论文部分内容阅读
随着我国经编产业的快速发展,新的产品不断开发,我国正由经编大国向经编强国的转变。但是现有的纺织生产和检测技术主要还是依靠人工完成,耗时耗力,主观性强。在一般的来样设计和检测花型是否走样的过程中,都需要将花纹提取出来。但在织物花纹的设计上,很多中小企业还停留在传统的意匠图法,已经不能满足现代化的发展要求,严重降低了我国经编行业在国际上的竞争力。本课题将计算机视觉和图像处理处理技术应用到纺织领域,期望实现织物花纹图案分割的智能化,从而提高织物花纹图案的设计效率。
本课题首先介绍了目前国内外的研究现状,对其研究方法进行了探讨分析。课题的主要的研究对象是贾卡经编织物花纹图案,由于经编贾卡织物表面一般会形成稀薄、厚实和网孔三种效应的织物图样,并通过三种效应以及压纱和衬纬的不同组合,从而形成不同纹理的花纹图案。通过深入研究织物的外观形态,着手探讨了织物的色彩和纹理识别技术,因此本课题主要是基于贾卡经编织物的颜色、纹理和空间特征来进行织物花纹的分割。
详细介绍了目前的纹理分割算法,针对经编贾卡织物花纹图案,提出了一种新的纹理特征提取方法,将双树复小波变换与能量矩阵结合起来描述织物图像的局部纹理。织物图像通过双树复小波变换后,其良好的方向选择性是进行纹理特征表征的一大优势。
本课题主要选择颜色、纹理和空间特征,并使用经典的PCA算法进行特征维的优化。在特征提取之后,并对织物图像建立高斯混合模型(GMM),并提出基于EM算法的GMM织物花纹分割算法。本课题对此作出了详细的探讨,同时也是本课题的核心和创新之处。EM算法将花纹提取问题转换为参数最大似然估计问题,最后根据每个像素点属于不同高斯分布的后验概率的排序大小,将像素点归为其向量参数最大的后验概率值所在的类,继而对图像的每个像素点进行标注,从而完成对织物图像的分割。实验表明,该方法的图像分割效果良好,能很好的将织物花纹图案的各个层次提取出来,准确度高、速度快,具有一定的实用价值。
本课题首先介绍了目前国内外的研究现状,对其研究方法进行了探讨分析。课题的主要的研究对象是贾卡经编织物花纹图案,由于经编贾卡织物表面一般会形成稀薄、厚实和网孔三种效应的织物图样,并通过三种效应以及压纱和衬纬的不同组合,从而形成不同纹理的花纹图案。通过深入研究织物的外观形态,着手探讨了织物的色彩和纹理识别技术,因此本课题主要是基于贾卡经编织物的颜色、纹理和空间特征来进行织物花纹的分割。
详细介绍了目前的纹理分割算法,针对经编贾卡织物花纹图案,提出了一种新的纹理特征提取方法,将双树复小波变换与能量矩阵结合起来描述织物图像的局部纹理。织物图像通过双树复小波变换后,其良好的方向选择性是进行纹理特征表征的一大优势。
本课题主要选择颜色、纹理和空间特征,并使用经典的PCA算法进行特征维的优化。在特征提取之后,并对织物图像建立高斯混合模型(GMM),并提出基于EM算法的GMM织物花纹分割算法。本课题对此作出了详细的探讨,同时也是本课题的核心和创新之处。EM算法将花纹提取问题转换为参数最大似然估计问题,最后根据每个像素点属于不同高斯分布的后验概率的排序大小,将像素点归为其向量参数最大的后验概率值所在的类,继而对图像的每个像素点进行标注,从而完成对织物图像的分割。实验表明,该方法的图像分割效果良好,能很好的将织物花纹图案的各个层次提取出来,准确度高、速度快,具有一定的实用价值。