經(jīng)驗(yàn)?zāi)B(tài)分解算法在織物組織識別中的應(yīng)用研究.pdf

1、利用計(jì)算機(jī)圖像處理技術(shù)分析織物圖像的結(jié)構(gòu)參數(shù)和組織類型，是紡織CAD計(jì)算機(jī)輔助分析系統(tǒng)的關(guān)鍵技術(shù)，為不同面料的織物進(jìn)行組織結(jié)構(gòu)的分析與識別為面科的創(chuàng)新、設(shè)計(jì)和仿樣提供了科學(xué)依據(jù)?？椢锝M織結(jié)構(gòu)的研究和識別對紡織業(yè)和面料行業(yè)的提升以及增強(qiáng)我國紡織產(chǎn)業(yè)的競爭力都有重要的現(xiàn)實(shí)意義。
　　傳統(tǒng)織物組織識別方法一般假定織物圖像為平穩(wěn)信號，針對經(jīng)緯紗排列整齊的織物圖像應(yīng)用模型分析方法或者譜分析方法，然而，實(shí)際的織物圖像經(jīng)緯紗排列不規(guī)則，與理想模

2、型存在較大的差異，傳統(tǒng)的識別方法有很大的局限性。針對織物圖像屬于非平穩(wěn)信號這一特性本文提出了一種基于經(jīng)驗(yàn)?zāi)B(tài)分解算法的織物組織識別技術(shù)。經(jīng)實(shí)驗(yàn)仿真證明，經(jīng)驗(yàn)?zāi)B(tài)分解方法的非線性自適應(yīng)特性，極大地保留了圖像的大部分信息，減少了冗余信息所占用的計(jì)算機(jī)內(nèi)存空間，大大提高了識別織物組織的精度。圖像分割是織物組織識別中的重要部分，織物圖像因光照不同和采集設(shè)備的客觀因素會造成圖像質(zhì)量差異，需要運(yùn)用不同的圖像分割算法，才能可以更好地檢測圖像的邊緣，得

3、到織物圖像的組織結(jié)構(gòu)。本文采用經(jīng)驗(yàn)?zāi)B(tài)分解域的直方圖分割方法和經(jīng)驗(yàn)?zāi)B(tài)域的移動平均線(Mean shift)方法對織物的圖像進(jìn)行分割，經(jīng)實(shí)驗(yàn)證明，該分割算法能根據(jù)圖像的多維特性，在自適應(yīng)降低噪聲的同時(shí)又能有效地保留圖像的邊緣，大大提高了織物圖像的分割精度。
　　本文在自動識別出織物圖像的組織結(jié)構(gòu)，得到織物組織意匠圖之后，又針對織物組織意匠圖進(jìn)行了花樣編排，目的是實(shí)現(xiàn)織物組織結(jié)構(gòu)與圖案花型的有機(jī)融合，設(shè)計(jì)出豐富多彩的圖樣效果。本文主

4、要采用圖像的變形技術(shù)對織物的意匠圖進(jìn)行紋理變形，圖像變形的關(guān)鍵是如何對變形后的圖像像素進(jìn)行定位，即如何對圖像中像素點(diǎn)進(jìn)行賦值。本文在借鑒傳統(tǒng)的圖像變形技術(shù)基礎(chǔ)上又結(jié)合空間線性插值技術(shù)和虛擬放大技術(shù)，提出了一種高效快速的基于像素點(diǎn)的織物圖像變形算法。經(jīng)實(shí)驗(yàn)仿真結(jié)果證明，該算法能夠高效地實(shí)現(xiàn)織物意匠圖的任意扭曲變形，球面化變形，水波紋變形等效果。
　　本文主要基于經(jīng)驗(yàn)?zāi)B(tài)分解理論，深入研究了織物圖像組織結(jié)構(gòu)的識別和織物意匠圖的花樣編排

5、，工作內(nèi)容如下:
　　(1)提出了經(jīng)驗(yàn)?zāi)B(tài)域的直方圖織物分割算法。針對織物圖像的非線性特征，運(yùn)用自適應(yīng)性高的經(jīng)驗(yàn)?zāi)B(tài)域的直方圖分割算法，實(shí)驗(yàn)仿真表明:能夠更加準(zhǔn)確地對織物圖像進(jìn)行分割，為織物組織結(jié)構(gòu)的識別奠定基礎(chǔ)。
　　(2)提出了一種經(jīng)驗(yàn)?zāi)B(tài)域的移動平均線織物組織分割算法。運(yùn)用二維經(jīng)驗(yàn)?zāi)B(tài)方法對織物圖像進(jìn)行分解，利用對得到的一階本征模態(tài)分量(IMF1)做移動平均線分割，因?yàn)橐浑A本征模態(tài)分量(IMF1)包含了圖像的大部分組織