條紋織物組織結(jié)構(gòu)自動識別方法
【專利摘要】本發(fā)明涉及一種基于灰度共生矩陣特征和梯度直方圖的條紋織物組織結(jié)構(gòu)自動分割與識別方法，該方法首先利用灰度投影將織物圖像分割成若干個組織點，根據(jù)織物特性自動設(shè)定窗口，對整幅圖像進行掃描，基于灰度共生矩陣對每個窗口提取特征，確定不同組織結(jié)構(gòu)的分界處，實現(xiàn)條紋組織的自動分割。最后采用基于梯度直方圖和模糊C均值的方法識別織物組織結(jié)構(gòu)。本發(fā)明基于灰度共生矩陣特征，利用紋理灰度、方向信息，能克服光照不均、紗線粗細和紗線顏色差異所帶來的影響，不僅能分割由完全不同組織結(jié)構(gòu)聯(lián)合而成的條紋織物，對相似的組織結(jié)構(gòu)組合而成的條紋織物也具有很好的分割效果，最終實現(xiàn)條紋織物組織結(jié)構(gòu)的自動識別。
【專利說明】條紋織物組織結(jié)構(gòu)自動識別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及條紋織物組織結(jié)構(gòu)自動識別方法，該方法不受光照、紗線粗細和紗線顏色差異所帶來的影響，對由完全不同組織結(jié)構(gòu)聯(lián)合而成的條紋織物以及具有相似的組織結(jié)構(gòu)組合而成的條紋織物都有很好的分割效果，屬于圖像處理【技術(shù)領(lǐng)域】，可應(yīng)用于紡織領(lǐng)域中的機織布匹的自動化檢測。
【背景技術(shù)】
[0002]對于原組織及變化組織，目前已有比較好的識別方法。但還無法直接應(yīng)用于識別聯(lián)合組織，其中條紋組織是較為常見的一種聯(lián)合組織，它由兩種或幾種組織并列配置而成。如果簡單的將條紋組織按原組織或變化組織的識別方法進行識別，則會因所分析樣本紋理的多樣性，使問題較為復(fù)雜。
[0003]首先要將條紋組織分割成原組織或變化組織。利用紋理特征的分割是圖像分割的一個重要方面，一直以來是人們研究的一個熱點。經(jīng)過近些年的發(fā)展，紋理分割已經(jīng)得到廣泛的應(yīng)用。大量學(xué)者對紋理分割方法進行了研究，并將紋理分割方法應(yīng)用到Brodatz紋理庫，得到了不錯的分割效果。
[0004]隨著紡織業(yè)技術(shù)的飛速發(fā)展，機織布的種類越來越多，結(jié)構(gòu)及顏色多樣，構(gòu)成條紋織物的組合方式也越來越復(fù)雜。但是由于條紋織物是由不同的組織結(jié)構(gòu)構(gòu)成的整體，不同紋理區(qū)域又具有一定的相似性，利用傳統(tǒng)紋理分割方法很難達到正確分割的目的。本發(fā)明采用紋理分類的方法。對于排列規(guī)則的紋理結(jié)構(gòu)，可先將其分成若干個塊，再對每個塊內(nèi)的紋理特征進行分析。對具有相似紋理特征的塊進行歸類，實現(xiàn)不同組織結(jié)構(gòu)的分割。
[0005]近年來，出現(xiàn)了許多紋理分類方法，紋理分類的準(zhǔn)確率不斷提高。但針對條紋織物組織結(jié)構(gòu)的自動分割則很少有人對其研究，主要存在以下問題。首先，目前窗口大小都人為進行選取，容易受到紗線尺寸的影響，自動選取合適的窗口大小對織物圖像的分割至關(guān)重要。其次，一般的紋理特征提取方法大都具有較好的旋轉(zhuǎn)不變性，這對由完全不同組織結(jié)構(gòu)組合而成的條紋織物具有很好的分割效果。但由于織物組織結(jié)構(gòu)種類復(fù)雜多樣，條紋織物組織結(jié)構(gòu)的組合方式也千差萬別，存在大量由具有相同或相似紋理結(jié)構(gòu)的織物組合而成的條紋織物，較為常見的是僅有一種組織結(jié)構(gòu)織物，旋轉(zhuǎn)180°交叉排列組合而成的條紋織物。針對此類條紋織物，利用具有旋轉(zhuǎn)不變性的紋理分割方法則無法對其進行分割。準(zhǔn)確的分割條紋織物組織結(jié)構(gòu)對條紋織物組織結(jié)構(gòu)的自動識別至關(guān)重要。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的是克服現(xiàn)有技術(shù)的上述不足，提供一種能夠不受紗線尺度和顏色差異影響、能夠準(zhǔn)確分割識別條紋織物組織結(jié)構(gòu)的方法。為此，本發(fā)明采用如下的技術(shù)方案。
[0007]條紋織物組織結(jié)構(gòu)自動識別方法，包括下列步驟:
[0008]1.保持緯紗水平并采集機織物圖像，獲取亮度信息，用中值濾波和腐蝕算法對圖像進行預(yù)處理；[0009]2.利用水平方向灰度投影分割經(jīng)緯紗；
[0010]3.根據(jù)織物性質(zhì)自動設(shè)定窗口及步長，對整幅圖像進行掃描；
[0011]4.基于灰度共生矩陣(Gray Level Co-occurrence Matrix, GLCM)對每個窗口提取特征；
[0012]5.分析相鄰窗口間的相關(guān)性，確定不同組織結(jié)構(gòu)的分界，實現(xiàn)條紋組織的分割；
[0013]6.基于梯度直方圖方法，實現(xiàn)條紋組織的自動識別。
[0014]本發(fā)明具有如下的技術(shù)效果:
[0015]1.方法簡單，易于實施。本發(fā)明利用織物性質(zhì)自動選擇窗口并基于GLCM提取特征，算法簡單，計算量小，且不需要高精度的儀器設(shè)備，方法簡單實用。
[0016]2.準(zhǔn)確性高。本發(fā)明在檢測過程中，實現(xiàn)了掃描窗口的自動選取方法，考慮了實際采集圖像光照不均以及機織物紗線粗細不同、顏色各異及紋理方向帶來的影響，提取GLCM特征，提高了分割的準(zhǔn)確率。
[0017]3.對由具有不同組織結(jié)構(gòu)聯(lián)合而成的條紋織物以及具有相似組織結(jié)構(gòu)聯(lián)合而成的條紋織物都具有良好的識別效果。
【專利附圖】

【附圖說明】
[0018]圖1:本發(fā)明的機織物結(jié)構(gòu)識別方法流程圖。
[0019]圖2:采集彩色織物圖像。
[0020]圖3:預(yù)處理后圖像。
[0021]圖4:紗線分割結(jié)果及投影曲線。
[0022]圖5:掃描窗口選取示意圖。
[0023]圖6:相鄰窗口間的相關(guān)系數(shù)曲線。
[0024]圖7:分割識別結(jié)果。
[0025]圖8:條紋織物組織結(jié)構(gòu)識別結(jié)果。圖8-1由完全不同的組織結(jié)構(gòu)組合而成的條紋織物的識別結(jié)果，圖8-2由相似組織結(jié)構(gòu)組合而成的條紋織物的識別結(jié)果。
【具體實施方式】
[0026]本發(fā)明的流程如圖1所示，該方法首先采用中值濾波和腐蝕對織物亮度圖像進行預(yù)處理，根據(jù)織物特性自動選取窗口，基于GLCM提取特征，計算窗口之間的相關(guān)性，實現(xiàn)條紋織物分割，然后基于梯度直方圖特征識別原組織或變化組織，最終實現(xiàn)條紋織物組織結(jié)構(gòu)的識別。下面結(jié)合附圖，對本發(fā)明技術(shù)方案的具體實施過程加以說明。
[0027]1.圖像采集及預(yù)處理
[0028]獲取清晰無瑕疵的織物表面反射圖像，使緯紗保持水平(如圖2)，提取亮度信息，應(yīng)用3X3中值濾波模板和3X3腐蝕模板對圖像進行預(yù)處理后如圖3。
[0029]2.基于織物特性的窗口選取
[0030]紗線條干部分亮度相對較大，而紗線間隙部分亮度相對較低，根據(jù)此性質(zhì)將織物沿水平和垂直方向進行灰度投影。得到兩條投影曲線，用高斯濾波對曲線平滑處理去掉毛刺，得到光滑投影曲線及織物紗線分割結(jié)果如圖4。由于織物是具有周期性的紋理結(jié)構(gòu)，同一組織結(jié)構(gòu)區(qū)域內(nèi)具有相似的分布規(guī)律及紋理方向，單根紗線具有一定的獨立性，不足以表現(xiàn)紋理特性。當(dāng)窗口內(nèi)包含兩種紋理區(qū)域時，三根紗線及以上大小的窗則導(dǎo)致其紋理特性更接近于占區(qū)域內(nèi)比重較大的那種組織結(jié)構(gòu)。本發(fā)明選取窗口大小為兩根紗線、以單根紗線寬度為步長進行掃描如圖5，當(dāng)窗口內(nèi)包含兩種紋理結(jié)構(gòu)時(即不同組織結(jié)構(gòu)織物分界處)，其紋理特征會有較明顯的變化。
[0031]3.基于GLCM的條紋組織分割
[0032]由于紋理是由灰度分布在空間位置上反復(fù)出現(xiàn)而形成的，因而在同一種組織結(jié)構(gòu)的織物圖像空間中相隔某距離的兩像素之間會存在一定的灰度關(guān)系，即圖像中灰度的空間相關(guān)特性。GLCM就是一種通過研究灰度的空間相關(guān)特性來描述紋理的方法。
[0033]本發(fā)明采用GLCM對每個窗口內(nèi)圖像進行特征提取。GLCM是對圖像上保持某距離的兩像素分別具有某灰度的狀況進行統(tǒng)計得到的。例如，NXN圖像中任意一點(x，y)及偏離它的另一點(x+a，y+b)，設(shè)該點對的灰度值為(i，j)。令點(x，y)在整幅圖像上移動，則會得到很多種(i，j)的組合方式，設(shè)灰度值的級數(shù)為G，則(i，j)的組合共有G2種。對于整個畫面，統(tǒng)計出每一種(i，j)組合方式出現(xiàn)的次數(shù)Pij,然后排列成一個GXG方陣，這樣的方陣稱為灰度共生矩陣。
[0034]3.1灰度共生矩陣灰度級量化
[0035]由于窗口內(nèi)像素點數(shù)有限，其灰度級分布較為稀疏，存在大量冗余信息，本發(fā)明將256個像素灰度級量化為16，即G=16。
[0036]3.2方向和距離參數(shù)的設(shè)定
[0037]偏移量a和b的選擇決定了兩像素點的距離D及方向Θ，如表1所示。
[0038]表1角度關(guān)系
[0039]
【權(quán)利要求】
1.一種條紋織物組織結(jié)構(gòu)自動識別方法，所述方法包括下列步驟: 步驟1:采集緯紗保持水平的機織物圖像，獲取亮度信息，進行中值濾波和腐蝕處理； 步驟2:利用灰度投影分割經(jīng)緯紗； 步驟3:根據(jù)織物性質(zhì)自動設(shè)定窗口及步長，對整幅圖像進行掃描； 步驟4:基于灰度共生矩陣特征對每個窗口提取特征； 步驟5:分析相鄰窗口間的相關(guān)性，確定不同組織結(jié)構(gòu)分界，實現(xiàn)條紋組織的分割； 步驟6:基于梯度直方圖方法，實現(xiàn)條紋組織的自動識別。
2.根據(jù)權(quán)利要求1所述的條紋織物組織結(jié)構(gòu)自動識別方法，其特征在于，步驟3中，利用織物紋理特性，自動設(shè)定掃描窗口大小及步長。
3.根據(jù)權(quán)利要求1所述的條紋織物組織結(jié)構(gòu)自動識別方法，其特征在于，步驟4中，利用灰度共生矩陣對每個窗口提取特征。
4.根據(jù)權(quán)利要求1所述的條紋織物組織結(jié)構(gòu)自動識別方法，其特征在于，步驟5中，分析相鄰窗口間的相關(guān)性，自動分割條紋織物組織。
【文檔編號】G06K9/60GK103530644SQ201310517450
【公開日】2014年1月22日 申請日期:2013年10月25日 優(yōu)先權(quán)日:2013年10月25日
【發(fā)明者】肖志濤, 張芳, 聶鑫鑫, 耿磊, 吳駿 申請人:天津工業(yè)大學(xué)