[发明专利]一种机织物组织结构识别方法

说明书

技术领域

本发明涉及一种机织物组织结构的自动识别方法，该方法对纱线粗细、颜色变化的机织物原组织和小花纹组织中的变化组织都具有较好的识别效果，属于图像处理技术领域，可应用于纺织领域中的机织布匹的自动化检测。

背景技术

目前纺织行业中一般靠人工利用照布镜识别机织布匹组织结构，或者先采集放大的织布图片然后人工识别。此识别方法不仅消耗大量的人力和时间，而且不同的检验员经常做出不一致的检测结果，另外由于人眼容易疲劳，对于复杂织物很难人工识别。所以建立一个机织物组织结构自动识别系统，对提高纺织业自动化检测水平具有重要意义。近年来随着图像处理技术的发展，其在纺织领域的应用也越来越广泛。

在现有机织物组织结构分析的研究成果中主要有两大类方法：一是对图像的整体特征进行分析，判断机织物组织结构类型；二是首先将织物图像分割成若干个组织点，再对每个组织点进行分类识别。

随着纺织业技术的飞速发展，机织布的种类越来越多，结构及颜色也复杂多样。对于同样纹理结构的织物，由于纱线颜色及粗细的变化会对整幅图像特征的提取造成较大影响，加大了织物图像整体分析的难度。此外由于织物结构种类繁多，也无法构建完整的织物组织结构特征库，也就无法进行特征提取并与数据库中的织物匹配。

目前较好的识别结果中大都采用先分割组织点再进行识别的方法，但仍存在一些问题。首先利用沿水平和垂直方向的灰度投影曲线可以实现机织物组织点的准确分割，但实际中有些机织物的经纱与纬纱不垂直交织，存在较小的偏斜，给分割带来较大影响，需要先判断其偏斜角度纠偏后再进行投影分割。此外传统方法利用组织点的灰度特征对单色织物具有较好的识别效果，但纱线粗细变化以及图像采集过程中的光照不均匀等因素，都会给特征提取分类过程带来较大影响，而且对彩色机织物还需要采用其他方法进行识别，过程繁琐。提取有效特征克服以上干扰，对后续分类工作十分必要。最后由于组织点数量较多且容易受噪声影响，很难将所有组织点全部正确分类，因此校正错误分类的组织点并输出正确的组织图对于分析机织物组织结构至关重要。

发明内容

本发明的目的是克服现有技术的上述不足，提供一种能够不受纱线粗细和颜色差异影响，能够准确的识别机织物组织结构的方法。为此，本发明采用如下的技术方案。

机织物组织结构识别方法，包括下列步骤：

1.保持纬纱水平并采集机织物图像，获取亮度信息，用中值滤波和腐蚀算法对图像进行预处理；

2.利用水平方向灰度投影分割纬纱，再对每根纬纱沿垂直方向进行灰度投影，根据相邻纬纱间经纱与纬纱近似垂直交织，校正织物偏斜；

3.对校正后图像进行水平和垂直方向上的灰度投影，分割经纬纱，得到若干组织点；

4.对每个组织点提取16维梯度方向直方图特征，并归一化处理；

5.用FCM算法实现组织点的分类，两类组织点分别标记为0和1；

6.根据织物周期性，求出最小循环周期，统计分类结果，校正误分类点，输出正确组织图。

本发明具有如下的技术效果：

1.方法简单，易于实施。本发明利用梯度方向特征与模糊C均值聚类算法结合，算法简单，计算量小，且不需要高精度的仪器设备，方法简单实用。

2.准确性高。本发明在检测过程中，矫正了经纬纱交织时存在的小角度偏斜，保证了机织物组织点的正确分割，考虑了实际采集图像光照不均以及机织物纱线粗细不同、颜色各异带来的影响，提取组织点的梯度方向特征对其进行聚类分析，提高了分类的准确率。

3.对原组织和小花纹组织中的变化组织都具有较好的识别效果。

附图说明

图1：本发明的机织物结构识别方法流程图。

图2：采集机织物图像。

图3：预处理后图像。

图4：偏斜校正后图像。

图5：初步分类组织图。

图6：单元框划分示意图。

图7：误检点校正后正确组织图。

图8：三种基本组织及简单变化组织检测结果。图8-1为白色平纹(1/1)机织物及其组织图，图8-2为白色斜纹(1/2)机织物及其组织图，图8-3为白色缎纹(1/4)机织物及其组织图，图8-4为彩色平纹(1/1)机织物及其组织图，图8-5为白色变化斜纹(1/3)机织物及其组织图，图8-6为彩色缎纹(1/4)机织物及其组织图，图8-7为彩色变化平纹(4/4)机织物及其组织图。

具体实施方式