一种色织物组织的自动识别方法技术

本发明专利技术涉及一种色织物组织的自动识别方法，属于图像识别领域。本发明专利技术提供了一种色织物组织的自动识别方法：将色织物正反双面图像进行图像匹配后，分别对每一面的图像依次进行颜色空间转换、自适应滤波去噪、组织点网格初始化、组织点网格校正、建立组织点模板图像，用于组织点属性识别和生成初始组织图，并对组织点属性进行校正，将校正后的双面组织图中的经组织点、纬组织点分别融合得到色经排列图和色纬排列图，然后重构出色织物的配色模纹图，实现对色织物组织的自动识别。本发明专利技术中提供的色织物组织的自动识别方法，解决了现有技术利用织物单面图像难以准确识别织物的组织与颜色信息，影响织物组织识别的准确性的问题。

Method for automatically identifying tissue of yarn dyed fabric

The invention relates to an automatic identification method of weave fabric, belonging to the field of image recognition. The present invention provides a method for automatic identification of a fabric organization: fabric and double sides of image matching, respectively, on each side of the image in the color space conversion, adaptive filtering, point grid initialization, point grid correction, establish organization template image for point attribute recognition and generate the initial organization chart, and the texture features were corrected, the organization, after correction of double weft weave in the organization chart were obtained by fusion of color arrangement and color weft arrangement, and then reconstruct the excellent fabric color effect, realize the automatic recognition of fabric organization. Automatic identification method of yarn dyed fabric provided in the present invention, solves the single-sided fabric image is difficult to accurately identify the organization with the color information of the fabric, the fabric affects the accuracy of the identification of the problem.

【技术实现步骤摘要】
一种色织物组织的自动识别方法
本专利技术涉及自动检测
，尤其涉及一种色织物组织的自动识别方法。
技术介绍
织物组织是机织物的重要规格参数，对织物和服装的外观及物理性能起着决定性作用，织物组织的识别因此也是纺织产品质量检测环节中不可或缺的部分。传统测量织物组织的识别方法是专业检测人员在密度镜的帮助下，通过肉眼观察分析完成。用密度镜测量织物密度虽然简单实用，但存在检测时间长、效率低的缺点，还易受到检测人员的熟练度和个人主观感觉的影响。随着图像处理和人工智能的快速发展，纺织邻域的研究人员开始将计算机技术逐步应用于纺织品质量检测，其中就包括用数字化方法自动识别织物组织。织物组织的自动识别，多是基于单面织物图像研究，然而，由于机织物是由经纱和纬纱相互交织而成，经纬纱线在织物的一面呈现周期性沉浮，所以仅仅从织物单面图像很难准确识别织物的组织与颜色信息。从而影响织物组织识别的准确性。
技术实现思路
本专利技术所要解决的技术问题是提供一种色织物组织的自动识别方法，解决现有技术利用织物单面图像难以准确识别色织物的组织与颜色信息，影响织物组织识别准确性的问题。技术方案一种色织物组织的自动识别方法，其特征在于：将色织物正反双面图像进行图像匹配后，分别对每一面的图像进行数据处理得到双面组织图，提取组织点颜色信息后，分别将双面图像中的经组织点进行融合、纬组织点进行融合得到色经排列图和色纬排列图，然后重构出色织物的配色模纹图，实现色织物组织的自动识别。进一步，所述数据处理的步骤包括：依次进行颜色空间转换、自适应滤波去噪、组织点网格初始化、组织点网格校正、建立组织点模板图像、用于完成组织点属性识别和生成初始组织图，并对组织点属性进行校正，得到正反双面组织图。进一步，所述色织物正反双面图像进行图像匹配的步骤包括：S2.1、利用图像分割和Sobel边缘检测算子提取特征三角形三条边所在直线；S2.2、利用Radon变换计算出三条边的直线方程；S2.3、计算三角形顶点坐标得到其重心点坐标；S2.4、将重心作为特征匹配点，通过仿射变换得到匹配完成的双面图像。进一步，所述颜色空间转换的步骤包括：S3.1、建立23因子矩阵校准模型将织物图像从RGB颜色空间转换到XYZ颜色空间，模型如下：A＝[1rgbr2g2b2rgrbgbrgbr2gbg2rbb2rgr2gb2gg2br2bb2rg2rr3g3b3]T其中，r、g、b分别代表颜色的数字化存储红，绿，蓝分量；S3.2、利用分光光度计测量得到样本夹具中24色块各自的XYZ颜色值；S3.3、提取图像中24色色块子图像的RGB颜色值；S3.4、将各色块的X值和R、G、B代入下列中，利用最小二乘法计算出[a1,1a1,2a1,3…a1,23]T的值；S3.5、同理，利用各色块的Y值和R、G、B值，Z值和R、G、B值分别求出[a2,1a2,2a2,3…a2,23]T和[a3,1a3,2a3,3…a3,23]T，并最终得到转换矩阵M的值；S3.6、利用转换矩阵M将图像从RGB颜色空间转换到XYZ颜色空间，得到图像的X、Y、Z值；S3.7、若X>0.008856，则：否则：对X分量和Y分量做类似的处理，得到y和z；S3.8、由以下公式计算得到Lab颜色空间图像：进一步，所述自适应滤波去噪的步骤：S4采用维纳滤波对图像做降噪处理，滤波器的尺寸为3*3。进一步，所述组织点网格初始化的步骤包括：S5.1、建立二维坐标系，使织物图像的纬纱平行于坐标系的x轴，经纱平行于坐标系的y轴，织物图像中垂直方向和水平方向的灰度投影曲线由以下公式计算得到：其中M,N为图像的宽和高，G(x,y)为图像中(x,y)处像素点的灰度值，H(y)为第y行像素点的平均灰度投影值，V(x)为第x列像素点的平均灰度投影值；S5.2、织物纬向灰度投影曲线中波峰位置对应纬纱轴线，波谷位置对应纬纱间隙，因此通过确定波谷的坐标，可定位纬纱间隙位置，实现纬纱分割；同理，通过确定织物径向灰度投影曲线中的波谷坐标，即可定位经纱间隙位置，实现经纱分割，完成组织点网格初始化。进一步，所述组织点网格校正的步骤包括：S6.1、将采集到的织物图像进行网格初始化后，提取每根纬纱的子图像；S6.2、提取初始化后经纱间隙的定位点坐标，计算定位点局部区域内的径向灰度总值，计算公式如下：然后选取灰度总值最小的点坐标，作为校正后的经纱间隙定位点：S6.3、对每一根纬纱进行相同的处理，得到完整的组织点网格校准后图像，最后分割提取出组织点子图像。进一步，所述建立组织点模板图像的步骤包括：S7.1、根据机织物经组织点图像和纬组织点图像存在不同灰度渐变和灰度突变的特性，分别建立大小为M像素*N像素的经组织点模板图像和纬组织点模板图像，图像中纱线部分用白色表示，纱线间隙部分用黑色表示；S7.2、分别提取模板图像的水平变化均值Hcov和垂直变化均值Vcov作为特征参数，计算公式如下：进一步，所述组织点属性识别和生成初始组织图的步骤包括：S8.1、以水平变化均值为x轴，以垂直变化均值为y轴，建立二维分类坐标系；S8.2、提取出组织点模板的特征参数，即模板图像的水平灰度变化均值Hcov和垂直灰度变化均值Vcov，作为特征参考点；S8.3、以待识别组织点图像为目标，提取出图像的水平灰度变化均值Hcov和垂直变化均值Vcov，作为其特征点；S8.4、计算坐标系中代表待识别组织点图像的特征点与代表纬组织点模板图像的特征参考点的欧式距离S1，与代表经组织点模板图像的特征参考点的欧式距离S2，计算公式如下：其中，x1为特征点的横坐标，y1为特征点的纵坐标，x2为参考点的横坐标，y2为参考点的纵坐标，S为两点间的欧式距离；S8.5、比较S1和S2，若S1<S2，则判定该点为为组织点；若S1>S2，则判定该点为经组织点；若S1＝S2，则标记该点为未成功识别点；S8.6、取下一个待识别组织点图像作为目标，重复步骤S8.3-S8.5，直至所有待识别组织点识别结束；S8.7、判断出组织点属性后，将经组织点记为“1”，纬组织点记为“0”，得到对应的组织点矩阵。将组织点矩阵中的“1”以黑色方块表示，“0”以白色方块表示，得到相应的组织图。进一步，所述组织点属性进行校正的步骤包括：S9.1、利用步骤S8分别得到织物正反双面图像的组织点矩阵；S9.2、将正反面组织点矩阵相加，得到叠加矩阵；S9.3、提取出矩阵中数值不为“1”的元素点，元素的位置坐标即对应识别错误的组织点位置。S9.4、提取已经正确识别的经组织点和纬组织点，分别构建为训练集U1和U2；S9.5、提取错误识别的组织点，构建为测试集X；S9.6、分别计算测试集X中待检测点xi到训练集U1和U2中所有点的欧氏距离si，欧式距离s计算公式为S9.7、从训练集中选取与待检测点最近的k(k∈R且k≥1)个点组成优先级队列；S9.8、计算训练集U1和U2中元素在优先级队列中各占的权重，将测试集与所占权重较大的训练集归为同一类别；S9.9、将所有错误识别的组织点进行校正，得到正确识别的色织物双面组织图。进一步，所述双面经组织点融合和双面纬组织点融合的步骤包括：S10.1、对色织物图像进行组织点网格划分，得到Lab颜色空间下的组织点图像；S10.2、本文档来自技高网...

【技术保护点】
一种色织物组织的自动识别方法，其特征在于：将色织物正反双面图像进行图像匹配后，分别对每一面的图像进行数据处理，得到每一面的组织图和组织点颜色信息，将双面组织图中的经组织点进行融合得到色经排列图，纬组织点进行融合得到色纬排列图，然后重构出色织物的配色模纹图，实现色织物组织的自动识别。

【技术特征摘要】
1.一种色织物组织的自动识别方法，其特征在于：将色织物正反双面图像进行图像匹配后，分别对每一面的图像进行数据处理，得到每一面的组织图和组织点颜色信息，将双面组织图中的经组织点进行融合得到色经排列图，纬组织点进行融合得到色纬排列图，然后重构出色织物的配色模纹图，实现色织物组织的自动识别。2.如权利要求1所述的色织物组织的自动识别方法，其特征在于：所述数据处理的步骤包括：对每一面的图像进行颜色空间转换，自适应滤波去噪、组织点网格初始化、组织点网格校正、建立组织点模板图像用于组织点属性识别和生成初始组织图，并对组织点属性进行校正，得到正反双面组织图。3.如权利要求2所述的色织物组织的自动识别方法，其特征在于：所述颜色空间转换的步骤包括：S3.1、建立23因子矩阵校准模型将织物图像从RGB颜色空间转换到XYZ颜色空间，模型如下：A＝[1rgbr2g2b2rgrbgbrgbr2gbg2rbb2rgr2gb2gg2br2bb2rg2rr3g3b3]T其中，r、g、b分别代表颜色的数字化存储红，绿，蓝分量；S3.2、利用分光光度计测量得到样本夹具中24色块各自的XYZ颜色值；S3.3、提取图像中24色色块子图像的RGB颜色值；S3.4、将各色块的X值和R、G、B代入下列中，利用最小二乘法计算出[a1,1a1,2a1,3…a1,23]T的值；S3.5、同理，利用各色块的Y值和R、G、B值，Z值和R、G、B值分别求出[a2,1a2,2a2,3…a2,23]T和[a3,1a3,2a3,3…a3,23]T，并最终得到转换矩阵M的值；S3.6、利用转换矩阵M将图像从RGB颜色空间转换到XYZ颜色空间，得到图像的X、Y、Z值，并计算得到Lab颜色空间图像。4.如权利要求2所述的色织物组织的自动识别方法，其特征在于：所述组织点网格校正的步骤包括：S6.1、将采集到的织物图像进行网格初始化后，提取每根纬纱的子图像；S6.2、提取初始化后经纱间隙的定位点坐标，计算定位点局部区域内的径向灰度总值，计算公式如下：然后选取灰度总值最小的点坐标，作为校正后的经纱间隙定位点：S6.3、对每一根纬纱进行相同的处理，得到完整的组织点网格校准后图像，最后分割提取出组织点子图像。5.如权利要求2所述的色织物组织的自动识别方法，其特征在于：所述建立组织点模板图像的步骤包括：S7.1、根据机织物经组织点图像和纬组织点图像存在不同灰度渐变和灰度突变的特性，分别建立大小为M像素*N像素的经组织点模板图像和纬组织点模板图像，图像中纱线部分用白色表示，纱线间隙部分用黑色表示；S7.2、分别提取模板图像的水平变化均值Hcov和垂直变化均值Vcov作为特征参数，计算公式如下：6.如权利要求2所述的色织物组织的自动识别方法，其特征在于：所述组织点属性识别和生成初始组织图的步骤包括：S8.1、以水平变化均值为x轴，以垂直变化均值为...

【专利技术属性】
技术研发人员：辛斌杰，张瑞，章国红，孟想，
申请(专利权)人：上海工程技术大学，
类型：发明
国别省市：上海,31