织物平整度等级客观评定方法技术

一种织物平整度等级客观评定方法，其步骤包括：　　　　ａ．利用同一织物光照图像获取装置，对织物模板和织物样本，以迭代方法摄取相应的多幅灰度图像；　　　　ｂ．利用图像处理系统，将所采集的多幅织物模板灰度图像和织物样本灰度图像分别转换成织物模板二维数字图像和织物样本二维数字图像；　　　　ｃ．利用图像处理系统，将所建立的织物模板二维数字图像和织物样本二维数字图像分别重建成织物模板三维图像和织物样本三维图像；　　　　ｄ．利用图像处理系统，分别对重建的织物模板三维图像和织物样本三维图像提取特征参数；最后，　　　　ｅ．对所提取的织物模板图像特征参数和织物样本图像特征参数采用模式识别法评定该织物的平整度。（*该技术在2023年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术涉及一种纺织品性能测试方法，具体地说，是关于评定织物平整度的方法。
技术介绍
织物表观性能在纺织品质量控制及贸易中是一项重要指标，而织物的折皱性能又直接影响纺织品的美观特性，因此，对织物的折皱性能加以评定显得十分必要。目前所进行的评定是主观评定，主要采用标样对照法，即将试样与标准样卡在标准灯光条件下通过眼光目测进行比较，这种主观评定方法，由于人为因素影响，容易带来评定误差。人们对织物平整度等级评定的研究现状是研究初期主要采用仪器法评定织物平整度。1971年Shiloh专利技术了一种折皱测试仪来评估织物起皱，他采用高度、斜度和密度等几何参数来定义起皱，然而评价准确率不高。1986年Galuszynski进一步开发了两种装置折皱仪和皱纹仪，通过测量织物的折痕长度得到折皱率P(％)与主观评价的线性回归方程。1990年Amirbayat也提出了相似的方法，通过仪器测量，计算出织物厚度方向的张力，结果表明，它与标样对照法有着很高的相关性。1995年Harlock等人采用莫尔条纹法分析接缝处的起皱情况，该方法存在的问题是光照条件对莫尔条纹影响较大，同时很难适用于表面有凸起的织物。90年代初，1991 Inui采用超声波技术评测织物的起皱，由于超声波束很窄且反射强度与织物的表面坡度有关，该方法尤其适用于轻微程度的折皱，但是不适用于较模糊的表面，同时易受接触角的影响。1992年Stylios和Sotomi采用CCD摄像机系统评测缝合起拱，他们通过测量接缝亮度、纹理和图案构造出折皱参数与主观评价的线性回归式，然而该方法是以统计分析为基础，所摄图像易受外界光源条件的影响。近年来，随着计算机技术的不断发展，已有人开始借助计算机图像处理技术评定织物平整度。1995 Xu.B提出了用折皱灰度表面积、阴影面积评定平整度等级；1995年Youngjoo Na和Behnam Pourdeyhimi提出用折皱强度、轮廓、功率谱密度、尖锐度、随机分布程度、总体外观等来表征平整度，再用上述指标确定织物的平整度，与主观评定结果有着很好的相关性。2000年Kang和Lee采用激光扫描系统获取织物的三维表面形状，结合分形理论评定织物的平整度等级。新型理论也开始应用于织物的平整度等级评定，1997 Chang等人利用误差反馈神经网络评定织物平整度，对40种织物试样进行评定，评定结果与主观评定的相关系数为85％；1999 Chang和Tae借助神经网络与模糊理论相结合可以较好的评估织物平整度，对30种织物试样进行客观评定，评定结果与主观评定的相关系数达到90.80％。2000 Tsunchiro等人将小波理论应用于织物的平整度评定，采用Daubechies小波提取平整度特征值，用于织物起皱(尤其是缝合起拱)的客观评价，对20种织物试样的客观评定，评定的主、客观相关系数为83％。概括地说，对于织物平整度的等级评定，迄今为止仍主要采用主观评定方法，即标样对照法。该方法以美国AATCC-124标准样卡为参考模板，中国国标GB/T13796-92就是参照美国AATCC标准制定的，评定过程是将试样与标准样卡在标准灯光条件下通过眼光目测进行比较，最终确定试样的平整度等级。但是，该方法属于主观评定，由于人为因素影响，容易带来实验误差。另外，借助仪器评定织物平整度等级的方法也常被采用，采用折皱测试仪评定织物平整度等级，是利用高度、斜度和密度等几何参数来定义折皱，由于此方法是接触式测量，易改变织物折皱原貌，评价的准确率不高。
技术实现思路
如上所述，如何可靠、客观评定织物平整度的等级是本专利技术所要解决的技术问题，因此，本专利技术的目的在于提供一种。本专利技术的技术方案如下根据本专利技术的一种织物平整度等级客观评定的方法，其步骤包括a.利用同一织物光照图像获取装置，对织物模板和织物样本，以迭代方法摄取相应的多幅灰度图像；b.利用图像处理系统，将所采集的多幅织物模板灰度图像和织物样本灰度图像分别转换成织物模板二维数字图像和织物样本二维数字图像；c.利用图像处理系统，将所建立的织物模板二维数字图像和织物样本二维数字图像分别重建成织物模板三维图像和织物样本三维图像；d.利用图像处理系统，分别对重建的织物模板三维图像和织物样本三维图像提取特征参数；最后，e.对所提取的织物模板图像特征参数和织物样本图像特征参数采用模式识别法评定该织物的平整度。所说的利用织物光照图像获取装置拍摄织物样本或模板灰度图像，是将织物样本或模板放置在胶合板上，该胶合板平面与一光源平面平行，且都与竖直平面成5°夹角，一CCD摄像机安装在一固定支架上，其摄取方向与该光源平面垂直，该光源平面上均匀分布8个点光源，这些点光源依次开啓，或该光源平面上均匀分布8个光源停置点，移动点光源，其依次经过该8个光源停置点，而得到8个不同光照图像，整个过程均在暗室中进行。所说的将所采集的若干幅织物样本或模板灰度图像转换成织物样本或织物模板二维数字图像，是利用一图像采集卡将该CCD摄像机所摄取的织物样本或织物模板图像转换为织物样本或织物模板二维数字图像。所说的将建立的织物样本或织物模板的二维数字图像重建成织物的样本或模板三维图像是采用光度立体视觉法，从多幅灰度图像出发，结合有限差分法进行迭代计算来重建织物的样本或模板三维形状。所说的织物特征参数提取是对织物三维重建算法所获得的织物样本或织物模板的三维轮廓数据，提取反映织物平整度的特征参数，其包括对比度、功率谱密度、分形维数、表面面积、粗糙度、扭曲度、峰度、平均偏移量、整体折皱密度和尖锐度。所说的模式识别是采用自适应模糊神经网络模式识别方法来评定织物的平整度等级，包括三个步骤e1.将织物模板的特征参数值输入神经网络之中，经过学习和训练，输出竞争获胜的神经元，以获胜的神经元代表不同等级的平整度模板，从而，将不同等级的平整度模板划分成不同的类别。e2.将织物样本的特征参数值输入神经网络之中，利用步骤e1对不同的织物样本进行分类。e3.将织物样本的类别与织物模板的类别进行对照，确定织物样本的平整度等级。本专利技术方法与已有技术相比，具有突出的实质性特点和显著的进步由于本专利技术方法中所使用的织物光照图像获取装置应用环境与人工评价的环境比较接近，因此，使评价结果更具可比性，特别是，结合三维重建和等级评定领域的新颖算法，可以较为准确地评定织物的平整度等级；本专利技术方法中，由于采用自适应模糊神经网模式识别来评定织物的平整度，其融合了模糊逻辑和神经元网络各自的优点，采用光度立体视觉法提取织物平整度的特征值，输入自适应神经网络中，所评定的主、客观相关系数达到97.91％，评定级差在0.5级以内所占比例为96.15％，以较大的幅度超过了已有技术所达到的与主观评定结果相吻合的相关指标。附图说明图1是本专利技术方法技术路线示意图。图2是实施本专利技术方法的系统结构示意图。图3是本专利技术方法中的光度立体视觉法三维重建算法流程图。图4是本专利技术方法中的模式识别程序流程图。具体实施例方式下面根据图1～图4给出本专利技术方法一个较好实施例，并结合对实施例的描述，进一步给出本专利技术方法的技术细节，以使能更好地说明本专利技术的技术特征和功能特色，但不是用来限制本专利技术的权利要求保护范围。首先，根据图1所示，实施本专利技术的技术路线，并按本专利技术方法建立本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：杨晓波，黄秀宝，
申请(专利权)人：东华大学，
类型：发明
国别省市：