（纺织科学与工程专业论文）基于数字图像处理的机织物结构参数识别.pdf

摘要 摘要 结构参数包括经纬纱特数、密度和织物组织，色织物还包括色纱排列参数。 ，除经纱和纬纱的特数确定通常采用取样称重、计算而得，其他参数目前仍 依靠专门的检测人员在放大镜等辅助设备的帮助下分析完成，这种人工分析机织物结构 参数的方法不仅耗时费力、效率低下，而且检测结果会受到测试人员的主观因素影响， 不同测试人员的检测结果可能出现较大差异。当| j 纺织生产已呈现小批量、多品种的发 展趋势，纺织工厂需要一种快速、准确的机织物结构参数分析方法。为此，本文研究如 何利用数字图像处理技术，实现机织物结构参数( 不包含经纬纱线特数) 的自动识别。 本文的研究主要涉及以下内容：机织物图像的自动纠偏理论与方法；机织物经纬纱 密度的自动识别；单色织物的组织识别；色织物的色纱排列、配色模纹图及组织的识别。 现将各章内容简要介绍如下： 第一章简要介绍论文的选题背景及意义。概述了国内外有关基于图像处理技术的机 织物结构参数自动识别的研究现状。分析了国内外研究存在的不足，并提出了研究色织 物结构参数自动识别的问题。 第二章涉及机织物图像的采集方法和纠偏理论。就采集机织物图像的扫描分辨率、 图像尺寸等参数选择进行了探讨。针对机织物图像采集存在着的偏斜问题，给出了自动 纠偏方法。 第三章实现了机织物纱线密度的自动检测。首先按照织物中色纱组成将织物分成单 色织物、单系统多色织物和双系统多色织物等三种类型，分别采用不同的方法完成三种 织物密度的自动测定。对于单色织物，基于h o u g h 变换完成织物中纱线偏斜角度的自动 检测，并利用灰度投影法完成织物图像中纱线的自动定位，从而实现单色织物纱线密度 的自动检测；对于单系统多色织物，利用f c m 算法在l a b 颜色空间下对织物进行分色， 使得截取的子图像中只含有一种或两种颜色的纱线，进而实现单系统多色织物纱线密度 的自动检测；对于双系统多色织物，利用彩色梯度图像对纱线的边缘信号进行增强，并 采用灰度投影法和互相关分析法完成双系统多色织物纱线密度的自动检测。 第四章涉及单色织物组织的自动识别。首先基于纱线分割结果完成组织点的定位， 提取每个组织点的灰度均值及其方差特征，灰度共生矩阵的能量、熵特征，利用f c m 算法结合上述特征参数对组织点进行初步识别。然后以组织点的初步识别结果为基础， 提出采用b p 神经网络和组织数据库两种方法完成织物组织的最终识别，分析实例表明 两种方法都有着较好的织物组织识别效果。 第五章实现了色织物配色模纹图的自动识别。在识别过程中，首先利用双系统多色 织物密度检测的方法完成纱线和组织点的定位，提取每个组织点的颜色特征，然后基于 f c m 算法完成色纱数目的自动提取和组织点的颜色分类，最后基于组织点的颜色分类 结果得到色织物的配色模纹图。 第六章涉及色织物的色纱排列参数和组织的自动识别。给出了两者识别方法，方法 一是基于色织物图像直接识别出色纱排列参数，首先利用f c m 算法，在l a b 颜色空间 摘要 下对色织物图像进行自动分色，然后遍历分色后的子图像，判断出每根纱线的颜色，得 到经纱和纬纱的排列参数，完成经纬色纱周期的自动提取，得到色纱排列参数。方法二 是基于配色模纹图识别出色纱排列参数识别，分别采用遗传算法和逻辑分析法完成基于 配色模纹图的色纱排列参数的识别。 在完成配色模纹图和色纱排列参数识别后，利用色纱排列、配色模纹图和织物组织 之间的关联性，自动求解出组织点经纬属性，实现色织物组织的初步识别，再利用组织 数据库方法完成色织物组织的最终识别。 第七章对全文进行了总结和展望。给出了本文的主要进展及存在的问题，对基于图 像处理的织物结构参数识别的进一步研究提出了建议。 关键词：机织物；经纬纱密度；组织；配色模纹图；计算机；图像；神经网络；遗 传算法；聚类算法；h o u g h 变换；f o u r i e r 变换。 i i - l _ _ _ _ _ _ 一一 a b s t r a c t 。1 。一 a b s t r a c t t h ew o v e nf a b r i cp a r a m e t e r si n c l u d i n gt h ec o u n ta n dd e n s i t yo fw a r pa n dw e f ty a m s f a b r i c p a t t e r n ，a n dt h el a y o u to fc o l o ry a m so fy a m d y e df a b r i c ，a r et h eb a s i ci n f o r m a t i o nf o rt h e p r o d u c t i o ni nt h et e x t i l ee n t e r p r i s e t h ec o u n to fw a r pa n dw e f ti sm e a s u r e dw i t hw e i g h i n g m e t h o d ，a n do t h e rp a r a m e t e r sa r eo b t a i n e db yt h ei n s p e c t o r sw i t hat e x t i l em a g n i 劬n gg l a s s m a n u a la n a l y s i si sn o to n l yt i m e - c o n s u m i n ga n dl a b - i n t e n s i v e ，b u tt h er e s u l t sa r ei n f l u e n c e d b yt h es u b j e c t i v ef a c t o r so ft h ei n s p e c t o r s t h e r em a yb ed i f f e r e n c eb e t w e e nt h er e s u l t so f d i f f e r e n ti n s p e c t o r s t h e r e f o r e ，t h ee n t e r p r i s e sh a v ead e s i r a b l ed e m a n df o ra no b je c t i v ea n d a c c u r a t er e c o g n i t i o ns y s t e m ，w h i c hc a no b t a i nt h ew o v e nf a b r i cp a r a m e t e r sw i t hh i g hs p e e d ， t os a t i s f yt h en e e do ff l e x i b l ep r o d u c t i o n i ti st h ep u r p o s eo fo u rr e s e a r c ht ou t i l i z ei m a g e a n a l y s i sa n da r t i f i c i a lt e c h n i q u e st oc o n s t r u c ta na u t o m a t i cr e c o g n i t i o ns y s t e mf o rt h ew o v e n f a b r i cp a r a m e t e r se x c 印tf o rt h ec o u n to fw a r pa n dw e f ty a m t h ep a p e ri n c l u d e ss o m em a i nc o n t e n t s ：t h et h e o r yo fs k e wr e c t i f i c a t i o nf o rw o v e nf a b r i c i m a g e ；t h ea u t o m a t i ci n s p e c t i o no fw o v e nf a b r i cd e n s i t y ；t h ea u t o m a t i cr e c o g n i t i o no fs o l i d c o l o rw o v e nf a b r i cp a t t e r n ；t h ea u t o m a t i cd e t e c t i o no ft h el a y o u to fc o l o ry a m s ，t h ec o l o r e f f e c ta n dt h ew o v e nf a b r i cp a t t e r no fy a m d y e df a b r i c t h ec o n t e n tf o re a c hc h a p t e ri sb r i e f l y i n t r o d u c e da sf o l l o w s ： i nc h a p t e r1t h eb a c k g r o u n da n ds i g n i f i c a n c eo ft h e t o p i c s e l e c t i o no ft h et h e s i si s i n t r o d u c e db r i e f l y t h er e s e a r c ho ft h er e c o g n i t i o no fw o v e nf a b r i cp a r a m e t e r sb a s e do n d i 百t a li m a g ea n a l y s i sh o m ea n da b r o a di ss u m m a r i z e d t h ec o n t e n ta n dm e t h o do fc u r r e n t r e s e a r c ha r ei n t r o d u c e d t h er e s e a r c hm e t h o d sa r ed i v i d e di n t od i f f e r e n tg r o u p sw h i l et h e m a j o ra c h i e v e m e n ta n dt h ed i s a d v a n t a g e sa r ed e s c r i b e ds i m u l t a n e o u s l y t h es o l i dc o l o rf a b r i c a n dy a m d y e df a b r i c sa r ea d d e di n t on o r m a lw h i t ef a b r i c sa st h er e s e a r c ht o p i c si nt h i st h e s i s i nc h a p t e r2t h ei m a g ea c q u i s i t i o na n dt h et h e o r yo fs k e wr e c t i f i c a t i o no ff a b r i ci m a g ea r e i n t r o d u c e d t h ed e m a n d so ft h ef a b r i ci m a g eu s e di nt h i sr e s e a r c ha r ea n a l y z e df i r s ta n dt h e r e s o l u t i o na n dt h es i z eo ft h ec a p t u r e df a b r i ci m a g ea r ed e t e r m i n e d a st h ef a b r i ci m a g e sa r e c a p t u r e d ，t h es k e wr e c t i f i c a t i o ni s i n t r o d u c e da sap r e - p r o c e s s i n gp r o c e d u r ef o rt h e r e c o g n i t i o no fw o v e nf a b f i cp a r a m e t e r s t h et e c h n o l o g i e so fs k e wr e c t i f i c a t i o nf o rl o w t i g h m e s sw h i t ef a b r i c ，h i g ht i g h t n e s sw h i t ef a b r i c ，s o l i dc o l o rf a b r i c ，y a m d y e df a b r i ca l e a n a l y z e ds e p a r a t e l y n ee x p e r i m e n t a lr e s u l t so fd i f f e r e n tm e t h o d sa r eg i v e ns i m u l t a n e o u s l y t h em e t h o du s e di sf i n a l l yc h o s e nb a s e do nt h ee x p e r i m e n t a lr e s u l t i nc h a p t e r3t h ea u t o m a t i ci n s p e c t i o no fw o v e nf a b r i cd e n s i t yi sd e s c r i b e d t oi n s p e c tt h e w o v e nf a b r i cd e n s i t y , t h ef a b r i c sa r ed i v i d e di n t ot h r e ec a t e g o r i e sa c c o r d i n gt ot h ek i n d so f c o l o ry a m s ：s o l i dc o l o rf a b r i c s ，s i n g l e s y s t e m - m r l a n g ef a b r i c sa n dd o u b l e - s y s t e l l l m 6 1 a n g e f a b r i c s t h ed e n s i t yo ft h et h r e ek i n d so ff a b r i c si si n s p e c t e dw i t hd i f f e r e n tm e t h o d s a u t o m a t i c a l l y t oi n s p e c tt h ed e n s i t yo fs o l i dc o l o rf a b r i c s ，h o u g ht r a n s f o r mi sa d o p t e dt o d e t e c tt h es k e wa n g l e so fw a r pa n dw e f ty a m s g r a y - p r o j e c t i o nm e t h o di st h e nu s e dt ol o c a t e t h ey a m sa n dt h ed e n s i t yi st h e n a u t o m a t i c a l l yi n s p e c t e d t oi n s p e c tt h ed e n s i t yo f s i n g l e - s y s t e m - m r l a n g ef a b r i c s ，af c ma l g o r i t h mi su s e dt oc l a s s i f yt h ec o l o r si nt h ef a b r i c i m a g eb a s e do nl a bc o l o rs p a c e n es u bi m a g ef r o mt h ec l a s s i f i c a t i o nr e s u l t si n c l u d e so n l y i i i a b s t r a c t o n eo rt w ok i n d so fc o l o ry a m s t h ed e n s i t yo fs i n g l e s y s t e m - m r l a n g ef a b r i c sc a l lt h e nb e i n s p e c t e d f r o mt h e y a ms e g m e n t a t i o n r e s u l t s t o i n s p e c t t h e d e n s i t y o f d o u b l e s y s t e m - m r l a n g ef a b r i c s ，c o l o r - g r a d si m a g ei sf i r s t l yp r o p o s e dt oe n h a n c et h ee d g e i n f o r m a t i o no ft h ey a m s g r a y - p r o j e c t i o nm e t h o da n dc r o s sc o r r e l a t i o nc o e f f i c i e n tb a s e d m e t h o da r ea d o p t e dt oi n s p e c tt h ed e n s i t y i nc h a p t e r4t h ew o v e n p a t t e r no fs o l i dc o l o rf a b r i c si sr e c o g n i z e d t h ey a ms e g m e n t a t i o n r e s u l t si nt h ed e n s i t yd e t e c t i o na r eu s e dt ol o c a t et h ef l o a t sf i r s t ，a n dt h e naf c ma l g o r i t h mi s p r e s e n t e dt or e c o g n i z et h ef l o a t sb a s e do nt h e s ef e a t u r e s ：t h ea v e r a g ev a l u e a n dt h ev a r i a n c e v a l u e so ft h ef l o a t ，t h ee n e r g ya n dt h ee n t r o p yo b t a i n e df r o m 孕a yo c c u r r e n c em a t r i x 。b p n e u r a ln e t w o r ka n dp a t t e r nd a t a b a s ea r eu s e dt or e c o g n i z et h ew o v e np a t t e r nb a s e do nt h e f l o a tr e c o g n i t i o nr e s u l t s t h ee x p e r i m e n t a lp r o v e st h a tb o t ht h em e t h o d sc a nr e c o g n i z et h e f a b r i cp a t t e r nc o r r e c t l y i nc h a p t e r5t h ec o l o re f f e c to fy a m - d y e df a b r i ci sr e c o g n i z e d f i r s t l y , t h ef l o a t sa r el o c a t e d w i t ht h ey a ms e g m e n t a t i o nr e s u l ti nt h ed e n s i t yd e t e c t i o no fd o u b l e s y s t e m - m r l a n g ef a b r i c s t h 锄t h ec o l o rf e a t u r e so ft h ef l o a ta r et h e ne x t r a c t e dt oc l a s s i f yt h ef l o a t sw i t haf c m a l g o r i t h m t h en u m b e ro fy a m c o l o r si so b t a i n e ds i m u l t a n e o u s l yw i t hc l u s t e rv a l i d i t ya n a l y s i s a tl a s t ，t h ec o l o rp a t t e r nc a nb eo b t a i n e df r o mt h ef l o a tc l a s s i f i c a t i o nr e s u l t s t h er e p e a tu n i t o ft h ec o l o rp a t t e r r r - - c o l o re f f e c ti se x t r a c t e d i nc h a p t e r6t h el a y o u to fc o l o ry a m sa n df a b r i cp a t t e r no fy a m - d y e df a b r i ca r er e c o g n i z e d a u t o m a t i c a l l y t h er e c o g n i t i o no ft h el a y o u to fc o l o ry a m sb a s e do nf a b r i ci m a g ei sf i r s t l y p r o p o s e d af c ma l g o r i t h mi su s e dt oc l a s s i f yt h ec o l o r so ft h ef a b r i ci m a g ei n l a bc o l o r s p a c ef i r s t t h el a y o u to fc o l o rw a r p sa n dw e f t sa r e o b t a i n e da f t e rt r a v e r s i n ga l lt h es u b i m a g e sa n dd e t e r m i n i n gt h ec o l o ro ft h ey a m s t h er e p e a tu n i to ft h el a y o u to fc o l o rw a r p s a n dw e f t sc a l lb ef i n a l l yo b t a i n e dw i t ht h ep e r i o de x t r a c t e dm e t h o d w h e nt h ec o l o re f f e c ti s g i v e n , g e n e t i ca l g o r i t h ma n dl o g i c a la n a l y s i sa r eu s e dt or e c o g n i z et h el a y o u to fc o l o ry a m s r e s p e c t i v e l y t h ee x p e r i m e n t a lp r o v e st h a tt h em e t h o d sc a nc o m p l e t et h er e c o g n i t i o no ft h e l a y o u to fc o l o ry a r n s 、矾lt h er e l a t i o nb e t w e e nt h el a y o u to fc o l o ry a m sa n dt h ec o l o re f f e c t ，t h ef l o a tt y p ei nt h e c o l o re f f e c tc a l lb ep a r t l yd e t e r m i n e d t h ep a t t e r nd a t a b a s ei su t i l i z e dt or e c o g n i z et h ew o v e n p a t t e r no fy a m - d y e df a b r i cf i n a l l y i nc h a p t e r7as u m m a r yi sm a d et od e s c r i b et h em a i ne o n t r i b u t i o n sa n dt h ep r o b l e m so ft h e p r e s e n tw o r k t h ea d v i c eo f t h ef u t u r ew o r ko ft h er e c o g n i t i o no fw o v e nf a b r i cp a r a m e t e r si s g i v e na tl a s t k e y w o r d s ：w o v e nf a b r i c ；f a b r i cd e n s i t y ；w o v e np a t t e r n ；c o l o rp a t t e r n ；c o m p u t e r ；i m a g e ； n e u r a ln e t w o r k ；g e n e t i ca l g o r i t h m ；c l u s t e r i n ga l g o r i t h m ；h o u g ht r a n s f o r m ；，f o u r i e rt r a n s f o r m i v 目录 目录 摘要i a b s t r a c t i i i 第一章绪论。1 1 1 研究背景和意义l 1 2 图像处理技术在机织物结构参数识别上的研究与应用1 1 3 1 国外研究现状、水平和发展趋势2 1 3 2 国内研究现状、水平和发展趋势3 1 3 3 织物结构参数识别方法分类5 1 3 4 织物结构参数识别存在的主要问题5 1 3 研究目标、研究内容和创新点6 1 3 1 研究目标6 1 3 2 研究内容6 1 3 3 创新点6 参考文献7 第二章织物图像的获取及纠偏1 1 2 1 织物图像的采集1 l 2 2 织物图像的纠偏1 l 2 2 1 白织物图像的纠偏l l 2 2 2 色织物图像的纠偏1 7 2 3 纱线偏斜角度检测以2 0 2 4 本章小结2 3 参考文献。2 3 第三章机织物经纬纱密度的自动识别2 5 3 1 引言。2 5 3 2 单色织物经纬纱密度的自动测定2 6 3 3 单系统多色织物经纬纱密度的自动测定3 0 3 4 双系统多色织物经纬纱密度自动测定3 5 3 5 本章小结4 l 参考文献4 2 第四章单色织物组织的自动识别4 3 4 1 简单白织物组织识别4 3 4 2 其他单色织物组织识别4 7 4 2 1 基于f c m 算法的组织点识别4 7 4 2 2 基于b p 神经网络的织物组织识别5 0 4 2 - 3 基于组织数据库的织物组织识别5 8 目录 4 3 本章小结6 3 参考文献一6 3 第五章色织物配色模纹图的自动识别6 5 5 1 引一占6 5 5 2 色织物组织点分割6 5 5 3 色织物组织点颜色特征提取和分类7 0 5 4 色织物的配色模纹图自动识别7 0 5 5 本章小结7 3 参考文献7 3 第六章色织物的色纱排列参数和组织的识别7 5 6 1 基于h s l 和l a b 颜色空间的色织物图像分色7 5 6 2 基于色织物图像的色纱排列参数自动识别8 2 6 3 基于配色模纹图的色纱排列参数自动识别8 9 6 3 1 基于遗传算法的色纱排列参数自动识别8 9 6 3 2 基于逻辑分析法的色纱排列参数自动识别9 6 6 4 色织物组织的自动识别1 0 2 6 4 1 色织物组织点属性判别1 0 2 6 4 2 色织物组织识别1 0 3 6 5 色织物结构参数识别流程图和识别实例1 0 5 6 6 本章小结1 0 6 参考文献1 0 6 第七章结语与展望1 0 9 7 1 本文的研究成果1 0 9 ( 一) 机织物图像的自动纠偏理论与方法1 0 9 ( 二) 机织物经纬纱密度的自动识别1 0 9 ( 三) 单色织物的组织识别。10 9 ( 四) 织物配色模纹图的自动分析1 0 9 ( 五) 色纱排列参数的自动识别1 1 0 ( 六) 色织物组织的自动识别i1 0 7 2 需进一步研究的内容1 1 0 ( 一) 纱线非平直状态下的定位i1 0 ( 二) 复杂组织的结构参数识别11 0 ( 三) 机织物结构参数识别系统1 1 0 到c 谢1ll 附录：作者在攻读博士学位期间发表的论文1 l2 第一章绪论 第一章绪论 1 1 研究背景和意义 机织物结构参数包括经纬纱线特数、密度和织物组织，色织物的色纱排列参数，是 纺织企业进行生产的重要依据，其中经纬纱线特数主要依据称重法进行取样测量、计算 得到，而其余参数主要由专门的检测人员在放大镜等辅助设备的帮助下分析完成。人工 分析完成机织物结构参数识别存在以下缺点：( 1 ) 检测过程耗时耗力，效率低下；( 2 ) 检 测结果受到测试人员检测习惯等主观因素影响较大，不同测试人员之间的检测结果可能 会出现较大差异；( 3 ) 检测结果与测试人员的身体、精神状态有关，在不同时间的检测结 果也可能不同。 当前纺织生产已呈现小批量、多品种的发展趋势，纺织工厂需要一种快速、准确的 机织物结构参数分析方法。为此，本文研究如何利用数字图像处理技术，实现机织物结 构参数( 不包含经纬纱线特数) 的自动识别。 从2 0 世纪8 0 年代开始，国外就有学者开始尝试利用数字图像处理技术实现机织物 结构参数的自动识别，经过2 0 多年的研究，已经取得许多成果。我国研究人员从2 0 世 纪9 0 年代初开始织物结构参数的自动识别研究，研究单位主要集中在高校，如东华大 学、江南大学、天津工业大学、浙江大学、苏州大学等都就织物经纬纱密度识别、组织 识别等方面作过相关的理论研究。但由于织物品种繁杂和结构的复杂性，目前国内的研 究大多仍处于理论分析阶段，而且不够系统和深入，很多方面有待突破，近年来出现的 研究成果较少，因此有必要对机织物结构参数识别的研究内容加以深入并对研究范围加 以拓展，以供将来构建完善的机织物结构参数识别系统使用。 1 2 图像处理技术在机织物结构参数识别上的研究与应用 数字图像处理最早出现于2 0 世纪5 0 年代，到2 0 世纪6 0 年代逐渐发展为- - i 1 独立 的学科，所谓数字图像处理就是指将图像信号转换为数字信号，并利用计算机对其进行 处理的过程。近年来，随着硬件和图像处理技术的快速发展，其应用逐渐拓展到医学、 航天航空、工业、通信、军事、艺术等各个行业。在纺织行业中，数字图像处理技术的 研究和应用也越来越多，如利用处理技术实现纤维种类【1 翻，竹节纱【3 5 】、织物疵剧岳、 异纠1 2 - 13 1 、织物褶驯1 4 1 、起毛起蝌1 5 1 引、印花织物花鲥1 9 2 2 】的识别。 机织物的结构参数包括纱线细度、织物经纬纱密度、织物组织以及色织物的色纱排 列、配色模纹图等，这些参数是企业进行生产的重要依据。在根据来样进行生产的过程 中，织物结构参数主要由人工分析完成，这一过程耗时费力且容易受到主观因素的影响。 从2 0 世纪8 0 年代开始，国外就有研究人员尝试采用图像处理技术完成机织物结构参数 的自动识别，经过国内外2 0 多年的研究，已经有一系列成果出现。现对国外及国内有 关织物结构参数识别研究现状、水平及发展进行综合分析，为便于叙述，将大陆、香港、 台湾及中国学者所发的非中文论文也放在国外研究现状里面加以叙述。 江南大学博+ 学位论文 1 3 1 国外研究现状、水平和发展趋势 1 9 8 6 1 9 8 9 年，a k i y a m a 等【2 3 - 2 4 】就利用机织物的衍射照片对机织物组织进行分析， 通过测量照片上的亮点的大小和间隔，以判别出织物的组织类型。以三原组织为例，织 物的基本结构可以从衍射照片中相邻两根经纱和纬纱组成的单元中获得，而织物经纬纱 密度可以从计算单元中的峰点数得到。 1 9 8 9 1 9 9 0 年，w o o dej 2 5 - 2 6 】采用f o u r i e r 变换及相关函数，对地毯织物进行分析。 通过提取织物的模式特征，对地毯的外观进行评价，得到较为满意的结论。 1 9 9 5 年，r a v a n d isah 等【27 】利用f o u r i e r 变换对平纹织物图像进行分析，从角度谱 分布信息中判断出织物纹理的方向，并通过功率谱的f o u r i e r 逆变换得到织物的纱线间 隔、经纬纱线密度等参数。 1 9 9 6 年，x ub 2 8 】利用二维f o u r i e r 变换技术，对三原组织的特征进行分析。通过对 不同组织类型的织物图像功率谱中的主频进行分析，得到频谱图分布规律与织物组织的 对应关系。在频谱图中选择主峰值，得到经纬纱的重构图像，计算出织物的密度，文中 还对纱线偏斜度进行分析。 1 9 9 6 2 0 0 3 年，m i l l a nms 掣2 9 。3 1 】等利用图像技术构建了基本织物模型，并利用 f o u r i e r 变换技术先对机织物模型进行分析，提取出织物基本组织单元，并提出最小重复 单元的概念。最后通过实际织物的测试，证明了基于织物模型提出的织物组织识别方法 的正确性。 1 9 9 9 年，k a n g tj 掣5 3 】利用c c d 彩色摄像机配合图像采集卡完成织物图像的采集， 文章中采用透射和反射两种图像来识别机织物组织。首先利用透射图像来定位纱线和经 纬组织点，通过自相关函数来决定经纬纱循环数。通过组织点的长宽比来决定组织点上 的经纬纱线交织状态。文中还在h s v 颜色空间下，结合织物的反射图像来完成色纱种 类和排列参数的自动识别。 2 0 0 0 年，h u a n gc c 等【5 6 】利用图像处理技术来识别机织物组织，并给出了对应的织 物组织图。在识别机织物组织的同时，根据纱线定位的结果，计算出织物经纬纱密度。 文章首先通过织物图像水平和垂直投影曲线中的峰点来实现纱线位置的划分，并同时实 现了组织点的定位。结合组织点和纱线交织时的几何特征形态实现了组织点经纬属性的 自动识别。 2 0 0 2 年，l i nj 【5 l 】基于灰度共生矩阵来检测机织物的密度。通过采用不同步长，利 用织物图像中构建不同的灰度共生矩阵，并计算出其特征值。通过特征值的周期性，检 测出织物的密度参数。实验结果表明，这种方法对平纹织物适应较好，对斜纹和缎纹织 物适应较差。 2 0 0 3 年，j e o nbs 等【5 7 】引入神经网络知识，结合图像处理技术来对织物组织进行分 类。文中首先采集机织物表面反射图像，利用自相关函数来决定织物的完全组织中纱线 循环数。最后引入矢量学习神经网络来识别织物组织，实验结果表明该方法能够实现三 原组织的准确识别，并能同时获得纱线间隙，经纬纱线比例等参数。 2 0 0 3 2 0 0 4 年，l a e h k a ra 掣降5 5 j 将机织物结构参数识别分成组织点定位和组织点性 2 第一章绪论 质判别两部分完成。文中首先对织物图像进行f o u r i e r 变换，将其从空间域转换到频域， 然后选择其中代表经纱和纬纱频率部分对织物图像进行重构，并对纱线边缘进行细化， 从而实现经纬纱线和织物组织点的自动定位。在组织点属性识别时，文中采用的方法与 k a n g tj 等【”】提出的方法类似，利用组织点的长宽比对组织点属性进行判别，最后利用 文中提出的方法对三原组织织物进行了成功识别。 2 0 0 4 年，k u oc fj 等【5 8 j 利用彩色扫描仪采集织物表面反射图像，并利用形态学处 理方法对织物图像进行增强处理。通过确定织物图像水平和垂直投影曲线中的波谷，实 现了纱线和组织点的定位。提取织物组织点的一阶和二阶四个灰度统计特征值，基于 f c m 算法对这些组织点进行分类，实验结果证明这种方法能够实现三原组织的自动识 别。 2 0 0 5 年，j e o n gyj 等【4 9 j 利用灰度投影法从织物的反射图像中定位出经纬纱线，从 而识别出经纬纱线密度。文中利用了灰度投影法识别了单色织物及一些简单的色织物的 密度，对检测过程中定位纱线时所采用的一些滤波器进行了介绍，并将这种方法的与基 于f o u r i e r 变换织物测量密度的方法进行了比较。 2 0 0 8 年，z h a n gx 等【3 3 】利用f c m 算法，结合图像处理技术实现了纱线号数的自动 识别。基于模糊聚类结果实现纱线条干和纱线间隙的比例测量，确定纱线的投影直径， 计算出纱线的号数，并通过实验结果证明了所采用方法的j 下确性。 2 0 0 9 年，t u nakm 等【5 0 】基于f o u r i e r 变换，获得织物图像的频谱图，通过选择频 谱图的水平中心和垂直中心区域对织物图像进行重构，使得重构图像中只