一种基于多光谱图像的纺织品外观平整度评定方法技术

本发明专利技术涉及一种基于多光谱图像的纺织品外观平整度评定方法，步骤1：图像采集；于暗室内，利用图像采集装置，在待评定纺织品表面的同一位置采集多光谱图像；步骤2：图像预处理；对采集到的多光谱图像进行预处理；步骤3：Gabor特征提取；利用Gabor函数对经预处理后的多光谱图像进行特征提取；步骤4：样本归类；先选择若干经标准评级的纺织品试样并提取它们的Gabor特征，再基于所提取的经标准评级的纺织品试样的Gabor特征，采用KNN分类器对待评定纺织品进行分类；本发明专利技术的方法利用图像处理技术可以不用肉眼，而是提取Gabor特征，采用KNN分类，用算法实现自动归类，实现了对纺织品外观平整度的客观自动化评级。观平整度的客观自动化评级。观平整度的客观自动化评级。

【技术实现步骤摘要】
一种基于多光谱图像的纺织品外观平整度评定方法


[0001]本专利技术属于检测
，涉及一种基于多光谱图像的纺织品外观平整度评定方法。

技术介绍

[0002]日常的家庭洗涤与工业的洗护过程对纺织品表面进行了各种不同的物理作用，导致其表面的外观产生各种改变，其中包括不可逆的纺织品表面折皱。纺织品表面折皱会降低其外观美感以及降低其各方面的使用价值。因此，纺织行业对纺织品洗护后维持其原有平整性的评价具有一定标准，此类标准在纺织品贸易及纺织品质量管控中具有重要价值。通常，此类标准要求对纺织品进行标准洗涤与干燥处理，然后对其进行保持其原有外观平整度的性能进行评价。此类标准包括美国纺织化学师与印染师协会制定的AATCC 124及我国国家标准GB/T 13769等。上述标准中，纺织品的外观平整度主要依赖于评定人员的主观评价，评定人员须在标准规定的观测环境下，比较经标准洗护后的纺织品样本与各级别标准模板之间的相似度，评出最适应于该样本的平整度等级。此类方法依赖于评定人员的主观感受，其精度受到人工操作的主观、客观因素的影响，且难以实现信息存储与重现。因此，为实现对纺织品外观平整度的客观自动化评级，研究一种纺织品外观平整度评定方法具有十分重要的意义。
[0003]目前的织物外观平整度客观评级方法主要可分为二维方法及三维方法，其中二维方法以样本的灰度图像为处理对象，而三维方法以样本表面的三维成像为处理对象。三维方法具有成像效果直观，测量环境依赖度小等优点，但由于其较低的运算效率，难以在短时间内应用于纺织品检测领域。目前的二维方法主要采用样本的灰度图像为检测对象，以其表面阴影特征为平整度评价依据，更为接近人类主观评价所接触的对象。但可见光环境下的灰度图像是纺织品表面三维特征在二维成像空间下的映射，其对采集环境的依赖度较大，具有稳定性差的缺点。
[0004]因此，开发一种对环境依赖小且稳定性好的纺织品外观平整度评定方法具有十分重要的意义。

技术实现思路

[0005]本专利技术的目的是解决现有技术中存在的问题，提供一种基于多光谱图像的纺织品外观平整度评定方法。
[0006]为达到上述目的，本专利技术采用的技术方案如下：
[0007]一种基于多光谱图像的纺织品外观平整度评定方法，包括如下步骤：
[0008]步骤1：图像采集；
[0009]于暗室内，利用图像采集装置，在待评定纺织品表面的同一位置采集多光谱图像；
[0010]步骤2：图像预处理；
[0011]对采集到的多光谱图像进行预处理；
[0012]步骤3：Gabor特征提取；
[0013]利用Gabor函数对经预处理后的多光谱图像进行特征提取；
[0014]步骤4：样本归类；
[0015]先选择若干经标准评级的纺织品试样并提取它们的Gabor特征，再基于所提取的经标准评级的纺织品试样的Gabor特征，采用KNN分类器对待评定纺织品进行分类；具体地，选择若干经标准评级的纺织品试样及标准模板作为训练样本，实施上述步骤1~3以获得训练样本的特征，然后采用KNN分类器对待评定纺织品进行分类；
[0016]目前纺织品物外观平整度分为6个等级，即SA
‑
1、SA
‑
2、SA
‑
3、SA
‑
3.5、SA
‑
4、SA
‑
5。其中:SA
‑
1表示外观平整度保持性最差，织物最折皱，随着等级数值的升高，折皱程度逐渐降低;SA
‑
5表示折皱程度最轻，织物最平整。每个等级都有标准样照，现有技术是人工直接和这些标准样照对比，和哪个标准样照最像就属于哪个等级；而本专利技术的方法利用图像处理技术，可以不用肉眼，而是通过提取Gabor特征，同时也提取标准样照的特征，最后把待测样本特征与标准特征采用KNN进行分类，就可以自动确定待测样本与哪个标准样本最相似，进而用算法实现自动归类；
[0017]步骤1中多光谱图像包括近红外光谱（780~1000nm）图像和可见光光谱（400~700nm）图像。
[0018]作为优选的技术方案：
[0019]如上所述的一种基于多光谱图像的纺织品外观平整度评定方法，步骤1中图像采集装置包括黑白相机、可见光源和近红外光源，黑白相机放置在纺织品正上方，可见光源和近红外光源照射方向均与纺织品表面呈45
°
角（红外光源和可见光源都是条形光源，体积很小，并列一起放在同一个地方，因为拍摄时两个光源是交替工作，并不是同时工作，两者之间的角度并不重要，只有保证每次拍摄的角度固定即可）。
[0020]如上所述的一种基于多光谱图像的纺织品外观平整度评定方法，待评定纺织品与若干经标准评级的纺织品试样的物理尺寸均为38cm
×
38cm（即边长38cm的正方形）。
[0021]如上所述的一种基于多光谱图像的纺织品外观平整度评定方法，步骤1中采集的近红外光谱图像和可见光光谱图像均为像素尺寸均1024
×
1024的二维图像。
[0022]如上所述的一种基于多光谱图像的纺织品外观平整度评定方法，步骤2中图像预处理是指利用中值滤波对采集到的多光谱图像进行降噪，中值滤波采用的窗口尺寸为5
×
5。本专利技术所涉及的中值滤波采用的窗口尺寸为5
×
5，配合所采集图像的像素尺寸，可消除样本表面的成像噪声、织物纹理、纤维杂质、布面起球等噪声。
[0023]如上所述的一种基于多光谱图像的纺织品外观平整度评定方法，步骤3中，Gabor函数的复数表达式如下；
[0024]；
[0025]式中，为空间位置坐标；分别为Gabor滤波器的尺度和方向参数；为
高斯函数的标准差，是调制信号高斯窗口函数的尺度因子；为空间纵横比，其值决定了Gabor函数的形状；为正弦函数波的频率，；为相位偏移（三角函数的标准术语，就是指函数的水平偏移量，取值范围为
‑
180
°
到180
°
），为Gabor函数的虚数部分，j代表虚数。
[0026]如上所述的一种基于多光谱图像的纺织品外观平整度评定方法，多光谱图像经过Gabor滤波后，输出为：
[0027]；
[0028]式中，为多光谱图像，其中i分别取0、1时代表可见光谱图像和红外光谱图像；为采用的Gabor滤波器，设μ取5个尺度，v取8个方向，γ取1，，代入Gabor函数的复数表达式，则表示为：
[0029]；
[0030]式中，，。
[0031]如上所述的一种基于多光谱图像的纺织品外观平整度评定方法，步骤4中经标准评级的纺织品试样，包括SA
‑
1、SA
‑
2、SA
‑
3、SA
‑
3.5、SA
‑
4和SA
‑
5六个类别，每个类别的数量不少于30个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多光谱图像的纺织品外观平整度评定方法，其特征在于包括如下步骤：步骤1：图像采集；于暗室内，利用图像采集装置，在待评定纺织品表面的同一位置采集多光谱图像；步骤2：图像预处理；对采集到的多光谱图像进行预处理；步骤3：Gabor特征提取；利用Gabor函数对经预处理后的多光谱图像进行特征提取；步骤4：样本归类；先选择若干经标准评级的纺织品试样并提取它们的Gabor特征，再基于所提取的经标准评级的纺织品试样的Gabor特征，采用KNN分类器对待评定纺织品进行分类；步骤1中多光谱图像包括近红外光谱图像和可见光光谱图像。2.根据权利要求1所述的一种基于多光谱图像的纺织品外观平整度评定方法，其特征在于，步骤1中图像采集装置包括黑白相机、可见光源和近红外光源，黑白相机放置在纺织品正上方，可见光源和近红外光源照射方向均与纺织品表面呈45
°
角。3.根据权利要求1所述的一种基于多光谱图像的纺织品外观平整度评定方法，其特征在于，待评定纺织品与若干经标准评级的纺织品试样的物理尺寸均为38cm
×
38cm。4.根据权利要求3所述的一种基于多光谱图像的纺织品外观平整度评定方法，其特征在于，步骤1中采集的近红外光谱图像和可见光光谱图像均为像素尺寸均1024
×
1024的二维图像。5.根据权利要求4所述的一种基于多光谱...

【专利技术属性】
技术研发人员：沈建根，丁竹君，郁秀峰，段建文，芮宝琴，赵艳丽，邵义伟，
申请(专利权)人：江苏恒力化纤股份有限公司，
类型：发明
国别省市：