[发明专利]基于图像分析的针织物起毛起球评级方法

权利要求书

1.基于图像分析的针织物起毛起球客观评级方法，包括下列步骤：

步骤1：获取一幅针织物样本图像，对其进行下列预处理：

(1)用直方图均衡化的方法把样本图像的灰度值拉伸到整个灰度分布范围；

(2)对直方图均衡化后的图像进行Top-Hat变换，然后用变换前的图像减去变换结果，以去除纱结的影响；

步骤2：采用最小偏态法对经过步骤1的预处理后的图像进行二值化处理，计算二值图像中的各连通区域的面积，删除小于阈值的区域，从而从样本图像中提取出毛球区域图像；

步骤3：对毛球区域图像进行距离变换，对进行距离变换后的距离图像进行像素属性分析，确定粘连区域的瓶颈部位，包括边界上的连接线像素和内点中的连接线像素；

步骤4：通过链码对粘连区域连接线进行跟踪，核实连接线的有效性，进而确定粘连区域的连接线与切割点；

步骤5：针对边界切割点、邻边界切割点和内部切割点三种不同类型的切割点，采用相应的切割方法对粘连区域进行毛球颗粒分割；

步骤6：根据毛球颗粒分割结果，计算毛球的两个或两个以上的起毛起球性能指标；

步骤7：建立BP神经网络模型，其中输入神经元取为上述的性能指标，输出神经元表征不同的起毛起球等级；

步骤8：把BP神经网络的权值和某一固定的阈值作为基因，进行实数编码；

步骤9：将标准针织物起毛起球样本图像的指标作为BP神经网络的输入，利用遗传算法对BP神经网络的初始权值和阈值以及结构进行优化和训练；

步骤10：将测试图像的指标作为训练好的BP神经网络的输入，得到起毛起球客观评级结果。

2.根据权利要求1所述的基于图像分析的针织物起毛起球客观评级方法，其特征在于，步骤1中Top-Hat变换时，选取3×3的十字形结构元素。

3.根据权利要求1所述的基于图像分析的针织物起毛起球客观评级方法，其特征在于，步骤2中，设预处理后的图像的灰度分布范围为0～G，其中目标和背景的灰度级分布概率密度分别为p₁(t)和p₂(t)，设p₁(t)和p₂(t)均服从正态分布，目标和背景的灰度均值分别为μ₁(t)和μ₂(t)，方差分别为和，偏态指标分别为K₃₁(t)和K₃₂(t)，将图像的灰度级按阈值t划分为目标和背景两类，设预处理后的图像的归一化直方图为h(i)，(i＝0～G)，目标物像素占全图像像素数比为θ(t)，则：

θ(t)=Σi=0th(i)]]>

μ1(t)=Σi=0th(i)i/θ(t),]]>μ₂(t)＝1-μ₁(t)

σ12(t)=Σi=0t[i-μ1(t)]2h(i)/θ(t)]]>

σ22(t)=Σi=t+1G[i-μ2(t)]3h(i)/(1-θ(t))]]>

K31(t)=Σi=0t[i-μ1(t)]2h(i)[σ1(t)]3θ]]>

K32(t)=Σi=t+1G[i-μ2(t)]3h(i)[σ2(t)]3(1-θ)]]>

定义图像的偏态指标：K₃(t)＝|K₃₁(t)|+|K₃₂(t)|；

求取thre＝ArgMin[K₃(t)]，0＜t≤G；

经过预处理的图像进行二值化处理：像素值f(i,j)=1f(i,j)≥thre0f(i,j)<thre;]]>

选定面积阈值，对图像进行面积滤波。