（计算机科学与技术专业论文）织物组织识别系统中关键技术的研究.pdf

摘要 随着机织物c a d 技术的发展，人们迫切需要提高织物仿样或改样设计的智 能化，以适应多品种小批量的市场需求。如何利用计算机图像处理技术来分析织 物的组织类型与结构参数，是计算机辅助织物分析与设计系统的关键所在。本文 针对其中的关键环节开展研究工作，取得的研究成果包括： 在织物图像预处理的研究上，本文提出了一种基于h o u g h 变换的图像倾斜 纠正与纬纱密度识别算法。在织物图像录入过程中难免存在图像倾斜，需要对其 进行调整。针对这一问题，本文提出了一种适用于织物图像的快速倾斜纠正算法。 该算法在提取图像中的纬纱走向信息的基础上，运用层次h o u g h 变换来检测倾 斜角度，以达到要求的检测精度。利用倾斜检测结果，本文还提出了一种与倾斜 无关的纬纱密度识别算法。该算法通过提取倾斜角处的投影轮廓线得到纬密排列 规律，由此来计算纬纱密度。实验结果表明，上述算法具有较高的准确率。 在织物组织识别问题的研究上，本文提出了一种适用于纬二重组织的半自动 识别算法。传统的组织分析算法多是针对灰度织物图像进行分析，且局限于单层 组织识别。本算法以彩色图像为研究对象，将纬= 重组织的识别问题分解为单层 组织的识别与整合。在单层组织识别中，首先采用降色算法对经纬组织点进行预 分割，然后根据实际织物中经纬纱线各自的分布特点给出了不同的分割方法，最 后获得组织图。由于本算法着重考虑了非理想的经纬纱线分布状态，因此比传统 识别算法具有更好的实用性。 在织物组织分割问题的研究上，本文首先提出了一种基于颜色和空间信息的 分割算法。该算法利用颜色分布的均匀性度量来判断像素是否位于组织区域边 界，再利用种子生长和区域合并策略将它们划分到不同组织区域中。针对该算法 在边界定位上的不足，本文进一步提出了一种基于活动轮廓线模型的纹理分割算 法。与传统分割算法相比，结合水平集方法的活动轮廓线模型更适合于具有复杂 拓扑边界的区域分割问题。在特征提取部分，本算法以降维的g a b o r 滤波响应和 颜色特征来组成彩色纹理特征向量，并采用非线性扩散滤波对它进行平滑。在特 征分割部分，本算法采用改进的多区域活动轮廓线模型，使轮廓线在区域竞争项 和像素错分惩罚项的共同约束下收敛至区域边界。另外，本算法采用有监督的方 式，来保证对小面积组织以及相似组织的辨识。实验表明，基于活动轮廓线模型 的方法能更好地适用于提花织物的组织区域划分。 综合上述算法，本文实现了一个面向领带组织花样分析与识别的原型系统。 该系统的设计参考了人工分析的流程，其中各模块的核心就是本文所研究的各个 算法。同时，系统提供了工艺处理模块，支持用户对组织意匠图进行修改编辑、 i i i 设置工艺参数，最后生成直接用于生产的纹板文件。本原型系统的开发旨在提高 织物组织分析与识别过程的智能化水平，是机织物的计算机辅助组织分析系统研 究的有益探索。 关键词：织物组织、组织识别、倾斜检测、降色、纹理分割、活动轮廓模型、 水平集方法、非线性扩散 i v a b s t r a c t w i t ht h ed e v e l o p m e n to fc o m p u t e ra i d e dd e s i g nt e c h n i q u eo fw o v e nf a b r i c ， i n t e l l i g e n t i z a t i o no ff a b r i ci m i t a t i v ed e s i g na n dr e d e s i g ni sr e q u i r e du r g e n t l yt ob e i m p r o v e d , i no r d e rt om e e tt h en e wm a r k e tn e e d so fl i t t l eb a t c ha n dl a r g et y p e s t h e k e yp r o b l e mi nc o m p u t e r - a i d e dw e a v ei d e n t i f i c a t i o nf o rw o v e nf a b r i ci s ：h o wt o a u t o m a t i c a l l yi d e n t i f yt h ew e a v ep a t t e r n sa n dp a r a m e t e r so ft h ew o v e nf a b r i cs a m p l e b yu s i n gd i g i t a li m a g ea n a l y s i s s o m ee f f o r t sh a v eb e e np e r f o r m e do ns e v e r a lk e y i s s u e si nt h i sd i s s e r t a t i o n t h em a i nc o n t r i b u t i o n so f t h i sd i s s e r t a t i o ni n c l u d e ： o nt h es t u d yo ff a b r i ci m a g ep r e p r o c e s s i n g , t h i st h e s i sp r o p o s e sa na l g o r i t h mf o r s k e wd e t e c t i o na n dw e f ty a md e n s i t yr e c o g n i t i o nb a s e do nh o u g ht r a n s f o r m s i n c e t h es k e wi si n e v i t a b l ed u r i n gs c a n n i n gf a b r i cs a m p l e ，t h es c a n n e di m a g es h o u l db e a d j u s t e d t os o l v et h i sp r o b l e m , w ep r o v i d eaf a s ts k e wd e t e c t i o na n dc o r r e c t i o n a l g o r i t h mf o rf a b r i ci m a g e b a s e do nt h ew e f td i r e c t i o ni n f o r m a t i o ne x t r a c t e df r o mt h e i m a g e ，h i e r a r c h i c a lh o u g ht r a n s f o r mi su s e dt oe s t i m a t et h es k e wa n g l et og e ta s a t i s f y i n gp r e c i s i o n i nt e r m so ft h ep r e v i o u sr e s u l t , an o v e la l g o r i t h mt oi d e n t i f yt h e w e f td e n s i t yi sa l s oi n t r o d u c e d , w h i c hi sn o ta f f e c t e db yt h ei m a g es k e w t h i s a l g o r i t h mp i c k c su pt h ep r o j e c t i o np r o f i l eo ft h es k e wa n g l ew h i c hr e p r e s e n t st h e a r r a n g e m e n to fw e f ty a r n s ，a n dt h e nc a l c u l a t e st h ew e f td e n s i t y t h ee x p e r i m e n t a l r e s u l t ss h o wt h eh i g ha c c u r a c yo f o u ra l g o r i t h m o nt h es t u d yo f i d e n t i f y i n gw e a v ep a t t e r n sa n dp a r a m e t e r s ，t h i st h e s i sp r o p o s e sa m e t h o dt os e m i - a u t o m a t i c a l l yi d e n t i f yd o u b l e - l a y e rw e f tw o v e nf a b r i c t h et r a d i t i o n a l i m a g e - b a s e da l g o d t h m so n l ya i ma ts i n g l e - l a y e rf a b r i ca n dg r a yi m a g e t h es t r e n g t h o fo u ra l g o r i t h mi st oi d e n t i f yd o u b l e l a y e rf a b r i cb yc o l o rf a b r i c i m a g e ，w h i c h r e g a r d st h ed o u b l e l a y e rw e a v ep a t t e r na sac o m b i n a t i o no fs e v e r a ls i n g l e - l a y e r w e a v e s f o rt h es i n g l e l a y e rw e a v ei d e n t i f i c a t i o n , as e r i e so fc o l o r i n l a g e p r e ，p r o c e s s i n gt e c h n i q u e s a r e a d o p t e df i r s t l y , i n c l u d i n g c o l o rr e d u c t i o na n d m o r p h o l o g yo p e r a t i o n t h e nt h ew e f ta n dw a r py a r n sa r es e g m e n t e dr e s p e c t i v e l yb y a n a l y s i so f t h e i rd i f f e r e n td i s t r i b u t i o na n da r r a n g e m e n tf e a t u r e s t h ew e a v ep a t t e r ni s o b t a i n e df r o mt h ec o r r e c ty a ml o c a t i o n sf i n a l l y s i n c et h en o n i d e a la r r a n g e m e n t so f w e f ta n dw a r pa r ec o n s i d e r e de s p e c i a l l bt h i sa l g o r i t h mi sm o r ep r a c t i c a lt h a nt h e t r a d i t i o n a lo n e s o nt h es t u d yo fw e a v ep a t t e ms e g m e n t a t i o n , t h i st h e s i sf i r s t l yp r o p o s e sa s e g m e n t a t i o na l g o r i t h mb a s e do nc o l o ra n ds p a t i a li n f o r m a t i o n i nt h i sa l g o r i t h m ，t h e v c o l o rm i f o 册n yi su s e dt ol o c a t et h ep i x e l si nt h eb o u m d s r yo fw e a v er e g i o n a n d t h e nt h e s ep i x d sa r ea s s i g n e dt ow e a v er e g i o n sb ys e e dg r o w i n ga n dr e g i o nm e r g i n g t or e d u c et h ee d g ed e f e c t so ft h i sa l g o r i t h m , w ep r o p o s ea l la l t e r n a t i v et e x t u r e s e g m e n t a t i o na p p r o a c hb a s e do na c t i v ec o n t o u rm o d e l c o m p a r e dw i t l lt h et r a d i t i o n a l s e g m e n t a t i o nm e t h o d s ，t h ea c t i v ec o n t o u rm o d e lc o m b i n e dw i t hl e v e ls e tm e t h o dh a s h i 曲a n t i - n o i s ea b i l i t ya n di sa d a p t i v et ot h et o p o l o g i c a lc h a n g e so fc o n t o u r o nt h e f e a t u r ee x t r a c t i o nf o rf a b r i ct e x t u r e ，as e to ft e x t u r ef e a t u r e sa r cd e f i n e db a s e do n r e d u c e dg a b o rf i l t e rr e s p o n s e sa n dc o l o rc o m p o n e n t s ，w h i c ha r ef u r t h e r l ys m o o t h e d t h r o u g hn o n l i n e a rd i f f u s i o n o nt h ef e a t u r es e g m e n t a t i o n , a ni m p r o v e dm u l t i - r e g i o n a c t i v ec o n t o u rm o d e lc o m b i n i n gp u n i s h i n gt e r ma n dc o m p e t i n gt e r mi sp r e s e n t e d , w h i c hg u i d e st h ea c t i v ec o n t o u r st o w a r d sr e g i o nb o u n d a r y s i no r d e rt od i s t i n g u i s h s m n l w e a v ep a t t e r no rs i m i l a rw e a v ep a t t e r nc l e a r l y , s u p e r v i s e da p p r o a c hi sn e e d e d t h ee x p e r i m e n t st e s t e do ns e v e r a lj a a c q u a r dt e x t i l ei m a g e ss h o wt h a tt h e s ea b o v e m e t h o d sh a v ef a v o r a b l ep e r f o r m a n c e f o r t h r n o r e ，t h em e t h o db a s e do na c t i v ec o n t o u r m o d e li sc o n f i r m e dm o r ee f f e c t i v et h a nt h eo n eb a s e do nc o l o ra n ds p a t i a l i n f o r m a t i o n b a s e do nt h ea l g o r i t h m sm e n t i o n e da b o v e ，w ed e v e l o p eap r o t o t y p es y s t e mo f w e a v ep a t t e r na n a l y s i sa n di d e n t i f i c a t i o nf o rn e c k t i ef a b r i c t h es y s t e mp r o c e s si s d e s i g n e da c c o r d i n gt om a n u a lw o r k t h ec o r eo f e a c hm o d u l ei st h ea l g o r i t h ms t u d i e d i no u rt h e s i s i na d d i t i o n , t h ec r a f tm o d u l ei sp r o v i d e df o re d i t i n gj a c q u a r ed e s i g n , s e t t i n ge m i lp a r a m e t e r , a n dt h e nc r e a t i n gt h eo u t p u tf i l e f o rj a c q u a r ec a r d t h i s p r o t o t y p es y s t e mc a ni m p r o v et h ei n t e l l i g e n t i z a t i o nl e v e lo fw e a v ep a t t e r na n a l y s i s a n di d e n t i f i c a t i o n i ti sa l s oah e l p f u ls t u d yo nc o m p u t e r - a i d e dw e a v ei d e n t i f i c a t i o n s y s t e mf o rw o v e n f a b r i c k e y w o r d s ：w e a v ep a t t e r n , p a t t e r ni d e n t i f i c a t i o n , s k e wd e t e c t i o n , c o l o rr e d u c t i o n , t e x t u r es e g m e n t a t i o n , a c t i v ec o n t o u rm o d e l ，l e v e ls e tm e t h o d ，n o n l i n e a rd i f f u s i o n v l 第一章绪论 传统的纺织工业是一个劳动密集型行业，它的生产工序繁多、生产成本高、 产品周期长。计算机技术的应用为这个传统行业带来了新的活力，并从根本上改 变了纺织品设计与生产的落后局面。将计算机辅助设计( c o m p u t ea s s i s t e d d e s i g n ，c a d ) 技术应用于产品设计、工艺设计、仿真模拟等领域，能够有效地 缩短产品开发周期，降低成本消耗。与纺织品设计相关的c a d 系统涉及机织物、 针织物、印染、服装以及刺绣等许多领域。近年来，随着市场需求的快速发展， 机织物c a d 的相关技术研究与应用正在被不断地完善、拓展与提高。 所谓机织物是指由相互垂直的两个系统的纱线，即经纱和纬纱，在织机上相 互交织而成的织物。在织物内，经纬纱线按照一定的规律沉浮交织，这种沉浮交 织的规律称之为织物组织( w e , a v ep a t t e r n ) ，每一块织物都由一个或多个有规律交 织的织物组织构成。机织物c a d 就是利用计算机技术来辅助生成织物组织，并 生成织造工艺参数用于织机的控制。从设计的角度来看，它可以分为织物组织设 计与织物组织分析两大方向，分别对应于机织物的创新设计与仿样设计。计算机 辅助组织设计的任务是利用软件来设计生成织物组织，进而模拟织物外观；计算 机辅助组织分析的任务是根据织物外观来分析织物的组织规律，并从中提取结构 参数。其中，组织设计的研究起步较早，现已有非常成熟的软件投入生产应用。 但组织分析的研究仍然处于探索阶段，未能形成比较完整而实用的系统，是一个 颇具挑战的研究热点。 本章将首先介绍国内外机织物c a d 的发展概况，然后介绍在机织物c a d 技术中与计算机图形图像技术有关的几个主要研究方向，接着再引出本文所要研 究的组织分析领域的关键问题，最后是本文工作与内容安排。 1 1 机织物c a d 的发展概况 与生产实际相适应，机织物c a d 系统分为两类：多臂c a d 系统和纹织c a d 系统，分别适用于小提花或色织物、大提花的辅助设计。 多臂c a d 系统可设计的织物经纬纱组织循环较小。由于它能够根据织物的 组织、纱线排列及纱线种类自动生成织物模拟图像，从而取代织物小样机的手工 打样，因此又被称为织物仿真c a d 。它的主要功能包括三个： 1 ) 组织设计功能：实现组织图的自动生成，以及组织图和上机图之间的自 动转换，允许用户进行修改。 2 ) 纱线设计功能：对纱线的色彩、粗细、捻度、光泽等参数进行设置，以 第一章绪论 浙江大学博士学位论文 设计出不同的纱线效果，建立纱线库为织物组织的外观模拟作准备。 3 ) 面料仿真功能：对织物的真实效果进行模拟显示，允许用户设置经纬纱 线的排列，并在纱线库中选择不同纱线以形成不同的外观效果。 纹织c a d 可设计的织物经纬纱循环数可达数千，主要用在丝绸、毛巾、商 标、领带等产品的设计上。由于系统包括自动纹板轧孔机，因此具有c a m ( c o m p u t e r a i d e d m a n u f a c t u r e ) 功能。纹织c a d 系统主要由3 个相对独立的子 系统组成： 1 ) 图像输入子系统：对提花图案进行扫描、分色，将数字图像转换为用颜 色代码矩阵表示的纹样数据。 2 ) 图形编辑和意匠处理子系统：提供交互式绘图方式，实现纹样和意匠的 显示与修改，并进行意匠处理。 3 ) 纹板信息输出子系统：由系统控制自动轧孔机轧制出合格的纹板。 最早的机织物c a d 系统可追溯到2 0 世纪6 0 年代，当时美国m m 公司成功 地研制了纹织工艺自动化系统，使提花织物的花型设计与生产从原来手工的方式 变为交互式屏幕作图和自动冲版，使得自动化设计成为现实。此后，我国以及英 国、法国、日本等相继开展了这方面的研究。2 0 世纪7 0 年代，c a d 技术在纺织 工业中的应用才真正开始进入实用阶段，这一时期出现了美国v i a b l e 公司的纹织 c a d 系统，它具有图形输入、画图操作、图案和组织保存、及纹板校对等功能 v i a b l e 2 0 0 6 。从8 0 年代开始，随着3 2 位高档微机的问世及计算机外设的发展， c a d 技术开始突飞猛进，并逐渐朝着标准化、集成化和智能化的方向发展。在 国内的应用中较常见的有：德国e a t 公司的纹织c a d 系统 e a t 2 0 0 6 、比利时 的s o p h i s 、法国力克的l e c t r a l e c t r a 2 0 0 6 、日本j u n 公司的4 d - b o x 、美国 的j a c q c a dm a s t e r j a c q c a d 2 0 0 6 、韩国的y o u n gw o o 、荷兰n c d g r a p h i c s 公司的机织物c a d 系统等等。 国内的机织物c a d 系统研究起步较晚，2 0 世纪8 0 年代初，一些高校和科 研机构陆续开展了机织物c a d 系统的研究，开发和研制了一系列商品化的c a d 系统，如中国纺织科学院开发的织物仿真c a d 系统及其系列版本 c t a 2 0 0 6 、 上海毛麻纺织研究所开发的c f d 8 系统、浙江大学光学仪器厂的j w p c c s 系统、 浙江理工大学开发的z i s 系统等。随着c a d 技术的日渐成熟，国内纺织企业的 c a d 应用在“九五”期间得到了大面积的推广，呈现较昵显的国产化趋势，有 的已经达到国际先进水平，而价格却远低于国外同类产品。目前国内常用的系统 还有：淄博宝铃纺织机电技术公司的宝铃系统、香港宏图的纹织c a d 、台湾皓 上的提花织物设计系统、浙大经纬的z d j w 和j c a d 系统【经纬2 0 0 6 、杭州恒天 公司的纺织c a d 系统恒天2 0 0 6 1 等。 2 浙江大学博士学位论文 第一章绪论 目前，国外的机织物c a d 系统无论是硬件配置还是软件技术上，都优于国 内的系统。国外比较注重软件的专业化和系统的兼容性，对硬件的c a m 、软件 的集成化也具有相当的规模与实力，目前国外c a d 技术正向着智能化、网络化 方向发展。国内系统从起步发展到现在也颇具特色，尤其是织物组织c a d ( 多 臂c a d ) 的技术已经相当成熟，这类系统完全能够满足国内用户的需求，且具 有很强的竞争力。而国外产品在某些新技术方面处于领先地位，如近年来在面料 仿真的基础上进一步开发出有关服装悬垂性能的模拟方法，以及由二维设计图样 变化到着装后的三维真实形状。 ( c ) 中纺院的织物仿真c a d 系统 c t a 2 0 0 6 ( d ) 浙大经纬的纹织c a d 系统【经纬2 0 0 6 1 图1 1 国内外主要机织物c a d 系统的图例 随着计算机图形图像技术、计算机网格技术、c a d c a m 技术和现代纺织工 艺的不断发展，机织物c a d 系统将不断地融入新技术、增加新功能。以纹织c a d 为例，其发展方向主要可以概括为f 张森林2 0 0 4 ： 1 ) 图形交互功能的改进 采用更加智能化的图形交互功能，可以有效地缩短设计周期，提高用户的设 计效率。例如，设计智能化的菜单结构，使操作指令更加直观简洁；设计光标的 动态引导器去理解用户的设计意图，并提示用户下一步可能的操作。 2 ) 应用功能的改进 发展功能高度集成化的c a d 系统，例如，将织物设计应用于服装c a d 、室 3 第一章绪论 浙江大学博士学位论文 内装饰c a d 等相关行业，增加效果展示模块。利用知识融合技术，实现智能化 的图案创作、图案检索、织物结构的自动识别等。完善织物外观模拟显示技术， 在二维显示的基础上，进一步实现三维的织物实物模拟。 3 ) 系统功能的改进 建立以纹织c a d 系统为中心的局域网络，将织物设计与生产过程涉及到的 子系统连在一起，实现数据的快速交换，实时地控制生产流程。实现系统设计的 协同化，使得多用户可同时编辑同一花样，以提升产品创新能力。将设计与e r p c e n t e r p r i s er e s o u r c ep l a n n i n g ) 相结合，使得在产品的设计阶段就能有效控制成 本，减少库存，加快对市场的反应速度。 1 2 机织物c a d 的相关技术 提高产品设计的智能化是机织物c a d 的重要发展趋势，计算机图形学、数 字图像处理以及人工智能技术的发展使得各种智能化功能模块的开发成为可能， 下面我们将介绍三个主要相关技术的研究现状。 1 2 1 织物外观的模拟仿真 当前的织物c a d 主流产品一般都包含有织物模拟功能，以代替费时费力的 产品试织过程，但效果良莠不齐。相比之下，国内产品中的外观模拟效果还不太 理想，一般只做到二维静态模拟显示，而国外产品的发展方向是具有真实感的三 维动态布料仿真模拟。 现有的二维模拟织物外观算法的原理是：首先通过分析纱线和织物的空间几 何结构，结合计算机图形学技术来建立纱线和织物的表面光照模型【顾尔丹 2 0 0 1 1 ；然后根据纱线的纤维种类、颜色、捻度、毛羽、直径及光泽效应等参数， 建立纱线模拟的数学模型；再结合各织造参数，由织物的组织结构来判断织物的 表层信息，并考虑浮长线之间的聚拢分离效应，最终生成织物表面图像的真实 感显示f 王志东2 0 0 4 1 。 织物外观三维模拟的原理是：采用特定的纱线截面模型和纱线轴向曲线模 型，根据织物的组织结构来判断纱线在空间中的相对位置，再利用光照模型加以 显示。f l i a 0 1 9 9 8 q b 最先介绍了一种可被认为是真正的三维模拟织物外观的方案。 三维模拟的织物结构多采用p i e r c e 模型及其改进模型。郑天勇等对此加以改进， 根据组织点的浮长线和织物的上机参数，来计算经纬纱的精确位置 郑天勇 2 0 0 1 。相比之下，三维模拟能够更加真实地反应织物的外观，体现织物图案的 立体感，它的缺点是纱线表面过于单调和光滑，真实感不强。为此，可以采用纹 4 浙江大学博士学位论文 第一章绪论 理映射的方法来体现纱线表面的粗糙度和捻度，以提高织物三维外观模拟的真实 感f 郑天勇2 0 0 2 1 。 织物面料的虚拟场景模拟是机织物c a d 集成化发展方向之一，近年来不断 发展的纺织品虚拟展示系统就是一个典型的应用。在完成织物设计和外观模拟的 基础上，生成面料在服装、家纺、包装上的真实感效果。纺织品的虚拟展示技术 分为基于图像的技术和基于图形的技术。基于图形的技术需要精细的三维场景模 型，计算量较大。相比之下，基于图像的技术更加适合于织物外观模拟的扩展应 用，它借助计算机视觉的相关算法，从图像中估计场景的几何信息和光照信息， 来达到纺织品的真实感效果显示。我们实验室开发了两个基于图像的纺织品虚拟 展示系统王鹏2 0 0 6 ：基于p c 机的布艺设计大师、基于移动平台的e a s y s h o w 系统。系统根据用户提供的照片，并提供简单易用的交互手段，来实现服装和家 纺的个性化展示。 1 2 2 织物疵点的自动检测 织物表面的疵点直接影响织物的外观效果，同时也是织物等级评定的一个重 要指标。传统的疵点检测是由人工视觉离线检测来完成，该方法存在检测速度低、 误检率和漏检率高、检验结果受人员主观因素影响大等缺点。随着数字图像技术 和神经网络技术的发展，基于图像处理和微机平台的织物疵点自动检测成为可 能。从2 0 世纪9 0 年代初开始，图像处理用于疵点检测的研究形成了一个高潮。 一般来讲，基于图像处理的疵点检测可以分为两个部分：正常织物特征的学 习过程和检测过程，每个过程都包括图像采集、图像分析和特征提取、疵点判别 和分类等阶段袁端磊2 0 0 5 1 。疵点检测的核心技术是图像特征提取和疵点检测分 类。图像特征提取的方法可分为两种：一种是在图像的空间域上直接分析提取特 征，另一种是把图像转换到频域后再进行分析。疵点分类的方法有：b a y e s 分类 法和神经网络分类法。 织物表面呈现出典型的纹理特征，主要表现为结构性、周期性、方向性和均 匀性。当纹理的均匀性遭破坏时，则认为是织物的组织结构发生了变化，从而形 成了不同类型的疵点。因此，图像特征提取的实质是寻找一组能够准确描述这些 纹理特征的度量值，并且在织物表面结构发生变化时，能够做出相应的响应，为 疵点的识别和分类提供依据。 常用的空间域分析方法有：灰度共生矩阵法、m a r k o v 随机场等。y o s h i o 采 用灰度共生矩阵提取特征，通过b a y e s 分类法对疵点进行判别和分类，建立了织 物疵点检测专家系统 y o s h i 0 1 9 9 0 。c o h e n 等采用高斯m a r k o v 随机场纹理模型， 通过计算正常织物、待检测织物的模型参数，来判断织物图像是否存在疵点 5 第一章绪论浙江大学博士学位论文 c o h e n l 9 9 1 a 。t s a i 等采用共生矩阵和神经网络对织物疵点进行检测【1 妨1 9 9 5 】。 与空间域方法相比，频域分析方法能够更好地略去图像的背景信息和噪声，突出 纹理的周期性与方向性，因此其提取的特征值具有稳定性好、适应性强的特点。 常用的频域分析方法有：快速傅立叶变换、g a b o r 变换和小波变换。c h a r t 等采用快速傅立叶变换，计算直方图均衡化后图像的功率谱，从中提取频域特征 参数作为b p 神经网络的输入 c h a n 2 0 0 0 。e s c o f e t 等采用一组多尺度、多方向的 g a b o r 滤波器来检测织物疵点 e s c o f e t l 9 9 8 1 。为了解决变换计算量大的问题， b o d n a r o v a 等研究了用于疵点检测的最佳g a b o r 滤波器设计方法 b o d n a r o v a 2 0 0 2 1 。g a b o r 滤波器不仅可以检测到疵点的频率变化，还可以在空间 域中精确定位此变化的位置，是较具潜力的一种检测算法。j a s p e r 等研究了自适 应小波在纹理描述和疵点检测中的应用，以求解代价函数最小值的方法来获得小 波系数 j a s p e r l 9 9 6 。h u 等采用最优小波包和人工神经网络技术检测4 种织物疵 点 h u 2 0 0 0 1 。k i m 等则设计了一种基于小波分析的在线疵点识别系统 k i m 2 0 0 5 】。 由于小波分析提供了不同尺度下的信号细节，疵点所导致的信号奇异点在变换后 的子图像中很容易被辨识出来，因此小波分析也是疵点自动检测的重要工具。 近年来国外已有商用织物疵点自动检测系统进入市场，比较有影响的是：瑞 士u s t e r 公司的f a b r i s c a n 系统、比利时b r a c o v i s i o n 公司的c y c l o p s 系统和以色 列e v s 公司的i - t e x 系统。这些系统都采用了非常昂贵的硬件设备来实现，有 的采用特制的高清晰摄像设备，有的采用中型计算机作为图像处理系统，过于昂 贵的价格并不适合于我国的纺织行业。而且，这些系统对织物品种的适应性和对 疵点类别的区分能力仍然比较有限。我国目前还没有推出一套商用的织物疵点识 别系统，但对于疵点检测算法的研究从9 0 年代后期以来一直较为活跃。如何根 据我国的国情，借鉴国外已有产品的模式和技术，针对具体不同织物种类的要求， 充分利用已有的算法成果，开发出适用于我国纺织业发展的织物疵点检测系统是 目前当务之急的研究重点。 1 2 3 织物组织的自动识别 数字图像处理在纺织测试分析中的另一个重要应用就是织物组织结构的自 动识别，即通过分析织物外观来识别织物的组织规律，并从中提取结构参数。随 着我国加入w t o 以及纺织业的复苏，纺织贸易往来臼益增加，国内许多纺织企 业面临大量来样订单，传统的手工分析来样的方法已经无法适应目前小批量、多 品种、高效率的生产要求。 现有的织物组织设计系统解决的是织物的创新设计，而织物组织分析系统则 是进行仿样或改样设计的有效工具。各类纺织品c a d 系统的出现和日渐成熟大 6 浙江大学博士学位论文 第一章绪论 大简化了产品的设计和织造过程，但织物组织的自动分析却成为制约纺织品快速 设计和生产的瓶颈。十几年来，国内外学者都在尝试这方面的研究，可是由于织 物组织结构复杂多样，在生产中受结构、机械、后整理等方面因素的影响，使得 最终形成的织物外观中具有许多不确定的参数，增加了自动分析的难度。因此， 虽然早期已有许多学者进行过这方面的研究，但一直没有形成比较完善的理论和 系统。 目前韩国和日本在这方面的研究比较多，也比较深入。韩国的k a n g 等虽然 实现了一套比较完善的识别系统来识别织物的组织循环、经纬纱的密度和支数以 及配色模纹，但它只限于单层织物 k a n 9 1 9 9 9 。日本的s h i n o h a r a 等指出，基于 织物表面图像的方法无法分析多层织物的结构，因为多层织物的里层结构是不可 见的，所以他们提出了利用x 射线c t 扫描仪获取织物截面图像，来分析织物的 内部结构的方案 s h i n o h a r a 2 0 0 3 。从上世纪9 0 年代开始，我国在这方面的研究 也逐渐增多，并取得了一定的成果，但这些研究也只限于单层的原组织织物，离 生产实用仍有较大距离。例如中国纺织科学研究院推出的辅助织物分析系统 c t a 2 0 0 6 ，它的主要功能包括：在织物扫描图像中自动检测织物经纬密度；用 自动和人机互动的方式分析织物的色纱排列；通过人机互动的方法识别织物组 织，自动生成组织图。 正如文献f 夏尚淳2 0 0 1 1 6 p 所述，利用织物图像来分析组织的方法不能用来解 决所有的织物组织识别问题，它只能解决一部分织物的组织识别。只有当织物图 像反映了组织结构的全部特性时，它的识别在理论上才是可能的。而如多层和多 重织物，它们的表面图像并不能反映中间层组织结构的形式。即使在有可能识别 的情况下，因为生产实践中各种因素的影响，往往会使得织物表面部分组织点的 图像无法真实地反映其组织结构，所以要做到完全准确的识别也是很困难的。造 成这种情况的因素很多，例如：由于纱线的条干不匀和粗细节纱疵的存在，由于 组织结构造成纱线的扭曲和倾斜，由于经纬密度的差异造成经浮点和纬浮点面积 的较大差异，浮长大的纱线对相邻纱线造成覆盖等。这些问题的存在是织物组织 自动识别的难点所在，也是为什么迄今为止还没有一套自动化程度很高的商品化 的组织分析系统问世的原因。 尽管如此，计算机辅助分析系统还是可以把设计师从人工分析的繁重劳动中 解放出来。在利用图像识别的方法达到某一可以接受的准确率的情况下，可以结 合人机交互的方式，配合计算机自动识别所无法解决的经验知识，最终达到满意 的分析结果。无论从市场需求还是实验研究结果都己证明，在织物的仿样设计中 采用计算机辅助组织分析技术是个必然的趋势，它能在较大程度上改善设计人员 的工作条件，加快来样分析的速度，并提高分析的准确性。织物组织结构的自动 7 第一章绪论浙江大学博士学位论文 分析作为机织物c a d 智能化发展的一个重要分支，近年来也成为国内外关注的 研究热点。 1 3 织物组织自动识别中的关键问题 织物组织的种类很多，可分为原组织、变化组织、联合组织、复杂组织等。 其中原组织是最基本的组织形式，它包括平纹、斜纹、缎纹三种，是构成变化组 织以及其它组织的基础( 如图1 2 所示) 。 霞日日 图l - 2 三种原组织的示意图( 分别为平纹、斜纹、缎纹) 提花织物的组织复杂多样，一般都是由若干种组织组合而成的，各种纬纱在 织物的每个组织区域中有规律地沉浮，从而形成了丰富的色彩层次和多样的图案 织纹。对于提花织物的组织设计而言，首先需要勾画出提花图案的轮廓，然后再 在不同的区域内部覆盖不同的组织，以体现提花图案的色彩明暗层次。同样地， 提花织物的组织识别也包含两大部分：首先是提花图案轮廓的提取，然后再在轮 廓区域内分析各种组织。 1 3 1 组织区域轮廓提取 从织物图像中提取不同组织区域的轮廓( 提花图案轮廓) 是织物设计与识别 的首要工作。多数提花图案均含有织纹纹理，自动提取带纹理的织物图案异常困 难。因此，目前织物设计生产企业仍然用手工和人机交互描绘的方式来提取不同 组织区域的轮廓。对这一问题，目前国内外的相关文献较少相关研究主要可以 分为两类：一类是提花图案的提取，它的任务是在背景织纹纹理中提取出前景图 案的轮廓；另一类是组织区域的分割，它的任务是将具有不同织纹纹理的区域予 以分割。 为了减少纹理和噪声带来的分割误差，周平等采用颜色分量的线性组合运算 与位屏蔽压缩相结合的方法，在彩色织物图像中获得提花图案的二值图像周平 2 0 0 5 1 。包晓敏等采用基于概率密度估计的最小风险贝叶斯决策模型，来判断图 像中的每个像素是否属于目标图案，从而实现图案轮廓的提取。以上方法仅考虑 8 浙江大学博士学位论文第一章绪论 了像素在颜色或灰度上的量值分类，而没有考虑其空间信息，具有较大的局限性。 冯志林等利用m u m f o r d - s l u m 变分模型来提取提花织物中的图案，并用有限元的 方法来求解冯志林2 0 0 5 1 。该分割模型的优点是抗噪声能力强，适合于提取图案 中拓扑复杂的纹理曲线，分割结果具有较好的完整性。现有的这些方法偏重于背 景图像中的目标区域提取，但对于组成图案的多种组织区域却无法予以细分。 由于构成图案的不同组织的经纬组织点数、浮长、飞数各不相同，反映在织 物表面的纹理特征也明显不同。因此，组织区域的划分实质上可以看作纹理图像 的分割问题，根据区域内纹理特征的一致性来划分各个组织区域。纹理分割的一 般思路是：首先选用合适的纹理分析模型提取纹理特征；然后在纹理特征空间中 对图像进行分割。薛卫等研究了针对条格织物的组织区块分割，采用纹理谱特征 来描述织物图像的纹理，然后由k m e a n s 聚类算法来实现组织区域的分割【薛卫 2 0 0 3 。但它仅针对简单的条格织物，对于一般的织物图像，还需寻求更加通用 的纹理分割方法来解决。下面简要回顾一下纹理分割的主要方法。 ( 1 ) 纹理分析与特征提取 它是纹理分割的关键和难点所在，其目的是获得纹理的定性或定量描述。纹 理分析与建模的方法可以分为两大类：基于纹理统计的方法( s t a t i s t i c a l b a s e d a p p r o a c h ) 和基于滤波器的方法( f i l t e r i n g - b a s