及基于它们的判断决策和行为规 划等等。另外，图像技术还可包括为完成上述功能而进行的硬件设计及制作等方 面的技术1 5 6 】。 图像工程的内容非常丰富，根据抽象程度和研究方法等的不同可分为三个层 次( 如图2 2 所示) ：图像处理、图像分析和图像理解。换句话说，图像工程是 既有联系又有区别的图像处理、图像分析及图像理解三者的有机结合，另外还包 括对它们的工程应用。 抽 象 程 度 高 低 语 义 高层 中层 底层 耳标 象素 操 作 对 象 小 大 数 据 量 图2 - 2 图像工程层次图 图像处理着重强调在图像之间进行的变换，虽然人们常用图像处理泛指各种 2 1 基于图像的织物参数分析与组织结构识别的研究 图像技术，但比较狭义的图像处理主要指对图像进行各种d n - r 以改善图像的视觉 效果并为自动识别打基础，或对图像进行压缩编码以减少对其所需存储空间或传 输时间、传输通路的要求。 图像分析则主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客 观信息从而建立对图像的描述。如果说图像处理是一个从图像到图像的过程，则 图像分析是一个从图像到数据的过程，这里数据可以是对目标特征测量的结果， 或是基于测量的符号表示，它们描述了图像中目标的特点和性质。 图像理解的重点是在图像分析的基础上，进一步研究图像中个目标的性质和 它们之间的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解 释，从而规划和指导行动。如果说图像分析主要是以观察者为中心研究客观世界 ( 主要研究可观察到的事务) ，那么图像理解在一定程度上是以客观世界为中心， 借助知识、经验等来把握整个客观世界( 包括没有直接观察到的事物) 。 所以说，图像处理、图像分析及图像理解是处于三个抽象程度和数据量各有 特点的不同层次上，参见上图，图像处理是比较底层的操作，它主要在图像象素 级上进行处理，处理的数据量非常大。图像分析则进入了中层，分割和特征提取 把原来以象素描述的图像转变成比较简洁的非图式的描述。图像理解主要是高层 操作，基本上是对从描述抽象出来的符号进行运算，起处理过程和方法与人类的 思维推理可以有许多类似之处。另外由图所示，随着抽象程度的提高数据量是逐 渐减少的。具体说来，原始图像数据经过一系列的处理过程逐步转化为更有组织 和用途的信息。在这个过程中，语义不断引入，操作对象发生变化，数据量得到 了压缩。另一方面，高层操作对底层操作有指导作用，能提高底层操作的效能。 模式识别与图像处理作为新兴的学科已得到了飞速发展，在理论、技术上已 日益趋于成熟，在各个领域得到广泛的应用并已取得了很多的成果，如在卫星照 片与航空照片的处理和判读上，在生物医学领域的应用，文字符号的自动识别， 指纹、人脸的虹膜等身份识别系统等等。 2 2 国内外在织物识别研究领域现状 目前国内外对织物面料的自动检测与识别主要研究的方向包括两方面的内 容：第一是织物组织结构参数的自动分析算法研究，主要包括织物颜色特征：织 基于图像的织物参数分析与组织结构识别的研究 物的厚度；织物的编织结构；织物经纬纱密度；经纬纱线特数、捻向与捻度、排 列方式等产品参数分析；在获得原始图片后对一系列的织物组织结构参数进行提 取，涉及到对一些预处理的算法使特征易于提取和量化，在查阅的文献中有很多 对这些提取算法进行了深入的研究。对图像信号在频率域中的频率进行分析( 即 频谱分析) 是处理图像的重要技术手段。借助于傅立叶变换测定织物结构参数， 如织物组织与周期的测定以及织物经纬密是一项很早就被使用而且使用得最多 的技术。由于在图像空间域中，各种成分往往是相互纠缠在一起的，通过二维博 立叶变换，可以将织物图像在空间中的二维灰度分布变换成对应的二维频率域中 的频谱，使不同的频率成分在功率谱图中很好地反映出来。使有些在空问域中元 法实现的处理，在频率域中变得非常容易。频率域中频率所代表的物理含义是单 位长度上正弦状灰度浓淡变化的重复次数 t j 。织物图像反映了织物的表面形态， 它在经纬向具有周期性变化的灰度分布，包含了经纬纱线排列的密度信息。织物 图像频谱图中点的灰度值代表了该频率成分的相对能量，半径和角度对应于周期 性元素的尺寸和方向。灰度最高的点称为峰点。从频谱图中可以看到，在不同的 方向上都有峰点存在其中水平方向和垂直方向的峰点，就是要寻找的经纱和纬 纱的频率，对这些频率进行分析和计算即可得到织物经纬纱线的密度。很多基于 傅立叶变换算法经实践证明是有效的睁1 0 1 。机织物通常是由两个相互垂直的纱线 系统交织而成和纬纱分布有相对均匀的特点，徐步高在“快速富里叶变换存织物 结构分析”一文中的应用用傅立叶变换方法对机织物的经纬密度进行测量【】。孙 晓明等提出了一种使用离散傅立叶变换方法分析针织物密度新算法0 3 】。由于针 织物和机织物的结构不同，经过后整理的针织物线圈不均匀，各线圈纵行或各线 圈横列只是近似地处在纵行线或横列线上，而且纵行线与横列线也不垂直，直接 用二维离散傅立叶变换方法处理针织物灰度图像得到的结果误差较大。算法采用 对图像f 【x ，y ) 逐列相加后，再对其和进行一维傅立叶变换。对f ，y ) 也逐行相加后 对其和进行一维傅立叶变换的方法，能得到较准确的识别与分析结果。纵观这些 研究可以发现：机织物本身所具有的特征均末充分利用，即机织物通常是由两个 系统的纱线交织而成，并且织物内经、纬纱分别与布边平行和垂直，织物的物理 性能具有明显的各向异性，而以二维变换为基础的研究，未充分利用织物中经纬 纱系统本身所提供的信息，使得分析方法复杂化，识别