（服装设计与工程专业论文）服装面料外观品质分析技术研究.pdf

学位论文的主要创新点 一、首次提出了具有多特征、智能自适应性、模糊性的“超模糊” 特征模型，具有计算量小、对疵点表现快速准确、对图像质量要求不 高、识别疵点种类广泛且不需要进行预先训练等特点； 二、首次提出了“灰度分布波 模型，构建了基于粗糙集理论的 “超模糊 特征智能自适应机制。计算机在识别疵点时可根据具体情 况自动调整，选择最优匹配的“超模糊 特征组合，简化了计算量， 提高了识别速度和智能性； 三、首次提出智能自适应窗口划分算法。计算机在划分窗口时能 根据灰度分布波确定最佳窗口大小和位置，减少了计算量，增加了识 别的速度、准确性及智能性； 四、首次提出“均对比度”分特征，可对集中型、狭长型疵点及 部分不规则型疵点较好的显现；首次提出了“突变值”分特征，可对 狭长型疵点较好的显现； 五、首次构建了基于粗糙集的“超模糊 分类器，使窗口在“超 模糊特征的基础上正确归类，疵点能被快速准确的判定； 六、首次提出了距离差值矩阵模型及相关评价指标，对服装面料 的纹理均匀度进行评价。 中文摘要 本文对服装面料外观品质分析技术进行研究。重点探讨借助计算机对服装面 料疵点进行动态检测的理论算法模型，同时对服装面料的纹理均匀度评价也进行 了初步研究。 针对目前服装面料疵点检测算法普遍存在模型复杂、计算机量大、分析速度 慢、识别疵点种类不够广泛的不足，本文通过对人眼视觉过程的重新分析，指出 了其识别快速准确的关键原因是具有模糊性、多特征性及自适应性，并模拟人眼 的这种功能提出了一套新的基于粗糙集理论的“超模糊”算法，以解决类似服装 面料图像异常区域识别这类问题。 首先从通用的角度建立了“超模糊”算法的理论模型，给出了“超模糊 特 征模型、“超模糊”窗口自适应划分算法的数学描述，并对“超模糊 分类器的 构建及封装在其中的相关算法如窗口合并算法、窗口分级算法及疵点合并算法等 做了详细阐述。同时对“超模糊”算法的特点进行了总体分析。 然后深入讨论“超模糊”算法在服装面料疵点识别方面的应用。构建了三维 灰度窗口特征变化图，通过大量实验遴选并新建了能识别不同疵点的多种分特 征，据此给出了具体的服装面料疵点识别“超模糊”特征，并详细分析了其重要 属性：1 ) 因子变化可对“超模糊”特征产生重要影响；2 ) 多特征的融合效果能 使疵点特征变异增强、正常区域特征值变化平缓，有利于准确识别；3 ) “超模糊” 特征对有限模糊的图像仍然具有一定识别能力。 进一步提出了“灰度分布波”模型，给出以此为基础的“超模糊”特征智能 自适应算法，可根据不同的面料图像特点即时“模糊”调整“超模糊”特征的组 合；仍以“灰度分布波”为基础，阐述了“超模糊”窗口智能自适应划分及所构 建的“超模糊”分类器的工作原理。同时也介绍了面料疵点轮廓提取的方法。 通过实验及分析得出结论：“超模糊算法具有模型简单、运算量小、识别 速度快、识别准确性高及识别疵点种类广泛的优点，并且具有不用计算隶属度且 不用进行预先训练的“模糊”智能自适应性。 本文还提出了一种新的距离差值矩阵模型构建纹理均匀度指标，用于评价服 装面料的纹理质量。给出了偏移值公式及综合评价值公式，并通过实例进行了验 证，得出该模型可较好对面料纹理均匀度评价的结论。 关键词：服装面料品质疵点纹理均匀度分析 英文摘要 r e s e a r c ho na p p e a r a n c eq u a l i t y a n a l y s i sf o rc l o t h i n gf a b r i c i nt h i s p a p e r , a p p e a r a n c eq u a l i t ya n a l y s i s o f c l o t h i n g f a b r i ci ss t u d i e d t h e o r e t i c a la l g o r i t h mm o d e lo fd y n a m i cd e t e c t i n gf o rf a b r i cd e f e c t sb yc o m p u t e ri s d i s c u s s e d m a i n l y , a n dt e x t u r eu n i f o r m i t ye v a l u a t i o no fc l o t h i n gf a b r i ci sa l s o r e s e a r c h e dp r e l i m i n a r i l y a i m i n ga ts o m ed i s a d v a n t a g e s ，s u c ha sc o m p l e xm o d e l ，l a r g ec o m p u t a t i o nl o a d ， l o wa n a l y s i ss p e e da n dn o te n o u g he x t e n s i v er e c o g n i t i o nc a t e g o r yo fd e f e c t s ， u n i v e r s a le x i s t e di nn o w d e t e c t i n ga l g o r i t h m sf o rc l o t h i n gf a b r i cd e f e c t s ，t h i sp a p e r p o i n t s o u tt h a tt h e k e y r e a s o no fr e c o g n i t i o na c c u r a c ya n ds p e e di s f u z z y , m u l t i f e a t u r ea n da d a p t a b i l i t yb yh u m a nv i s i o np r o c e s s a n a l y s i s s i m u l a t i n gt h i s f u n c t i o no fh u m a nv i s i o n ，t h i sp a p e rp r o p o s e sa n e w s u p e rf u z z y a l g o r i t h mb a s e do n r o u g hs e tt h e o r yt os o l v es u c hp r o b l e ma sa b n o r m a lr e g i o nr e c o g n i t i o no fc l o t h i n g f a b r i ci m a g e f i r s t ，at h e o r e t i c a lm o d e lo f f s u p e rf u z z y a l g o r i t h mf r o mg e n e r a la n g l ei s c o n s t r u c t e d ，c h a r a c t e r i s t i cm o d e lo ft h i s s u p e rf u z z y a n dm a t h e m a t i c a ld e s c r i p t i o no f a d a p t a b l ep a r t i t i o n i n ga l g o r i t h mo f s u p e rf u z z y w i n d o wa r eg i v e n c l a s s i f i e r c o n s t r u c t i o no ft h i s s u p e rf u z z y a n ds o m ec o r r e l a t i o na l g o r i t h m s ，s u c ha sw i n d o w c o m b i n e da l g o r i t h m ，w i n d o wh i e r a r c h i c a la l g o r i t h ma n dd e f e c tc o m b i n e da l g o r i t h m ， a r ed i s c u s s e di nd e t a i l e d a l s oc h a r a c t e r i s t i c so ft h i s s u p p e rf u z z y a l g o r i t h ma r e c a r r i e do u to v e r a l la n a l y s i s t h e n ，s u p e rf u z z y a l g o r i t h ma p p l i c a t i o no nd e f e c tr e c o g n i t i o no fc l o t h i n gf a b r i c i sd i s c u s s e dt h o r o u g h l y c h a r a c t e r i s t i c c h a n g eg r a p ho f3 dg r a yw i n d o wi s c o n s t r u c t e d ，m a n yc o n s t i t u e n tf e a t u r e sf o rd i f f e r e n td e f e c t sr e c o g n i t i o nb ym a n y e x p e r i m e n t a ls e l e c t i o n si se s t a b l i s h e d t h e r e f o r e ，c o n c r e t e s u p e rf u z z y f e a t u r e so f f a b r i cd e f e c tr e c o g n i t i o na r eg i v e n ，a n dt h e i rm a i na t t r i b u t e sa r ed i s c u s s e di nd e t a i l ：1 ) f a c t o rc h a n g ec a ne x e r ta ni m p o r t a n ti n f l u e n c et o s u p e rf u z z y c h a r a c t e r i s t i c s ；2 ) f u s i o ne f f e c to fm u l t i c h a r a c t e r i s t i cc a nm a k ed e f e c tc h a r a c t e r i s t i cv a r i a t i o ns t r o n g ， m a k ec h a r a c t e r i s t i cv a l u ec h a n g eo fn o r m a lr e g i o n s l i g h t ，a n db ee a s yt o e x a c t r e c o g n i t i o n ；3 ) s u p e rf u z z y c h a r a c t e r i s t i cs t i l lh a sc e r t a i nr e c o g n i t i o na b i l i t yt oi m a g e w i t hf i n i t ef u z z y t h e n ，at 莎a yd i s t r i b u t i n gw a v e m o d e li s f u r t h e rp r o p o s e d o nt h eb a s i so ft h i s m o d e l s u p e rf u z z y c h a r a c t e r i s t i c i n t e l l i g e n ta d a p t a b l ea l g o r i t h m 1 s g l v e n c h a r a c t e r i s t i cc o m b i n a t i o no f t h i s s u p e rf u z z y c a nb ea d j u s t e di m m e d i a t e l y a c c o r d i n gt od i f f e r e n tf a b r i ci m a g e sf e a t u r e s i n t e l l i g e n ta d a p t a b l e p a r t i t i o no f 。s u p e r 舵z v ，w i n d o wa n dw o r k i n gp r i n c i p l eo f s u p e rf u z z y c l a s s i f i e ra r ed i s c u s s e d a tt h e s a l n et i m e s i l h o u e t t ee x t r a c t i o nm e t h o do f f a b r i cd e f e c t si si n t r o d u c e d f i n a l l y ，a f t e re x p e r i m e n t sa n da n a l y s i s ，r e s u l t sa r ec o n c l u d e dt h a t s u p e rf u z z y 7 a l g o r i t h mh a sm a n ya d v a n t a g e sa sf o l l o w i n g ：m o d e l i ss i m p l e ，c o m p u t a t i o nl o a d1 s s m a l l r e c o g n i t i o ns p e e di sf a s t ，r e c o g n i t i o na c c u r a c yi sh i g ha n dd e f e c tr e c o g n i t i o n c a t e g o r yi se x t e n s i v e ，a n dt h i sa l g o r i t h md o e sn o t n e e dt oc a l c u l a t et h em e m b e r s h i po t s u p e rf u z z y i n t e l l i g e n ta d a p t a b i l i t y i na d d i t i o n , t h i sp a p e rp r o p o s e san e wd i s t a n c e d i f f e r e n tm a t r i xm o d e lt o c o n s t m c tt e x t u r eu n i f o r m i t yi n d e xa n de v a l u a t et h et e x t u r eq u a l i t yo fc l o t h i n g f a b r i c s ， g i v e so f f s e tf o r m u l aa n dc o m p r e h e n s i v e e v a l u a t i o nv a l u ef o r m u l a a l lt h e s ea r et e s t e d b vm a n ye x a m p l e s ，a n dc o n c l u s i o n ss h o wt h a tt h i sm o d e lc a ne v a l u a t ef a b r i ct e x t u r e u n i f o r m i t yb e t t e r k e y w o r d s ：c l o t h i n g ，f a b r i c ，q u a l i t y , d e f e c t ，t e x t u r eu n i f o r m i t y , a n a l y s i s 目录 第一章绪论l 1 1 课题的研究意义l 1 2 服装面料疵点识别技术国内外研究现状3 1 3 纹理均匀度的研究现状8 1 4 目前研究存在的问题9 1 5 本文研究的主要内容1 0 第二章“超模糊”算法描述1 3 2 1 算法总体思路。1 4 2 2 “超模糊”特征模型1 9 2 3 “超模糊”窗口划分。2 5 2 4 图像疵点区域的确定2 9 2 5 图像疵点的形状提取3 3 第三章服装面料特征分析3 7 3 1 实验方法简介3 8 3 2 疵点的重新分类4 0 3 3 面料图像的数字化表示一4 3 3 4 现有灰度特征对服装面料疵点的表现效果4 9 3 5 新提出的面料灰度特征5 3 3 6 本章结论5 7 第四章“超模糊”特征的确立5 9 4 1 “超模糊”特征的具体确定5 9 4 2 “超模糊”因子变化的影响分析6 5 4 3 “超模糊”特征的融合现象一7 7 4 4 “超模糊”特征在图像有限模糊时的表现力8 4 4 5 本章结论8 7 第五章基于粗糙集的“超模糊”特征自适应8 9 5 1 自适应的基础灰度分布波的构建9 l 5 2 基于粗糙集的自适应决策9 8 5 3 本章结论1 0 4 第六章窗口划分与疵点的确定1 0 5 6 1 自适应窗口划分1 0 5 6 2 疵点的“超模糊”分类器1 1 2 6 3 疵点的形状提取1 1 7 6 4 本章结论1 2 0 第七章整体算法验证1 2 1 7 1 结果1 2 1 7 2 与其它主要算法的对比1 2 3 7 3 本章结论12 6 第八章面料纹理均匀度的评价1 2 7 8 1 评价模型1 2 8 8 2 评价公式与结果1 3 0 8 3 本章结论1 3 2 第九章总结1 3 3 9 1 本文的主要贡献1 3 3 9 2 本文存在的问题及进一步研究方向1 3 4 参考文献1 3 5 在学期间发表的论文及科研工作1 4 3 至5 【谢1 4 5 第一章绪论 1 1 课题的研究意义 第一章绪论 我国是服装生产大国，服装工业在我国一直占有举足轻重的地位，是国民经 济的重要支柱，并且在相当长的一段时间仍然会保持这个地位。服装工业不仅是 我国出口创汇、满足内需及拉动经济的重要产业，而且由于其劳动密集特点及整 体行业的庞大规模，该行业已成为我国解决劳动力就业的重要渠道。服装企业的 经营好坏对稳定经济、扩大就业及维护社会安定团结起着重要作用。目前为应对 全球经济危机，国家提出扶植振兴纺织服装工业的措施更体现了该行业在我国的 重要性。因此，提高服装工业的生产效率使其在市场上保持较强竞争力是科研工 作者的首要任务。 服装工业的一个重要环节是服装面料的生产。我国服装面料生产企业众多， 所生产的面料种类也多种多样，可满足消费者的各种需求。服装面料的质量优劣 会对服装成品的质量产生重要影响，在很大程度上影响了服装生产的成本和经济 效益。因此，企业非常重视对服装面料的质量控制，在生产中都设置有面料外观 品质评价这一质量检测环节。可以说，服装面料质量检测环节是服装面料生产企 业良好发展的一个重要保障，其检测效率不仅关系到企业的整体生产效率及效 益，也关系到企业的产品质量及经营信誉。 长期以来，服装面料质量检测这一环节几乎完全是依靠人眼观察运动面料而 进行。检测过程中检测人员眼睛极易疲劳，一般2 0 分钟后就不能准确观察面料的 各个区域。同时，检测结果与检测人员的经验技术水平也有很大关系，不同的检 测人员对同一匹面料的检测往往检测的结果不同。对于有些指标，例如面料的纹 理均匀度，依靠人工则更是根本无法完成。所有这些问题的存在造成了服装面料 质量检验过程即耗费人工，又浪费时间，且检测结果不准确，极大的影响了企业 的生产效率和产品质量控制力。因此，服装面料企业迫切希望寻求现代化手段代 替人工对面料进行外观品质检测，实现质量检测的数字化生产，大幅度提高面料 的检测速度和准确率，提升企业的整体效率和经济效益。 2 0 世纪8 0 年代开始，日本、美国、韩国等国的一些学者首先投入到这方面的 探索中，希望借助计算机系统对面料疵点进行识别，期间个别公司也推出了面料 外观品质分析系统，代替人工完成对面料疵点的检测和识别。但是尽管如此，资 料显示到目前为止国际国内还没有一套真j 下能应用于企业、识别疵点种类多、识 别速度快、造价低廉的面料疵点自动识别设备出现。 随着纺织服装制造业重心大规模转入中国，n 2 0 世纪9 0 年代术，面料品质计 天津j ：业大学博士学位论文 算机图像分析技术的研究在中国也逐渐开始进行。但资料显示，中国国内的学者 在这方面的研究虽然逐渐增加，但至今也没有出现较为成熟的研究成果和产品。 综合来看，国际上虽有极少的面料疵点计算机检测系统出现，但普遍存在的 问题是造价昂贵、可识别的疵点种类少、可识别的面料质量参数少，并且识别准 确性难以保证。有些设备更是基于光学原理，大量运用硬件技术，配置复杂难以 维护。所以，这些系统都无法在服装面料企业中真正应用，不但在中国无法销售， 在国外售出的也寥寥无几，与企业对该设备的强烈需求形成鲜明对比。而对于国 内，到目前为止也未见报导有成熟的面料疵点检测系统问世。 造成这种现象的根本原因是到目前为止，还没有一套成熟的计算机识别算法 对服装面料外观品质进行分析识别。正是基于此情况，本文对此展开研究，借助 计算机图像分析技术，重点对服装面料的疵点识别进行探讨，提出新的思路，从 理论上建立一套较为完善的服装面料疵点识别算法。同时为完善服装面料的品质 评价，也对面料纹理均匀度进行了探索。我们希望本文的研究能为后续的服装面 料检测设备的开发提供有益的理论支持，以探索解决这一对国民经济有重大影响 的科技难题。 本课题的研究符合国家扶持传统企业信息化改造的政策，也符合近期国家提 出振兴纺织服装行业的精神，具有重要的研究价值和意义。课题的研究可为相关 检测设备的开发提供理论指导，使企业的数字化生产得以发展前进。能提高产企 业的生产效率和经济效益，使纺织服装企业有更好的利税和发展空间，为国民经 济和扩大就业做出贡献。因此，该课题具有良好的应用前景。 本课题的研究重点是借助计算机技术对面料的疵点进行识别，同时也初步讨 论了对服装面料外观质量评价有重要意义但企业依靠人工无法完成的纹理均匀 度指标的评价。在对面料疵点识别的研究中，本课题另辟思路，从简单实用、快 速准确的角度出发，提出了全新的基于粗糙集理论的整套“超模糊”算法理论以 解决动态面料疵点识别问题。该算法在特征提取和识别方法方面进行创新，提出 了“超模糊”特征及“超模糊”窗口自适应划分方法，使计算机对服装面料的识 别过程更加智能、快速和准确，并且所识别的疵点类型更加广泛，为解决动态面 料疵点识别这一难题提供了新的理论基础。同时，“超模糊”算法具有较强的适 用范围，可应用到其它行业的在线动态质量检测中，如玻璃、钢材、皮革、造纸 等行业，具有较好的推广前景。在研究中，本课题也希望“超模糊”算法能对模 式识别及数字化生产方面的理论发展也有一定的推动作用。 另外，本课题还对面料纹理均匀度的评价做了初步探讨。提出了差值矩阵模 型及相关指标，在充分利用疵点识别时所采集的图像数据的基础上，快速对服装 面料的总体纹理质量做出评价。 2 第一章绪论 1 2 服装面料疵点识别技术国内外研究现状 1 2 1 面料识别算法的研究现状 目前国内外面料疵点识别的研究方法主要有两大类：以硬件为主的研究和以 软件即计算机图像分析技术为主的研究。以硬件为主的研究在上世纪9 0 年代计算 机技术普及之前产生，主要通过光学元件n m 刳、电子电路眵1 以及大量计算机硬件 完成对面料疵点的识别。例如光反射系统、光衍射系统、光栅系统、光敏元件、 传感器、电路系统、单片机、多c p u 系统等。这种方法一般通过硬件的组合直接 确定疵点的位置，所涉及的计算机图像处理理论较少。该方法普遍速度较快，但 由于需要复杂高端的硬件部件，使设备的造价极为昂贵。并且该方法缺乏灵活性， 面料组织和疵点种类稍有变化，硬件设备就得更换，识别的准确率就会大打折扣， 很多对光源不敏感的疵点更是无法识别。因此以硬件为主的研究至少到目前没有 较大实用性，所开发的设备缺乏应用前景，文献显示已很少有学者在此方面继续 进行研究。 以软件为主的研究是随着计算机技术的日益成熟而产生的。这种方法不主要 依赖硬件设备，而是重点从计算机图像分析技术方面研究面料疵点的识别。该方 法避免使用大量昂贵的硬件部件，可使设备的造价大幅度下降，因此具有广阔的 应用前景，是近二十年来的主要研究方向。 以软件为主的面料疵点识别算法研究总体上可分为两种：第一种是基于空间 域的方法，指将图像灰度值进行提取并采用一定方法分析识别。其基础为图像每 个像素的灰度，该类算法主要有几何法、共生矩阵法、神经网络法、概率统计法、 模糊聚类算法等。 ( 1 ) 几何法：几何法主要是从数学几何形态的角度寻找疵点，其依据是疵 点的形状。例如文献 4 采用这种方法对面料的疵点形态进行了研究，提出了不 变匹配几何形状来对疵点进行分类识别。文献 5 将疵点几何形状描绘成几何对 象的距离差来识别疵点。文献 6 采用提取对象的数学形态学对疵点进行分析识 别。然而疵点形状干变万化，几何形态这个依据显然非常不稳定，识别疵点很难 达到准确，并且依据形态将疵点从正常区域提取的算法也牵扯到大量计算，从而 降低了该算法的识别速度。 ( 2 ) 共生矩阵法：共生矩阵法一度成为分析纹理特征结构的基本方法。总 体思路是提取面料图像的灰度建立多维特征矩阵，从矩阵中分析疵点的位置和形 状。如文献 7 通过对灰度共生矩阵法优缺点的分析，提出了基于类别共生矩阵的 方法，该方法比已有的灰度共生矩阵计算量小，并具有更突出的分辨纹理和疵 想。 ( 3 ) 神经网络法：神经网络法一度成为研究热点，多种神经网络模型被应 用到面料的疵点识别中。文献 1 2 - 文献e 1 6 在这方面做了很多工作，采用不同 的神经网络模型对疵点进行识别。其中文献 1 2 采用后向传播的神经网络系统对 面料疵点进行分类，文献 1 3 则采用神经网络退火算法实现疵点的识别，文献 1 4 则采用b p 特征设计特征的自动识别器。文献 1 5 采用神经网络与遗传算法结合的 方式对疵点进行识别，文献 1 6 将窗口分割技术与神经网络相结合对面料疵点进 行识别。虽然神经网络法接近人工识别过程，引发了学者们的研究兴趣，但其计 算量超大，并且需预先训练学习，不仅使操作变的复杂，而且速度过慢，识别静 态面料有时都需要很长时间，无法适应高速动态面料的检测。 ( 4 ) 概率统计法：概率统计法是模式识别领域中的一个重要方法，依靠对 不同灰度值的概率分析确定疵点的位置。文献 1 7 卜文献 1 9 对此进行了研究。 文献 1 7 1 采用的是一种主要的概率统计法一贝叶斯概率统计法估计图像的倾斜 程度以判断疵点，文献 1 8 给出了一种无监督无先验概率的概率统计识别方法， 文献 1 9 则将概率统计与熵结合识别疵点。由于要计算并对比所有灰度值的概 率，并且过多依赖图像质量，所以概率统计法存在识别速度和准确性问题。 ( 5 ) 模糊聚类法：模糊聚类算法属于面料疵点识别中比较新的方法，研究 的学者相对较少，本文作者也对此做过一定研究。其最大优点就是不用进行预先 学习，并且在模糊中求精确的思路使之可识别的范围较广。但由于要预先计算隶 属度，所以聚类的计算量也很大，并且聚类的不稳定及依赖图像质量较多，使该 方法也存在识别速度慢和准确性不高的问题。例如文献 2 0 采用c m e a n s 模糊聚 类方法识别面料纹理特征，文献 2 1 采用模糊聚类与共生矩阵相结合对纹理特征 进行识别等。 ( 6 ) 其它方法：在空间域法中也有其它的方法出现。文献 2 2 等对面料疵 点图像进行迭代阈值分割求取其链码，从而计算得到疵点的各项特征参数以识别 面料疵点；文献 2 3 等研究了基于局部熵的面料疵点检测方法；文献 2 4 采取马 4 第一章绪论 尔科夫随机场法，首先对没有任何疵点的面料图像进行训练，得到表示该种面料 纹理的g m r f 参数，然后通过对图像分块计算g m r f 参数与参考指标的“距离”，以 确定图像块是否存在疵点。此外还有灰度直方图统计法乜别、灰度匹配法哺1 、规 律分析法瞳7 1 等方法对疵点及纹理特征进行识别。虽然这些方法相关的文献较少， 并非主流算法，但是其中的部分思想是非常值得借鉴的，例如灰度直方图统计法， 可以启发我们通过对灰度级别的统计来分析图像的大概情况。 第二种是频域法，指将图像转换成各种波谱进行分析以识别疵点的过程。该 方法是为了弥补空间域方法识别面料特征值不够全面、边缘增强效果差、难以精 细刻画面料局部特征信息而产生的。它的思想是将面料图像通过一定方法转换成 各种频谱，通过提取频谱特征值，并且找出这些特征值与面料各个特征值的对应 关系，最终完成对面料的计算机自动分析。频域法主要包括三种方法：傅里叶算 法、g a b o r 算法及小波算法 ( 1 ) 傅里叶算法：傅里叶是频域法中最初的研究热点，它采用傅罩叶变换 函数将图像转换成频谱，通过提取频谱特征以识别面料图像疵点。傅里叶是一种 全局方法，在图像静态时具有较高的识别正确率，具有优异的频率分辨率。但它 却有着很差的时间分辨率，不能提供任何局部时间段上的频率信息，所以用于提 取动态图像信号的特征通常效果不佳，因而几乎无法实现在线检测，很难在实际 生产中应用。文献 2 8 、 2 9 及 3 0 均在较早时期对采用傅里叶算法识别疵点做 了探讨，文献 3 1 及 3 2 还对傅里叶变换尝试做了一些改进以克服其缺点。 ( 2 ) g a b o r 算法：随着学者对傅立叶算法在疵点识别领域所存在缺陷的认识， 进而不断对傅里叶变换进行改进，出现了g a b o r 变换算法。g a b o r 变换属于加窗傅 里叶变换，可以在频域不同尺度、不同方向上提取相关的特征。另夕b g a b o r 函数 与人眼的生物作用相仿，所以在纹理识别上取得了较好效果。g a b o r 变换同时具 有在空间域和频域中的最佳定位精度，其g a b o r 滤波器不仅可以灵敏地检测到面 料图像频率成分的变化，而且可以在空间域中精确地定位此变化的位置。具有代 表性的g a b o r 算法在面料疵点的应用见文献 3 3 - 3 5 。文献 3 3 中提出了一种优 化的g a b o r 变换算法以识别面料疵点，文献 3 4 设计了一种基于g a b o r 变换的疵点 自动检测系统，文献 3 5 研究了基于g a b o r 变换的复杂图像特征提取方法。虽然 g a b o r 变换改善了傅里叶变换的缺陷，一定程度上具有动态窗口处理能力。但其 仍然面临巨大计算量的问题，使在线检测难以顺利实施。另# b g a b o r 算法能够识 别疵点的种类并不广泛，对微小斑点、狭长型疵点及很多复杂疵点识别仍然不够 准确。 ( 3 ) 小波算法：小波变换的概念是由法国从事石油信号处理的工程师 j m o r l e t 在1 9 7 4 年首先提出的。它是一个时阳j 和频率的局部变换，因而能有效的 天津j 【：业人学博十学位论文 从图像中提取信息，通过伸缩和平移等运算功能对函数进行多尺度细化分析，解 决了傅里叶变换不能解决的许多困难问题。小波算法是近期面料疵点研究的热 点，有大量的国内外相关文献对此进行了讨论。例如文献 3 6 采用小波变换对含 有疵点的面料图像进行正交分解以识别面料疵点；文献 3 7 研究了自适应小波在 疵点检测中的应用，以小波滤波器系数和面料纹理图像构成代价函数，并进行相 应处理以寻求面料疵点；文献 3 8 采用小波变换与神经网络相结合的方式对无纺 布的疵点进行识别；文献 3 9 提出复杂小波系数并建立图像纹理模型；文献 4 0 运用不完全树型小波包与高斯分布相结合的方式对纹理特征进行分类和分割。国 内学者刘建立、左宝齐h 4 2 1 将神经网络及小波变换相结合以识别面料疵点，取得 了一系列成果。李立轻、黄秀宝h 3 儿4 钔等人在采用小波变换识别面料疵点方面做了 大量工作，先后有多篇论文发表。李立轻在其博士学位论文中对小波变换在面料 疵点识别方面的应用进行了详细讨论h 5 l 。祝双武m 4 7 1 也对离散小波变换在面料疵 点的应用方面做了大量的工作。其他一些学者如袁晔h 8 1 、方俊h 9 | 、于海武嘲1 、王 学文洲等也采用不同的小波变换函数对面料疵点进行识别研究。在近年的国际会 议中，也有新的学者畸2 儿钏畸5 3 加入到采用小波变换研究面料疵点识别这一课题 中。小波变换在一定程度上克服了傅里叶及g a b o r 变换的一些缺点，一度被学者 认为是较有前景的面料疵点识别算法。但其仍然具有计算量大及识别疵点种类不 够广泛的问题，并且面料图像在转换成频谱后仍然需要特征的二次识别过程，使 该算法的识别速度大大减缓，因此小波变换至今仍很难应用到实际的在线检测环 节中。 对于频域法，无论是傅里叶变换、滤波算法还是小波变换，虽然将图像变换 后有些疵点很清楚的显现出来，但是对很多疵点这些变换是十分不敏感的，也就 是图像进行频谱变换后这些疵点特征变异并不能被显现出来以供进一步识别；再 者频谱变换涉及到复杂的变换函数，其计算量往往大的惊人，严重影响了识别速 度，使之应用受到限制；更重要的，即便在对图像进行频谱变换后，也面临着二 次识别波谱特征的问题，想要对波谱特征识别准确并不是一件容易的事情，往往 需要浪费很多时间，这也影响了识别速度和准确性。 1 2 2 已有的服装面料疵点检测设备 虽然国际已经出现了个别的面料疵点自动检测设备，但由于面料疵点识别算 法的不完善，从本文所搜集的文献资料来看，这些设备大多功能简单，而且价格 十分昂贵，难以达到推广应用。 以色列埃尔博特( e v s ，e l b i tv i s i o ns y s t e m s ) 公司上世纪8 0 年代曾研制出 了i t e x 系列面料自动检验系统，用于检测单色、简单组织面料。该设备能检测 6 第一章绪论 面料的最大宽度达3 3 9 c m ，可识n , j , n o 5 c m 的疵点，探测速度达3 0 0 m m i n 嘟1 。在 i t m a 9 9 上，e v s 公司展出了i - t e x 2 0 0 0 验布系统，该系统可以检测出空洞、错纬、断 经、油污等面料疵点 。该设备运用了大量光学设备完成检测工作，硬件配备极 为复杂，计算机图像分析识别技术应用较少，并且造价极为昂贵，目前我国尚无批 量销售。只有山东德棉股份有限公司曾在2 0 0 3 年从e v s 公司购买了2 套i t e x 系统， 价格约为2 5 万美元套嘞1 。这样的价格无论是中国还是国外实力雄厚的企业都难 以负担，因此该产品并没有多大市场。瑞士乌斯特( u s t e r ) 公司1 9 8 7 年在巴黎展 览会上展出了该公司的验布系统，但由于受当时计算机等各项技术限制始终没有 取得好的进展。近两年分别在北京、上海举办的世界纺织机械博览会上，该公司 展示了最新开发的自动验布系统。该设备是一种面料接触式扫描系统，安装有2 - 8 只特制高分辨率的线扫描c c d 摄像机，采用神经网络技术判别疵点。为了提高速 度，该设备采用了2 5 0 个奔腾处理器并行处理图像。该设备能检验坯布、匹染面 料、粗斜纹布、长丝面料、丝绸面料的疵点，检测面料幅宽为l1 0 4 4 0 c m ，最高 分辩能力可达n o 3 c m ，速度能达到1 2 0 m m i n 以上。然而该设备同样配件复杂价 格昂贵，最麻烦的是该设备在检验前必须采用大量时间对正常面料进行预学习， 因此在企业实际生产中需要根据每匹布选择正常区域进行预先学习，无形中降低 了生产效率。另外，其识别结果依赖所学习的坯布质量，若所学习的坯布各方面 参数不够标准，则识别准确率无法得到保证。还有，该系统只能对简单组织的面 料进行识别，对稍微复杂组织的面料和印花面料则无法正确检测。比利时巴可 ( b a r c o ) 公司c y c l o p s 验布系统则是将扫描头安装在织机上，监测织造过程中发现 的严重疵点以减少坏布的产生。该系统采用了价格昂贵的中型计算机，并且专为 b a r c o 公司的s y c o t e x 织机而设计，在生产过程中以控制面料质量，不能单独应用 于面料质量检测环节，具有很大的局限性。德国0 p d i x 光电子技术公司也开发了 面料自动检测系统。该设备将力学和光学原理相结合，采用传感器对正在织造的 面料进行检测，可对污物、破洞、断经、断纬、跳纱、结子、接结疵和色疵等疵 点进行识别，但其同样面临造价昂贵、识别面料种类少、识别疵点类型少、识别 速度慢的缺陷。文献 5 9 介绍了一种智能面料在线识别系统的开发模型，但并未 见有相关实物的具体报导。 到目前为止，国内还未见有企业生产出面料疵点识别设备的报导。一些高校 例如东华大学、江南大学、西安工程大学、河北科技大学等在这方面做了大量的 工作，取得了丰硕的研究成果，但各种文献资料显示还未见有实际产品出现。专 利文献 6 0 介绍了一种基于计算机图形识别原理的纺织织机在线品质监测方法， 采用标准样与待检样对比的方法完成面料的检测，但未见该专利应用的相关产品 出现。除此以外，国内还未见有面料疵点设备的相关专利出现。浙江、安徽等地 7 天津1 ：业人学博十学位论文 有机构在网络等媒体上发布研制出动态面料疵点识别系统的信息，但经我们联系 查证，其设备并未生产出来，只是初步专利申请或是项目的介绍而已，其研究尚 停留在理论阶段。 1 3 纹理均匀度的研究现状 面料外观品质分析技术还包括色差均匀度评定、起毛起球评价、纹理均匀度 评价等几个方面。由于色差大都在不同匹次的面料间出现，所以对同匹面料的在 线色差评定并没有多大意义，不在本文的研究范围。起毛起球大多是在面料服用 一段时期后才出现，只有个别的厚重面料出厂时需要检测该指标，所以面料质量 检验环节对起毛球指标进行检验的普及性不强，本文对该项指标也不进行研究。 纹理均匀度则是很多企业关注的面料质量指标，能表示面料在纹理方面的质 量状况。纹理均匀度指面料经纬纱线排列的疏密均匀程度，该指标好坏与面料整 体质量有密切关系，其评判是面料质量检验的一个重要内容。然而生产中该指标 的检验往往被省略，原因是该指标的检验需要观察和细致分析面料整个长度内的 纹理状况，人工检验过程太过烦琐，不但耗时，而且容易出错。只有在纹理均匀 度出现很大差异能用肉眼明显看出时才被发现，这对面料质量的检验造成极大的 疏漏。因此该指标的检测依靠人工是无法办到的，需要动态自动检测系统来完成。 本文在研究计算机自动检验面料疵点时，将面料纹理均匀度的评判作为一项功能 包含在自动检测系统中，使计算机系统能在线快速准确评判出面料的纹理均匀 度。 目前对面料纹理均匀度的研究文献很少，主要集中在对面料纹理特征的研 究，其中的一些思想和理论对纹理均匀度的研究有一定的借鉴作用。面料纹理特 征的识别研究大致也可分为空间域分析法和频域分析法。空间域分析法通过提取 图像的灰度值并进