共查询到19条相似文献,搜索用时 93 毫秒
1.
将功率谱应用到织物组织识别中,用功率谱及相关函数对织物图像进行处理,得到织物图像的功率谱曲线,从曲线的峰值中提取织物表面的方向性信息,得到织物经纬密度,并进一步确定织物组织的经纬纱特数、飞数和经纬纱循环数,最后得出织物的组织点属性.实验证明这种方法实际可行,对织物组织的计算机分析、识别及进一步的应用研究有重要的理论和实际意义. 相似文献
2.
3.
针对织物结构具有一定空间周期性的特点,运用扫描仪获取织物原始图像(反射图像和透射图像),在对织物图像预处理的基础上通过傅立叶变换得到织物图像的二维功率谱图像及自相关图像,由此求得织物的经纬纱密度和组织循环经纬纱数等织物组织结构参数,并开发了织物组织结构参数自动识别系统,具有一定的推广价值。 相似文献
4.
5.
6.
7.
针对现有机织物组织识别方法适用范围窄、鲁棒性差的现状,课题组提出一种计算织物组织循环大小的平移相减算法(translational subtraction algorithm,TSA),并提出了一种基于TSA算法的机织物组织有效识别方法。该方法结合机织物图像不同方向的TSA算法和水平方向的亮度累加法获取织物组织循环宽度和纬线宽度,然后对机织物图像进行错位TSA算法,分析错位TSA曲线相位的周期性和大小,可以得到织物组织循环的纱线根数和飞数,最终获得机织物图像的组织意匠图。实验证明该方法对机织物图像光照、纹理和倾斜等干扰因素具有鲁棒性,能有效识别各种类型的机织物组织。 相似文献
8.
本文基于数字图像处理技术,采用无监督的模式识别方法,实现机织物组织的自动识别。首先,采用错切变换对倾斜纱线进行校正,并按图像的经、纬向灰度投影曲线实现织物组织点的定位。然后,根据灰度共生矩阵对组织点图像进行纹理特征的提取。为了减少数据冗余量,对组织点特征进行主分量分析,提取最有意义的子特征。最后,采用无监督的核模糊C均值聚类对组织点进行分类识别。织物的测试结果表明,所采用的算法能够实现简单的机织物组织的准确识别,并输出对应的组织图。 相似文献
9.
织物组织点坐标的确定,是组织识别研究中非常重要的一项内容。通过使用扫描仪获取织物原始图像的透射图像,可以先对透射图像进行二值化和Sobel边缘检测处理;然后通过一定的算法,确定经纬纱线的位置,求出织物经纬组织点的准确坐标,从而为下一步的织物色纱排列和织物组织自动识别奠定基础。另外,还派生了一种测量织物密度的新方法。 相似文献
10.
机织物组织自动识别技术 总被引:1,自引:1,他引:0
为实现机织物组织的自动识别,对织物表面反射图像进行纠偏和直方图均衡预处理,并按图像的经纬向灰度投影曲线实现织物组织点的定位。根据经纬向组织点灰度的相关性,求出织物组织的经纬纱循环数。通过比较组织循环范围内组织点的灰度均值来确定组织点的属性,并以组织点的灰度方差对组织点的属性进行验证。实现单循环组织识别后,再对多个组织循环内的对应组织点进行验证,以进一步提高识别的准确性。织物的测试结果表明,所提出的算法能够实现简单的机织物组织的准确识别,并能输出对应的织物组织图。 相似文献
11.
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。 相似文献
12.
提出一种新的基于复合条件的模糊识别方法完成对织物图像的纹理提取。首先对整个图像灰度级分析,确定行与列灰度波的标准模糊集,然后给出基于灰度大小及像素位置的复合条件隶属度计算公式,对行与列的灰度波进行模糊分类,使其转换为仅有2个灰度极值的纹理灰度波。最后将所有纹理灰度波组合还原成二值纹理织物图像,为后续密度识别、纹理均匀度识别及疵点识别等图像分析提供基础。实验与分析结果显示,本文算法通过对灰度波的模糊划分,提取仅用2个灰度值表示的织物二值纹理图像,形成具有脉冲特征的纹理灰度波,可为后续织物图像各参数分析提供简单有用的织物纹理数据模型。 相似文献
13.
Tanja Nuša Kočevar 《纺织学会志》2018,109(10):1270-1281
In this research, we developed a methodology of cloth porosity interpretation that is applicable in visualisation workflow of cloth with uneven texture and structure, especially present in cultural heritage, hand-made fabrics, artistic and experimental cloths. The illumination settings and methods of image preparation used for a 3D visualisation of woven cloth porosity were analysed. A historic fabric of a folk costume in plain weave had uneven porosity as a result of irregular yarn thickness and the fact that the fabric was worn out. The original images of the cloth were acquired with a camera under seven different illumination settings. Three groups of images were analysed, i.e. original images, images with equalised histograms and images processed with the rolling ball algorithm. The algorithm Yen was chosen for thresholding and the definition of woven cloth porosity. Furthermore, the image analysis of pore sizes and the area covered by the pores was performed. Besides, closed and connected pores were examined. By means of the image analysis and visual evaluation, it was demonstrated that the optimal solution is the use of maps generated from the images acquired with diffuse illumination of fabric samples and processed with the rolling ball algorithm. 相似文献
14.
15.
16.
Detection of fabric defects can be considered as a texture segmentation and identification problem, since textile faults normally have textural features that are different from features of the original fabric. A feasible approach for the recognition of fabric defects based on discrete wavelet transform and back-propagation neural network is proposed in this article, the indispensable processes of which are defect image preprocessing, wavelet transform, feature extraction, principal component analysis of the extracted feature parameters, and defect identification. Under the experimental condition, the average recognition accuracy of defects and nondefects are 99.2% and 100%, respectively. Experimental results show the advantages with high identification correctness and high inspection speed. 相似文献
17.
在织物起毛起球图像处理过程中,织物纹理信息的滤除是实现毛球分割至关重要的一步,而不同的图像包含的纹理、毛球信息不同,在用傅里叶变换对图像进行处理时需要采用不同滤波半径。因此,在处理过程中选取的滤波半径是实现纹理滤除的关键因素。本文将快速傅里叶变换与织物纹理能量的算法相结合,根据能量2次差值拟合曲线实现毛球与纹理分离时最佳滤波半径的自动获取,然后通过反傅里叶变换得到分离的纹理信息和毛球信息,实现织物纹理的滤除,最后分割出完整的毛球信息。 相似文献
18.