織物組織識別系統(tǒng)中關(guān)鍵技術(shù)的研究.pdf

1、本文針對計算機輔助織物分析與設計系統(tǒng)的關(guān)鍵環(huán)節(jié)開展研究工作，取得的研究成果包括： 在織物圖像預處理的研究上，提出了一種基于Hough變換的圖像傾斜糾正與緯紗密度識別算法。在織物圖像錄入過程中難免存在圖像傾斜，需要對其進行調(diào)整。針對這一問題，提出了一種適用于織物圖像的快速傾斜糾正算法。該算法在提取圖像中的緯紗走向信息的基礎(chǔ)上，運用層次Hough 變換來檢測傾斜角度，以達到要求的檢測精度。利用傾斜檢測結(jié)果，提出了一種與傾斜無關(guān)的緯紗

2、密度識別算法。該算法通過提取傾斜角處的投影輪廓線得到緯密排列規(guī)律，由此來計算緯紗密度。實驗結(jié)果表明，上述算法具有較高的準確率。 在織物組織識別問題的研究上，提出了一種適用于緯二重組織的半自動識別算法。傳統(tǒng)的組織分析算法多是針對灰度織物圖像進行分析，且局限于單層組織識別。本算法以彩色圖像為研究對象，將緯二重組織的識別問題分解為單層組織的識別與整合。在單層組織識別中，首先采用降色算法對經(jīng)緯組織點進行預分割，然后根據(jù)實際織物中經(jīng)緯紗

3、線各自的分布特點給出了不同的分割方法，最后獲得組織圖。由于本算法著重考慮了非理想的經(jīng)緯紗線分布狀態(tài)，因此比傳統(tǒng)識別算法具有更好的實用性。 在織物組織分割問題的研究上，首先提出了一種基于顏色和空間信息的分割算法。該算法利用顏色分布的均勻性度量來判斷像素是否位于組織區(qū)域邊界，再利用種子生長和區(qū)域合并策略將它們劃分到不同組織區(qū)域中。針對該算法在邊界定位上的不足，進一步提出了一種基于活動輪廓線模型的紋理分割算法。與傳統(tǒng)分割算法相比，結(jié)合

4、水平集方法的活動輪廓線模型更適合于具有復雜拓撲邊界的區(qū)域分割問題。在特征提取部分，本算法以降維的Gabor濾波響應和顏色特征來組成彩色紋理特征向量，并采用非線性擴散濾波對它進行平滑。在特征分割部分，本算法采用改進的多區(qū)域活動輪廓線模型，使輪廓線在區(qū)域競爭項和像素錯分懲罰項的共同約束下收斂至區(qū)域邊界。另外，本算法采用有監(jiān)督的方式，來保證對小面積組織以及相似組織的辨識。實驗表明，基于活動輪廓線模型的方法能更好地適用于提花織物的組織區(qū)域劃分。