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

基于图像处理的 机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的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 必要研究代替人工对织物面料的纱线参数、组织编织结构进行有效自 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。然后通过分析织物图像亮度分布的特点，给出 测算经纬纱密度、经纬纱线细度的算法：利用小波变换对机织物透射 图像进行离散小波分解，获得反映织物经向与纬向信息的分解子图， 再对分解子图进行二值化、平滑化处理，去除织物变形和图像录入误 差等带来的影响，得到反映经、纬向纱线分布情况的二值化图，再通 过计算得到纱线的经、纬密度和纱线平均直径。并将它们的计算结果 与手工测量结果进行了比较和分析。 本文提出了织物组织结构识别的流程：首先通过分析图像在水 ； 平、垂直方向的亮度变化规律，确定纱线的交替处，从而确定组织点 位置；然后由自相关函数求出基本循环单元的大小，提取出基本循环 单元；再对基本循环单元中的组织点进行分类，提出了二次聚类的方 法：先根据不同位置组织点亮度变化规律的不同进行预分类，然后在 后处理中通过对基本循环单元进行边缘提取，确定在同一浮长线上的 组织点，对预分类结果进一步聚类得到经纬组织点的分布情况；最后 由组织点分布情况绘制出织物组织结构图。 对包含不同组织结构的复杂织物的结构识别问题，本文提出了先 对织物图像进行纹理分割，分割后可以得到单一组织结构的块、不同 块在织物中所占的比例和位置，进而可以对各块采用单一织物组织的 识别方法加以研究。本文分别研究了织物灰度图像和彩色图像的不同 纹理分割方法，对灰度图像采用基于纹理谱的纹理分割方法：对彩色 图像，在颜色聚类的基础上，综合颜色和空间信息进行分割；两种方 法都得到了较好的分割效果。 本论文所提出的上述技术路线和算法，都得到了可行性的验证， 取得了较好的效果，在该领域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突破性，对于复杂 织物的纹理分割算法也具有较好的实用价值。 关键字模式识别，图像处理，经纬纱密度，织物组织图，纹理分割 r e s e a r c ho nr e c o g n i t i o na n da n a l y s i s o fw o v e nf a b r i cs t r u c t u r ea n dp a r a m e t e r s b a s e do ni m a g ep r o c e ss 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 f t e x t i l ei n d u s t r y ，t h es t r u 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 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 n p a r a m e t e r s a n dw e a v es t r u c t u r eu s i n g d 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 p t h ef l o wa n d t e c h n i c a lr 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 em e t h o do ff a b r i ci m a g eg e t t i n ga n dp r e p r o c e s s i n g t 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 t r u c t u r e 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 i 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 w e f t ：d e c o m p o s et h ep r e - p r o c e s s e di m a g e s w i t hd i s c r e t ew a v e l e t t r a n s f o r m ，t h ed e c o m p o s e di m a g e si n c l u d el o n g i t u d ea n dl a t i t u d ef a b r i c i n f o r m a t i o n ，a d o p t i n gt h em e t h o do fd a t aa v e r a g et og e tr i do ft h ei m p a c t c a u s e db yf a b r i cd e f o r m a t i o na n ds c a ni m a g ed e v i a t i o n ，a n dt u r nt h e i m a g e si n t ob i n a r yi m a g e ，t h e nw ec a ng e tt h ew a r pa n dw e f td e n s i t i e s f r o mt h eb i n a r yi m a g e ，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 h y a r na v e r a g ed i a m e t e r i nt h ee n d ，w ec o n t r a s tt h er e s u l tg o tb ya l g o r i t h m w i t ht h er e s u l tc a l c u l a t e dm a n u a l l y i nt h i sw o r k ，w ep r o v i d e dt h ef l o wo ff a b r i cw e a v es t r u c t u r ea n a l y s i s a n dr e c o g n i t i o n - f i r s t ，f i n dt h ey a m sj u n c t i o nb ya n a l y z i n gt h eb r i g h t n e s s c h a n g e so fi m a g e si nt h eh o r i z o n t a la n dv e r t i c a ld i r e c t i o n s ，t h u sm a k i n gi t p o s s i b l et od e t e r m i n et h el o c a t i o no ft h ei n t e r s e c t i o np o i n t s ；t h e n ，a c q u i r e t h es i z eo ft h ew e a v er e p e a tu n i tw i t ha u t o c o r r e l a t i o nf u n c t i o n ，a n dg e tt h e w e a v er e p e a tu n i t ；t h e n ，c l a s s i f yt h ei n t e r s e c t i o np o i n t s ：d ot h ef i r s t c l a s s i f i c a t i o na c c o r d i n gt ot h ed i f f e r e n tb r i g h t n e s so fd i f f e r e n tp o s i t i o n s ， a f t e r w a r d ，i d e n t i f yt h ei n t e r s e c t i o np o i n t si nt h es a m ef l o a tt h r o u g he d g e e x t r a c t i o no ft h ew e a v er e p e a tu n i t ，t h u sc a nd i v i d e dt h ei n t e r s e c t i o n p o i n t si n t ot w oc a t e g o r i e s ：o n ei sw a r po v e rw e f t ，a n o t h e ri sw e f to v e r w a r p ；f i n a l l y ，d r a w i n gp a t t e r nd r a f ta c c o r d i n gt ot h ed i s t r i b u t i o no ft h e o nt h ei s s u eo fr e c o g n i t i o no fc o m p l e xf a b r i c si n c l u d i n gd i f f e r e n t s t r u c t u r e s ，p r o c e s st e x t u r es e g m e n t a t i o nt of a b r i ci m a g ea tf i r s t ；a f t e rt h a t w ec a ng e tr e g i o n si n c l u d i n go n es t r u c t u r e ，a l s oc a ng e tt h ep r o p o r t i o na n d p o s i t i o no fd i f f e r e n tr e g i o n s ；t h u sc a nu s i n gt h em e t h o d so fs t r u c t u r e r e c o g n i t i o nt oa n a l y z et h es i n g l er e g i o n w ep r o v i d e dd i f f e r e n ta l g o r i t h m s o ft e x t u r es e g m e n t a t i o nf o rf a b r i cg r a yi m a g ea n dc o l o ri m a g e ：u s et e x t u r e s e g m e n t a t i o nb a s e do nt e x t u r es p e c t r u mt op r o c e s sg r a yi m a g e ；f o rc o l o r i m a g e ，i n t e g r a t ec o l o ra n ds p a t i a li n f o r m a t i o nf o rs e g m e n t a t i o no nt h e b a s i so ft h ec o l o rc l u s t e r i n g ；t h e s et w oa l g o r i t h m sb o t hg a i n e d g o o d r e s u l t s t h et e c h n i c a lr o u t ea n da l g o r i t h m sw ep r o v i d e da b o v e ，h a v e g a i n e df e a s i b i l i t yv a l i d a t i o na n da c h i e v e a p p l i c a b l er e s u l t s ，h 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 rr e f e r e n c ei nt h ed o m a i n e s p e c i a l l yp a t t e r n d r a f tr 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 t h et e x t u r e s e g m e n t a t i o nm e t h o d so fc o m p l e xf a b r i c si sa l s ou s e f u la n dp r a c t i c a l k e yw o r d s ：p a t t e r nr e c o g n i t i o n ，i m a g ep r o c e s s i n g ，w a r pa n dw e f t d e n s i t i e s ，p a t t e r nd r a f t ，t e x t u r es e g m e n t a t i o n v 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 7 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：虐活凰 日期：娜7年f月坊日 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文。 保密口，在年解密后适用本版权书。 本学位论文属于 不保密口。 学位论文作者签名：杏右凰 日期：御年，月西日 扒厂 池 佃 铲肜 ， ： ) 名 年 签7。谧 jy、，- 刻 9 导 期 指 日 第一章绪论 1 1 课题意义 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# t - 弓1 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【l 】。 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，其不断发展与应 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的织物面料组织结构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【2 1 。因此，有必要研制能代替人工对各种织 物面料的类别、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检测识别，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【3 】。 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对个别的织物面料进行特征提取与识别。这 些技术与方法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。使系统能对纺织行业中纷繁复杂的 织物面料种类及组织结构进行有效识别与分析，从而使其具有更强的智能性、实 用性与适应性是一个值得研究的课题。这就须在现有的相关研究成果与系统功能 基础上，综合运用模式识别、图像处理等技术设计新的算法，解决现存研究中“片 面性”( 针对具体的某类面料的识别，而非各种面料) 的问题，使系统能真正在 纺织实践领域发挥其应用价值。这对提升纺织业的计算机应用与自动化水平，促 l 进整个纺织业的技术发展具有重要的意义。此外，使用计算机进行织物面料的自 动识别与分析可以排除测试分析工作中人为因素的影响，不但可以提高工作效 率，还可以保证分析的客观性和准确度。从而为我国的纺织业能够在国际竞争中 站稳脚跟，添加一份技术保障。另外，纹理本身就是图像学研究的一种重要图像 特征，对织物表面这一典型的纹理图像处理技术与算法的研究，也可对其他与纹 理图像相关领域的研究起到借鉴与指导作用。 其次，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，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。 最后，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。但是我们也要清醒的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。面料的自动识别与分析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的周期，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。 综上所述，织物面料的自动识别与分析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。 1 2 课题目标 本课题研究是在跟踪与吸收国内外最新研究成果的基础上，以提高算法正确 性、适应性、实用性为目标，运用计算机代替人工对各种织物面料的类别组织进 行识别以及对织物组织参数进行检测，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。 本课题主要研究以下几方面的内容： ( 1 ) 织物图像采集及预处理方法研究； ( 2 ) 测定、计算织物的经纬密度、细度等织物参数； ( 3 ) 织物组织结构特征的提取、组织结构的识别与表示方法的研究； 2 ( 4 ) 复杂织物组织识别方法的研究。 ， 1 3 织物参数分析概述 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， 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 4 。 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 纹织物的正面条格或花纹显著，均匀，清晰悦目；凸条和凸凹织物的正面紧密而 细腻的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，密度较小的为纬纱；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l o o 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 r n 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o 5 根计算，凡不足o 2 5 根的作0 2 5 根计算，超过0 2 5 根的作0 5 根计算，超过0 5 根的不足1 根的作0 7 5 根计算， 然后乘以2 倍，即为l o o m 内的纱线根数。 3 计算经纬纱特数：纱线的粗细用特数表示，它是1 0 0 0 m 的纱线在公定回潮 率( 纱线所含的水分与干净重的百分比) 时的重量克数，即t t ：1 0 _ 0 0 一g ，式中乃 l 是经纬纱的线密度；g 为在公定回潮率时的重量；三是纱线长度。当织物中纱线 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，若知道纱线 的直径，可以很据此换算关系概算出纱线的特数。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 率口，和纬纱缩率a w 之分。a l ：学幸1 0 0 ；a w ：毕掌1 0 0 ( 式中厶， - o j 1 - , o w- ( l 。) 是试样中经( 纬) 纱伸直后的长度，l j ( l 。) 是试样的经( 纬) 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 c 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 轻轻的将纱线平直，切不可使纱线产生伸长，然后量其长度。对多次测定的长度 求其平均值，带入上式计算而得口；和a 。，此种方法简单易行，但精确程度较差【5 】。 这里我们抽取了比较典型的并且可以通过织物的反射图和透射图( 后面有定 义) 获得的特征参数一经纬密度和纱线细度，对其进行计算机分析、测量并和人 工测量结果进行了比较。 1 4 织物组织结构分析概述 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。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。经纱和 纬纱在织机中互相浮沉，进行交织以形成织物，经纱和纬纱相互交错或彼此沉浮 的规律称为织物组织。经纬纱交叉处称为组织点，凡经纱浮在纬纱上，称经组织 4 点；凡纬纱浮在经纱上，称纬组织点。连续浮在纬纱上的经纱长度称为经浮长； 连续浮在经纱上的纬纱长度称为纬浮长。浮线的长短用组织点数表示。 经组织点和纬组织点的排列规律在织物中达到重复时的最小单元，称为一个 组织循环或一个完全组织。 1 4 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 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 nd 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澍4 】： a b 图l l 组织图表不法 ( 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又、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 经纱根数为尺，箭矢a 下面的纬纱根数为r 。，则r = r 。- 2 。 ( 2 ) 直线表示法： 如图1 1 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 5 帕交点代表个组织点，经组织点用0 ，x 等符号表示，纬组纵点则不填绘仟何 符呼。 描绘身i 织剧时，常常只需要出一个组彭 循环，因为每个组织循环的交织 规律都足相同的。在本课题巾我们采用方格表示池柬刈织物组纵结构进 r 拊绘， 在自动获取组织结构特征后，训算机自动牛成如图l2 ( 分别代表平纹、斜纹、 缎纹的组织矧) 所示的组织蚓束表h i 待以刖的织物组织结构。 f 纹 14 2 织物组织结构的分类 机8 1 , 1 ie i ； 、 的种类有蟓白【纵纵物、小花纹组l 织织物、复杂组织织物、大提花组 织织物n f 1 1 原组织： ( i ) 平纹组织、卜纹组织是所有织物组织中最简巾的种。罔l 一3 为、f 纹组 纵h 。 霹圈 幽i 3pf 甲纹组织受织示意蚓和组织斟 在、f 纹组织循环。h 其有2 根经纱和2 根纬纱，4 个组织点，其巾2 个经组 组织点，2 个纬组织点，凼为绎组织点数等于纬组织点数，所以织物的j f 反面没 有差异，闵此平纹组织属十同面组织。 1 平纹纽织i , r m 分式t 柬表示，其中分子表示经组织点，分母表示纬组织点。 爿哄称平纹组 ! i l 为lf 。 平纹组织的经纬纱每问隔根纱线就进行一次交织，凼此纱线在面料中的交 织晟频繁，厢曲最多。平纹织物面料f 反面的外观效应相同，表面平整，织物组 织紧密，质地降牢。因此在织物中应用最为广泛。 ( 1 1 1 斜纹组织斜纹组织的特点是组织图上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。 构成斜纹的一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，分了分母之和等十组织循环纱线数。在原组织的斜纹 分式中分子或分母必有个等于l 。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1 4 “斜纹 组织图”所示。 震圈 幽i4 一上r 右斜纹交织示意i j f i 和组织圈 1 缎纹组织缎纹组织是原组织中虽复杂的一种组织。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 7 蘑圈 鬻舀 鳓圜黼圈 霎髓 鬻田 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。 ( ) 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。 ( ) 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。 ( i i ) 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 物的上、下两层。连接上下两层的两侧，构成管状组织。连接上、下两层的一侧 构成双幅或多幅织物组织。 1 0 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 的连接在一起，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。 ( i v ) 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l o 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。 1 5 小结 本章首先分析了课题的意义，给出本论文要研究的主要问题；然后介绍了常 用的织物参数及其在纺织工业中的分析计算方法、织物组织结构的分类和表示方 法。论文后面各章将对织物参数计算和组织结构识别问题展开研究。 第二章课题相关理论与研究现状 2 1 模式识别 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的归入某 一类别【8 1 。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，如图2 1 所示： 训练过程 图2 1 模式识别系统流程图 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 1 2 像的数据量就更大。为了有效的实现分类识别，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予描述模式的结构，把模式的结构和语言的句法两 者之间的相似性加以引伸，使我们能够用一小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 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子模式和模式基元，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。 句法方法的模式识别系统框图如图2 2 所示。它由识别及分析两部分组成 【9 】，识别部分包括预处理、基元抽取和结构分析。预处理主要包括编码、滤波、 复原、增强及缝隙填补等一系列操作。基元抽取包括分割、特征( 基元) 抽取。 这部分在分割的过程中抽取基元并显示基元相互关系，以便利用子模式进行描 述。基元一定是模式的一部分，与统计识别中特征提取稍有不同，基元的选择要 考虑容易识别，所以基元不一定是模式中最小的基本元素，基元的选择要尽可能 多，而且容易被识别。 1 3 图 图2 2 句法模式识别系统框图 2 2 图像处理技术 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，主要应用的是计算机图像技术，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、绘制和生成，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、图像中目标的检测、表达和描述，目标特征的提取和测量，多幅图像 或序列图像的校正、配准，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【1 0 1 。 这些技术可根据其特点分为3 个既有联系又有区别的层次( 见图2 3 ) ：图像 处理、图像分析和图像理解。 抽 象 程 度 高 低 语 义 高层 中层 低层 1 4 目标 操 作 对 象 小 大 数 据 量 图2 3 图像- t 程层次图 图像处理着重强调在图像之问进行的变换，虽然人们常用图像处理泛指各种 图像技术，但狭义的图像处理主要指对图像进行各种加工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，图像处理是比较底层的操作，它主要在图像像素级上进行处 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，其处理过程和方法与人类的思维推理有 许多类似之处。另外如图2 3 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。 根据最新的对图像工程文献统计分类综述，当前主要研究的图像技术在图像 处理、图像分析和图像理解3 个层次中的分类情况如下表： 表2 一l 当前主要研究的图像技术 3 个层次 图像技术分类和名称 图像处理图像采集、获取及存储( 包括各种成像方法、摄像机校正等) 图像重建( 从投影等重建图像) 图像变换、滤波、增强、复原、接拼等 图像压缩编码 图像数字水印和图像信息隐藏 边缘检测、图像分割 目标表达、描述、测量( 包括二值图处理等) 图像分析目标颜色、颜色、形状、纹理、空间、运动等的分析 目标检测、提取、跟踪、识别和分类 人脸和器官的检测与定位 ( 序列、立体) 图像配准、匹配、融合 3 d 表示、建模、重构、场景恢复 图像理解 图像解释、推理( 包括语义描述、信息模型、专家系统等) 基于内容的图像检索 在图像处理领域近年来引入了一些新的理论并提出了一些新的算法，如小 波、分形、形态学、遗传算法、神经网络等，这些理论在未来图像处理理论与技 术上必将发挥更大的作用。图像处理如今已是各个学科竞相研究并在各个领域广 泛应用的一门科学，无论在理论上还是实践上都存在着巨大的潜力。 2 3 国内外在织物分析与识别领域的研究现状 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 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 1 6 频谱，使不同的频率成分在功率谱图中很好的反映出来。使有些在空间域中无法 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【1 5 】。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