色纺机织物组织结构对其呈色特性的影响

针对色纺加工中机织物组织结构参数变化而导致的色纺纱线选配调整难题,提出了一种结合均匀三元结构描述子的图像混合特征提取算法,对色纺机织物组织结构与呈色一般规律展开研究。以聚类分析理论为基础,构建了基于特征类内距离的呈色特性分析模型,并用于色纺纱线与其机织物呈色特性与颜色传递的表征。结果表明:建立的图像特征提取算法与呈色特性分析模型具有理想的色度学指标表征与判别能力;对于具有不同质量配比与捻系数的色纺纱而言,不同的织造过程均会降低其呈色的差异性与层次感;同时,相较于平纹与缎纹,斜纹对织物呈色差异性弱化的能力最强。     

基于卷积神经网络的机织物密度均匀性检测

针对目前基于机器视觉的机织物密度自动检测时织物检测视野小、精度低、品种适应性差的问题,提出一种基于多尺度卷积神经网络的检测方法。首先设计了一套离线图像采集系统连续采集织物图像,并建立一个包含详细织物参数的织物图像数据集;然后采用一种具有不同大小局部感受野的多尺度卷积神经网络适应不同大小的织物结构特征,定位纱线位置;最后利用霍夫变换及灰度投影方法处理网络模型所预测的纱线位置图,计算织物经纬密度,并对织物密度均匀性做出评价。结果表明:与其他方法相比,本文方法对于不同类型织物的经纬密度计算误差小于2%,检测精度更高,品种适应性更强。     

A computer vision-based system for automatic detection of misarranged warp yarns in yarn-dyed fabric. Part I: continuous segmentation of warp yarns

In textile and garment industries, misarranged warp yarns of yarn-dyed fabrics disorganize the layout of fabrics and lead to poor product quality. This series of studies aims to develop a computer vision-based system for automatic detection of misarranged color warp yarns in terms of high efficiency and good accuracy. Four main parts are included in this series of studies: warp yarn segmentation, fabric image stitching, warp regional segmentation, and yarn layout proofing. This paper proposes a continuous segmentation method of warp yarns to detect the misarranged color warp yarns for yarn-dyed fabrics automatically, which is the foundation of the developed computer vision-based system. The proposed framework consists of two main components: warp yarn segmentation and fabric image stitching. Firstly, the sequence images of a fabric stripe are captured using a designed offline image acquisition platform. Secondly, the warp yarns in the sequence images are segmented by a sub-image projection-based method successively. Thirdly, the sequence images are stitched by a yarn-template matching method based on their warp segmentation results. Finally, the continuous segmentation result of warp yarns is saved for the further processing of warp regional segmentation and color warp layout proofing. The proposed method has been evaluated on 720 fabric images of five fabric examples with plain and 2/2 twill, and experimental results show that the proposed method can realize the continuous segmentation of warp yarns in yarn-dyed fabrics with the yarn segmentation accuracy of 97.43% and image stitching accuracy of 99.53%.     

采用色纺纱图像的真实感色织物模拟

为解决色织物产品设计周期长,试织打样耗时费力的问题,提出一种采用色纺纱图像的真实感色织物的模拟方法。首先采集彩色纱线图像,运用阈值分割、形态学处理得到纱线主体,获取纱线主体的上、下边界和中心线,进而得到原始纱线图像的主体部分;接着根据椭圆模型和正弦曲线模型对纱线主体图像进行处理,得到纱线在二维织物表面中的形态;最后根据色纱循环和织物组织变换模型来改变经纬纱的覆盖关系,实现了真实感条纹型和格子型色织物的模拟。模拟结果表明：本文算法能够模拟不同种类色织物的织造过程,真实地反映织物的外观效果,且能够调整织物组织和色纱循环参数,提高了现有模拟算法的真实性和适应性。     

改进频率调谐显著算法在疵点辨识中的应用

为提高疵点检测效率和准确率,提出用改进频率调谐显著（FT）算法替代 Gabor 小波方法预处理疵点图像,强化疵点特征向量灵敏度。分析了FT 算法中高斯滤波器模板、Lab 颜色空间、高斯滤波图像中椒盐噪声和 HSV 颜色空间不同通道取值范围不一致对疵点识别的影响,并提出了相应改进方法。利用改进 FT 算法进行图像显著处理;使用灰度共生矩阵方法对疵点显著图进行特征提取;利用概率神经网络分类器分类,检测是否存在疵点。对 2 种不同纹理面料的检测结果表明：改进 FT 算法较改进前计算时间增加约8%,但疵点检测准确率提高18% ～25%;与 Gabor 小波相比,检测准确率基本持平,但计算时间缩短约70%。     

机织物密度对字典学习纹理表征的影响

为探讨纺织品表观质量的客观、智能评定方法,使用不同密度的机织物图像,采用子窗口样本获取方式作为学习样本,以离散余弦字典作为初始学习字典,选择基于最小二乘的字典学习算法求解用于表征织物纹理图像的字典,再通过字典元素的线性组合对织物图像进行重构。以均方误差为指标,首先讨论织物图像灰度值分布对字典学习算法重构误差的影响,然后对图像灰度值进行标准化处理,在此基础上探讨织物经纬密度对重构图像误差的影响。实验结果发现,当字典个数等于9时,织物密度在150 ~ 360根/10 cm之间,随着织物密度的增加,平纹重构图像的均方误差先变大,以后不再增加,而斜纹重构图像的均方误差增大。     

色纺纱线中纤维混色比例的图像检测

为解决色纺纱线中有色纤维配比的经验性及耗时性等问题,在结合视频显微镜和图像处理技术的基础上,提出一种基于聚类算法的色纤维颜色分类及比例测定方法。首先将色纺纱线解捻获得色纤维,在轻微张力下排列在载玻片上,利用视频显微镜进行图像采集;然后采用投影方法定位色纤维,再提取出每根纤维中心线上的像素点,分别取所有像素点的R、G、B分量的平均值构成特征向量来表征该根纤维;最后将RGB模型的特征向量转换到L*a*b* 模型并通过聚类算法对色纤维进行分类,确定图像中各颜色纤维所占比例。实验表明：本文算法能够实现色纺纱线中色纤维种类的确定及比例测定。     

基于相似性定位和超像素分割的织物疵点检测

为解决周期性纹理织物图像的疵点检测及其轮廓精确分割问题,提出一种基于相似性定位和超像素分割的织物疵点检测方法。将待检测图像进行中值滤波和对数增强,并利用FT算法估计增强图像的显著图实现待检测图像的预处理;将基于归一化局部均值差分的灰度相似性检测参量和结构相似性检测参量结合,构建可测量更多类型周期性纹理织物图像的相似性度量函数,通过阈值化增强图像分块的相似性测量值实现疵点在显著图中的粗定位;最后对显著图粗定位图像分块进行超像素细分割及其二值化处理,并借助连通域分析剔除孤立点,获得完整的疵点轮廓。结果表明,本方法与常规3种方法相比,对周期性纹理织物图像的疵点检测准确率更高,且提取出的疵点轮廓更精确。     

基于奇异值分解的双算法织物缺陷检测

针对难以有效地同时检测洞形缺陷和线形缺陷问题,提出一种基于奇异值分解的双算法织物缺陷检测方法。该方法首先对图像进行奇异值分解,通过对原图与特征值图进行布尔差集运算消除背景纹理并保留缺陷区域;然后采用均值滤波、直方图均值化及方差阈值滤波消除纹理及噪声点的干扰;接着通过形态学处理确定缺陷位置;最后采用面积阈值和方差阈值的方式获取线形缺陷和洞形缺陷。实验结果表明：该方法不仅能够有效地检测洞形缺陷,而且在检测线形缺陷上也有很好的表现,并在准确率上明显高于传统算法,证明了本文算法的有效性和多用途性。     

A computer vision-based system for automatic detection of misarranged warp yarns in yarn-dyed fabric. Part II: warp region segmentation

This series of studies aim to develop a computer vision-based system for automatic detection of misarranged color warp yarns to replace manpower and improve efficiency. Based on the warp yarn segmentation and fabric image stitching methods presented in Part I, this paper proposes a stepwise segmentation method of warp regions, as a core of the developed computer vision-based system, to detect the layout of color yarns for yarn-dyed fabrics automatically. The proposed framework consists of two main components: rough warp region segmentation and precise warp region merging which are realized by analyzing correlation coefficient of color histograms among segmented warp yarns and warp regions successively. The proposed method has been evaluated on 543 fabric images of four fabric samples consisting of 5533 warp regions, and experimental results show that the proposed method can realize the warp region segmentation in yarn dyed fabrics with the average accuracy of 99.47%.     

应用积分图的织物瑕疵检测快速算法

为解决现有基于图像处理的织物瑕疵检测算法实时性较差、正确率偏低等问题,提出一种包含学习和检测2个阶段的瑕疵检测算法。通过对无瑕疵模板图像的梯度能量特征及其分布特性的学习,自适应获得检测阶段所需的参数。一方面利用积分图原理将任意大小的图像块内的求和运算化简为三次加法运算,快速提取织物图像的梯度能量特征,实现织物瑕疵的实时检测,另一方面利用核函数拟合特征参数分布,结合均值漂移法求解分布峰值获得自适应的瑕疵判定阈值参数,实现织物瑕疵的准确分割。通过实验将本文算法与现有基于局部二值模式特征、小波特征、规则带特征等算法进行对比,针对包含3种纹理6类瑕疵的织物图像数据集的测试结果显示,本文算法平均处理时间为56ms,正确率为97%。     

Geometry of plain weave fabric under shear deformation. Part I: measurement of exterior positions of yarns

Behaviour of woven fabrics in all directions is important in some fabric applications. Dealing with geometrical deformation of fabric under shear stress is the main attempt of this paper. A method for detecting exterior positions of yarns in fabric, namely variation in warp-weft yarns angle and sett of yarns is developed in the present part. For this purpose, the fast Fourier transform (FFT) method is modified for detecting exterior position of yarns in sheared fabric. In an empirical work, two kinds of plain weave fabrics, cotton and polypropylene, are considered and specimens are prepared in different dimensions with identical aspect ration. Exterior positions of yarns in certain elongations are computed by proposed method for each specimen. It was found that the modified FFT technique is valid for evaluating exterior positions of yarns in sheared fabric. Moreover, it is observed that there is a critical state in behaviour of woven fabric under shear deformation. In subsequent parts, the treatment of fabric under shear deformation will be simulated and compared with results of present part.     

基于不同色纱组合的表里换层织物设计

概述了表里换层组织的基本结构和设计原理,分别设计了2种和3种色纱组合的表里换层织物,得出织物色彩数量与所用色纱数量的关系。结果表明:在改变经纬纱色纱排列次序的情况下,可以在表里换层织物表面形成不同深浅的几何色块,色块的数量随着所用色纱颜色的增加呈几何增长。将表里换层织物的组织变化与色纱变化相结合,可以形成独特的织物风格,为此类织物的设计提供了一种新的思路。     

改进频率调谐显著算法在疵点图像分割中的应用

为提高织物疵点分割精度,提出了一种用于织物疵点图像分割的改进频率调谐显著（FT）算法。首先,利用织物疵点和背景区域透光率的不同,将光源和相机分别置于织物两侧来获取图像,提高疵点区域对比度;其次,应用非局部均值滤波器（NLM）替代FT 算法中的高斯滤波器,增强对背景纹理的平滑和降噪能力;研究发现NLM滤波器中滤波参数对疵点分割精度影响较大,提出了基于平均最大类间方差的参数优化方法;然后,将改进FT 算法应用于疵点图像预处理,进一步提高疵点对比度;最后,使用最大类间方差法对疵点显著图进行分割。对2 种不同织物疵点图像的分割实验结果表明,使用改进FT 算法对粗经、竹节、结头、断纬、油污和破洞等常见疵点图像进行预处理,可显著提高疵点分割精度。     

基于Kubelka-Munk双常数理论的纬全显色提花织物配色算法

纬全显色结构提花织物,采用不同颜色的纱线与织物结构相配合,能够在织物表面获取各种各样的花形图案及丰富的颜色,由于织物结构与各单色纱线种类的千变万化,颜色设计一直以来都是生产设计中的难题,为了求得纬全显色提花织物的色彩显色模型。本文采用黑、白、红、绿、黄五种颜色为纬纱,按两组分不同比例混合交织得到单经双纬的纬全显色提花织物试样,通过大量实验测试,用数学中的最小二乘方法求得Kubelka-Munk双常数理论中的单纱吸收系数K值和散射系数S值,从而得到纬全显色提花织物的配色算法、并对织物中各纬纱颜色的表面比例进行预测。结果表明Kubelka-Munk双常数理论可以较好的解释纬全显色提花织物颜色与各单纱颜色比例之间的关系。     

轧光工序中织物接缝线的图像检测

针对轧光工艺中织物接缝线的自动检测,本文提出了一种基于数字图像处理的判别方法。以防羽布的轧光工艺为例,首先对获取的图像进行灰度化与中值滤波预处理;然后对预处理的图像提取均值、标准差与变异系数(CV值)等特征参数;最后通过对这三项特征参数的分析与对比,发现特征参数CV值可以作为防羽布有无接缝线的判别依据。实验结果表明,特征参数CV值能够精确地判别织物有无接缝线,并且图像处理的计算量小,检测速度快,可实现接缝线的及时避让。     

两通道环锭纺单区牵伸纺制段彩竹节纱的方法及其特点

针对现有环锭纺细纱机纺制段彩竹节纱,饰纱须条受双区牵伸作用,存在段彩竹节复合片段长度波动较大,彩节形态稳定性差,影响织物产品花式效果的问题,提出一种基于单区牵伸的两通道纺纱装置纺制段彩竹节纱新方法,并解析双区牵伸、单区牵伸纺纱方法对段彩竹节纱复合片段成纱的影响因素及规律。借助纱线图像连续采集装置,对段彩竹节纱复合片段的特征参数进行测量与分析。结果表明:基于单区牵伸两通道环锭纺的段彩竹节纱,其段彩竹节片段长度稳定性和段彩竹节形态均优于双区牵伸环锭纺段彩竹节纱,20 mm短片段段彩竹节的长度变异系数由30.5％降低至16.3％,80 mm的中长片段段彩竹节的长度变异系数由10.1％降低至6.2％。     

应用深度卷积神经网络的色织物缺陷检测

针对织物缺陷检测时传统人工的误检率、漏检率较高问题,提出一种应用深度卷积神经网络的色织物缺陷检测算法。因织物图像采集过程中含有较多噪声且信噪比较低,先对缺陷织物进行最优尺寸高斯滤波,有效滤除细节噪声;再根据织物图像特征建立深度卷积神经网络,利用径向基神经网络的非线性映射能力作用于卷积神经网络,并通过反向传播算法调整权值参数,获取无缺陷样本与训练样本之间的映射函数;最后,利用映射函数及特征字典重构图像并提取特征,根据Meanshift算法分割缺陷,确定缺陷位置。结果表明：应用深度卷积神经网络的缺陷检测算法对色织物图像库中的缺陷图像可实现提高检测效率、缩短检测时间,获取准确缺陷位置的目的。     

织物纹理均匀度的计算机评价

为用计算机代替人工对织物的纹理均匀度进行快速准确地评价,提出一种基于差值矩阵的计算机识别算法,通过建立灰度差值矩阵模型分析织物纹理均匀度指标。对织物图像进行预处理以增加其清晰度。通过检测织物经纬向灰度局部极值,建立横纵向纹理特征矩阵及位置矩阵。将矩阵中相邻行与列的元素依次相减,得到横纵向灰度差值矩阵模型。根据这2个矩阵模型,提出偏移平均值及综合评价公式对织物纹理均匀度进行评价,并通过实例给出了评价指标的分级范围。结果表明,这种方法简单准确且速度快,能较好评价织物的纹理均匀度。     

织物经纬密度自动测量实用技术:1.测量方法

为克服单一图像处理技术在检测高紧密、歪斜变形、绒面和结构不均匀等织物的结构参数时存在的困难和低精度问题,提出一种自动测量机织物经纬密度的新方法。运用力学拉伸矫正和清晰化与图像处理的组合技术快速测定机织物的经纬密度。研究证实,基于组合技术的纱线排列密度图像测量算法易实现,且对织物结构的图像识别具有普适性,可标准化和实用化。