论文部分内容阅读
随着计算机技术的快速发展,纺织业正朝着自动化方向迅速发展。纺织业的自动化不仅仅是纺织设备的高度自动化,还包括与之相关的纺织品设计、检测、分类等诸多方面。随着图像采集技术的提高以及数字图像处理技术的快速发展,织物表面信息获取和分析,如织物参数分析、组织识别、织物质量检测、织物图案识别等,可以通过计算机来代替传统的人工完成。人们可以利用高分辨率的扫描仪、照相机等图像采集设备来采集织物图像,然后利用计算机图像处理技术进行加工处理。但是扫描获取的织物图像很难准确反映织物表面的真实信息:首先,由于织物通常是由不同颜色或不同原料的纱线按一定的沉浮规律交错织成,随着经纱或纬纱重叠组数的变化,形成的织物色影丰富、层次多变,但是纱线之间的缝隙颜色往往偏暗,相同颜色的纱线区域会形成一定的纹理;其次,织物不是一个理想的平面结构,在扫描光照下,由于纱线呈一定的圆柱形结构,同一纱线的中心和边缘之间存在过渡颜色;再次,扫描过程由于布料放置不平整,使得织物图像产生局部色差,甚至形成伪图案;此外,由于扫描图像文件往往采用有失真的JPEG压缩,不同颜色的纱线之间存在过渡色,使得图案轮廓变得模糊。这些因素的存在,使得扫描获取的织物图像很难反映织物图像的真实内容,不利于织物图像组织结构提取、织物花型设计、织物颜色分析、图像检索及图案识别等后续处理。因此,在进行织物图像分析、检索、图案识别等处理之前,首先需进行织物图像预处理,预处理结果往往决定着这些图像处理结果的有效性和准确性。在计算机图像处理学中,通常运用平滑滤波器对图像进行预处理,目前已形成了一些比较经典的平滑滤波器,如均值滤波、中值滤波、高斯滤波。但是这些经典滤波器在平滑图像的同时常常也会产生大量图像细节的丢失,往往达不到预期的平滑效果。在实际的图像处理过程中,图像边缘是图像描述、识别目标和解释图像的一个重要特征。因此,理想图像平滑处理,应该在平滑的同时尽量不丢失有效图案信息。随着数字图像处理技术的发展以及数学理论的引入,已经出现了一些边缘保持平滑滤波算法,如各向异性扩散、双边滤波、基于最小二乘滤波、L0梯度最小化、全变差及相对全变差模型等,在特定的应用场合它们可以产生很好滤波效果。但是,对于扫描织物图像的平滑,这些边缘保持滤波算法仍未能取得很好的效果。针对织物扫描图像的特点,本文对织物图像平滑滤波算法开展了研究,并在此基础上对典型的织物图像进行图案识别,主要研究内容包括以下几方面:(1)针对织物扫描图像的特点,提出一种纹理抑制平滑滤波快速方法。该方法在高斯滤波器的基础上,重新构建滤波系数,根据空间距离、色彩距离和邻域梯度距离调整邻域像素点的累加权值,对图像的每一个像素点进行线性滤波,使得在平滑图像的同时,有效保持不同纱线之间的边缘,从而保留织物图像中的图案,并采用分段线性的方法实现了对纹理抑制平滑滤波算法的加速。(2)提出一种基于纹理抑制平滑滤波快速方法和Adaboost多特征融合的织物图案识别方法。首先运用纹理抑制平滑滤波算法来对扫描织物图像进行预处理,抑制图像中的纱线纹理信息,保留图案的结构信息;然后提取平滑图像的边缘方向直方图、最大稳定极值区域特征和灰度共生矩阵特征等3类特征,建立特征数据库;最后根据特征数据库,采用Adaboost算法融合这3类特征建立分类器,对织物扫描图案进行识别。通过实验表明本文提出的平滑滤波算法能够较好滤除扫描织物图像纱线纹理,保持织物图案的真实边缘,并通过分段线性的方法实现了对纹理抑制平滑滤波算法的加速。在纹理抑制平滑滤波的基础上提出的基于Adaboost多特征融合的织物图案识别方法具有较高的识别率。本文对扫描织物图像预处理的研究结果,有利于织物图像组织结构提取、织物花型设计、织物颜色分析、图像检索及图案识别等后续处理,基于Adaboost多特征融合的织物图案识别的研究为织物图像识别提供了一种新的思路。