基于K-SVD学习字典的机织物纹理表征及应用

为更好地适应机织物纹理以及减少程序的运行时间,选取平纹、斜纹、缎纹3种组织结构采用Ｋ?奇异值分解（K-SVD）的方法训练得到一个自适应字典。以峰值信噪比、结构相似性为指标,探讨不同稀疏基数对机织物纹理图像重构的影响,针对不同的应用,选取了合适的稀疏基数T。利用该字典重构机织物纹理图像,在此基础上检测织物瑕疵。实验结果表明：T=6 时,算法不仅能有效重构机织物纹理图像（PSNR和SSIM）,而且重构效果要优于初始离散余弦转换（DCT）字典;T=4 时,K-SVD 字典能更好地适应瑕疵样本,且鉴别瑕疵的能力更强。     

基于通用字典的局部机织物纹理稳定表征

为改善固定字典表征织物纹理的效果,提出基于通用字典表征织物纹理的方法。首先,对字典学习法进行优选,分别选取8种任意正常织物样本和20种不同组织结构样本,采用优选后的字典学习法得到了1种普通通用字典、4种组织结构通用字典和1种联合组织结构通用字典。最后对通用字典的有效性进行试验验证,发现普通通用字典较固定字典能更好地适应织物纹理;在此基础上,比较了3种通用字典的性能。结果表明:在同等试验条件下,与固定字典相比,通用字典能更好地表征织物纹理;不同类型的通用字典可具有较好的通用或专用性。     

基于通用学习字典的机织物纹理表征

为了提高学习字典的通用性,使其对不同织物密度样本均具有良好重构效果,提出一种包含多种织物纹理特征的通用学习字典构造方法。首先确定不同织物密度样本的取样尺寸和优化用于重构不同织物密度样本的学习字典原子个数,然后依据优化的参数训练得到不同织物密度样本的字典,最后将上述字典进行合并得到通用学习字典。针对不同密度的机织物纹理图像样本分别分析了取样尺寸和字典原子个数对图像重构误差的影响。试验结果表明:通用学习字典对不同机织物纹理的表征性能明显优于离散余弦变换字典。认为:通用学习字典具备了对多种不同密度织物的通用性,重构性好。     

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...     

基于MATLAB的机织物密度自动检测

对机织物用MATLAB语言进行图像处理，实现机织物经纬密度自动检测进行了研究。提出用小波变换对机织物图像进行分解和重构，将机织物经向和纬向信息分离出来，再对变换后的图像进行二值化和平滑处理。得到与背景完全分离的纱线分布信息，自动计算出机织物的经纬密度。经实验验证，所得结果相对误差为3‰，准确度较高。     

机织物结构及其极限密度的研究

在对平纹织物的几何结构进行理论分析的基础上，应用数学方法推导了织物极限密度的数学表达式，归纳了不同原组织的极限经纬纱密度范围，并通过实际试织，在织机上织造了能正常生产的最大密度织物，还对造成实际密度与理论密度差异的原因进行了分析。     

机织物局部组织复原与密度自动测定

为提升印花机织物经纬密度自动测量的准确性,利用图像修复技术滤除织物表面印花图案,复原局部组织纹理。为验证不同组织结构下图案种类、大小对复原效果的影响,采用图像融合方式,按照组织结构、图案种类、图案大小设计了27种测试样本。对Criminisi算法优先权项进行设计,并对修复模块尺寸依据图案尺寸作自适应调节。对比分析了Criminisi算法、仅优化优先权项,以及优先权与修复模块联合优化3种修复效果;同时对比分析了人工检测和本文算法检测的样本密度。结果表明：优化算法能够较好地复原图案所在区域内织物组织纹理,样本测试主客观一致率均值为99.89%。该方法的提出,能够解决部分中小尺度印花图案的干扰,进一步扩大了织物密度图像法检测的适用面。     

应用非负字典学习的机织物瑕疵检测算法

为进一步提高织物瑕疵检测算法对瑕疵类型的通用性,提出一种采用非负字典学习的机织物瑕疵检测算法。首先对正常机织物图像进行窗口分割,将每个子窗口按列展开成列向量,所有列向量联合组成1个矩阵;然后对该矩阵进行非负字典学习,得到个数最佳的非负字典,即基向量;最后应用该字典对待检测样本在最小平方误差下进行近似,并在重构误差的基础上进行疵点检测。重点探讨了窗口大小和字典个数对检测效果的影响。对4 864个样本的实验结果表明,所提算法能在误检率小于10%情况下,取得90%的检出率。     

机织物经纬密度的图像测量－I测量方法

介绍了一个由CCD数码相机、平板透射光源和PC机组成的简易织物图像分析系统,其测试原理是模拟移动式密度镜的测试原理设计图像识别算法,通过识别织物中纱线的间隙进而对经、纬纱线计数并完成测量。试验结果表明,它可以测量素色、印花、色织物等绝大多数常规织物,其测量精度应高于人工测量中的观测精度。     

基于离散余弦变换过完备字典的机织物纹理稀疏表征

为进一步研究基于字典学习的机织物纹理表征算法的稳定性与可比性,提出用离散余弦变换（DCT）过完备字典稀疏表征算法来重构织物纹理图像。重点探讨了稀疏度、子窗口大小、字典个数对纹理表征效果的影响,利用均方根误差和峰值信噪比指标对机织物原图与重构图像之间的近似程度进行量化,并确定最终优选的稀疏度为10,子窗口大小为8像素×8像素,字典个数为256。实验结果表明,所提方法不仅方便快捷,还可得到较好的表征效果。此外,其DCT过完备字典峰值信噪比值仅次于基于训练的自适应学习字典,且优于主成分分析和非稀疏表征算法约4 dB。     

Defect detection on the fabric with complex texture via dual-scale over-complete dictionary

This paper proposed a defect detection algorithm for fabrics with complex texture based on dual-scale over-complete dictionary. The core was to learn the features of defect-free fabrics using dual-scale over-complete dictionary. The traditional defect detection methods generally showed a favorable effect on plain cloth or twill, etc., while poor effects on plaids or stripes, etc. with complex texture. Considering the large variations of the defect size of different kinds, this study used dual-scale dictionary to enhance self-adaptability of defect detection. Subsequently, the increase in the false detection rate brought by dual-scale detection was effectively avoided using fusion algorithm of different scales. The experiment based on TILDA database suggested that the algorithm proposed achieved a detection rate of 96.5% and a false detection rate of 5.5% for complex texture. Moreover, this algorithm showed favorable self-adapting ability to other fabrics on our own database. Through the downsampling operation on large-scale samples, the computing time was greatly reduced as compared to single-scale algorithm.     

应用频谱图的机织物纹理分析

利用傅里叶变换技术将空间域的纹理图像变换到频率域中,采用频谱图对机织物纹理信息进行分析。通过傅里叶变换技术得到机织物图像的频谱图,利用阈值分割曲线选取合适的阈值对频谱图进行分割,然后用邻域最大值的方法找到织物纹理的特征坐标点。根据坐标点与实际频率的关系计算机织物纹理的频率范围。实验结果表明,随着密度的增大织物纹理的频率增加,斜纹和缎纹的频率范围比平纹织物的大,常见机织物的纹理为中低频。     

高紧度机织物图像倾斜的自动纠正

通过傅里叶变换方法,实现对高紧度机织物图像上位于同一直线像素点信号的周期提取。通过对不同位置直线上像素点周期的比较,发现当像素点所在直线与纱线位置平行时,得到的周期值最小。利用该结论,以图像中心为纠偏点,以0.2°为步长,遍历该点所在水平线上下20°范围的所有直线,计算对应的周期值。在这201个周期值中,最小值所对应的直线就是纱线的平行位置。将该位置旋转到水平位置,即可完成图像的纠偏。实验结果表明,该方法能够完成高紧度机织物图像倾斜的自动纠正,纠偏精度为0.2°,且对不同的织物图像具有很好的适应性。     

织物组织结构对其起毛起球性能的影响

织物起毛起球影响织物的外观、手感等服用性能。文中通过对8种精纺毛涤织物进行起毛起球测试，并利用扫描电镜对起球过程进行了观察，分析了精纺织物的起球机理以及织物结构对织物起球性能的研究。