CN103530644A - 条纹织物组织结构自动识别方法 - Google Patents

Abstract

本发明涉及一种基于灰度共生矩阵特征和梯度直方图的条纹织物组织结构自动分割与识别方法，该方法首先利用灰度投影将织物图像分割成若干个组织点，根据织物特性自动设定窗口，对整幅图像进行扫描，基于灰度共生矩阵对每个窗口提取特征，确定不同组织结构的分界处，实现条纹组织的自动分割。最后采用基于梯度直方图和模糊C均值的方法识别织物组织结构。本发明基于灰度共生矩阵特征，利用纹理灰度、方向信息，能克服光照不均、纱线粗细和纱线颜色差异所带来的影响，不仅能分割由完全不同组织结构联合而成的条纹织物，对相似的组织结构组合而成的条纹织物也具有很好的分割效果，最终实现条纹织物组织结构的自动识别。

Description

条纹织物组织结构自动识别方法

技术领域

本发明涉及条纹织物组织结构自动识别方法，该方法不受光照、纱线粗细和纱线颜色差异所带来的影响，对由完全不同组织结构联合而成的条纹织物以及具有相似的组织结构组合而成的条纹织物都有很好的分割效果，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

对于原组织及变化组织，目前已有比较好的识别方法。但还无法直接应用于识别联合组织，其中条纹组织是较为常见的一种联合组织，它由两种或几种组织并列配置而成。如果简单的将条纹组织按原组织或变化组织的识别方法进行识别，则会因所分析样本纹理的多样性，使问题较为复杂。

首先要将条纹组织分割成原组织或变化组织。利用纹理特征的分割是图像分割的一个重要方面，一直以来是人们研究的一个热点。经过近些年的发展，纹理分割已经得到广泛的应用。大量学者对纹理分割方法进行了研究，并将纹理分割方法应用到Brodatz纹理库，得到了不错的分割效果。

随着纺织业技术的飞速发展，机织布的种类越来越多，结构及颜色多样，构成条纹织物的组合方式也越来越复杂。但是由于条纹织物是由不同的组织结构构成的整体，不同纹理区域又具有一定的相似性，利用传统纹理分割方法很难达到正确分割的目的。本发明采用纹理分类的方法。对于排列规则的纹理结构，可先将其分成若干个块，再对每个块内的纹理特征进行分析。对具有相似纹理特征的块进行归类，实现不同组织结构的分割。

近年来，出现了许多纹理分类方法，纹理分类的准确率不断提高。但针对条纹织物组织结构的自动分割则很少有人对其研究，主要存在以下问题。首先，目前窗口大小都人为进行选取，容易受到纱线尺寸的影响，自动选取合适的窗口大小对织物图像的分割至关重要。其次，一般的纹理特征提取方法大都具有较好的旋转不变性，这对由完全不同组织结构组合而成的条纹织物具有很好的分割效果。但由于织物组织结构种类复杂多样，条纹织物组织结构的组合方式也千差万别，存在大量由具有相同或相似纹理结构的织物组合而成的条纹织物，较为常见的是仅有一种组织结构织物，旋转180°交叉排列组合而成的条纹织物。针对此类条纹织物，利用具有旋转不变性的纹理分割方法则无法对其进行分割。准确的分割条纹织物组织结构对条纹织物组织结构的自动识别至关重要。

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尺度和颜色差异影响、能够准确分割识别条纹织物组织结构的方法。为此，本发明采用如下的技术方案。

条纹织物组织结构自动识别方法，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经纬纱；

3.根据织物性质自动设定窗口及步长，对整幅图像进行扫描；

4.基于灰度共生矩阵(Gray Level Co-occurrence Matrix，GLCM)对每个窗口提取特征；

5.分析相邻窗口间的相关性，确定不同组织结构的分界，实现条纹组织的分割；

6.基于梯度直方图方法，实现条纹组织的自动识别。

本发明具有如下的技术效果：

1.方法简单，易于实施。本发明利用织物性质自动选择窗口并基于GLCM提取特征，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，实现了扫描窗口的自动选取方法，考虑了实际采集图像光照不均以及机织物纱线粗细不同、颜色各异及纹理方向带来的影响，提取GLCM特征，提高了分割的准确率。

3.对由具有不同组织结构联合而成的条纹织物以及具有相似组织结构联合而成的条纹织物都具有良好的识别效果。

附图说明

图1：本发明的机织物结构识别方法流程图。

图2：采集彩色织物图像。

图3：预处理后图像。

图4：纱线分割结果及投影曲线。

图5：扫描窗口选取示意图。

图6：相邻窗口间的相关系数曲线。

图7：分割识别结果。

图8：条纹织物组织结构识别结果。图8-1由完全不同的组织结构组合而成的条纹织物的识别结果，图8-2由相似组织结构组合而成的条纹织物的识别结果。

具体实施方式

本发明的流程如图1所示，该方法首先采用中值滤波和腐蚀对织物亮度图像进行预处理，根据织物特性自动选取窗口，基于GLCM提取特征，计算窗口之间的相关性，实现条纹织物分割，然后基于梯度直方图特征识别原组织或变化组织，最终实现条纹织物组织结构的识别。下面结合附图，对本发明技术方案的具体实施过程加以说明。

1.图像采集及预处理

获取清晰无瑕疵的织物表面反射图像，使纬纱保持水平(如图2)，提取亮度信息，应用3×3中值滤波模板和3×3腐蚀模板对图像进行预处理后如图3。

2.基于织物特性的窗口选取

纱线条干部分亮度相对较大，而纱线间隙部分亮度相对较低，根据此性质将织物沿水平和垂直方向进行灰度投影。得到两条投影曲线，用高斯滤波对曲线平滑处理去掉毛刺，得到光滑投影曲线及织物纱线分割结果如图4。由于织物是具有周期性的纹理结构，同一组织结构区域内具有相似的分布规律及纹理方向，单根纱线具有一定的独立性，不足以表现纹理特性。当窗口内包含两种纹理区域时，三根纱线及以上大小的窗则导致其纹理特性更接近于占区域内比重较大的那种组织结构。本发明选取窗口大小为两根纱线、以单根纱线宽度为步长进行扫描如图5，当窗口内包含两种纹理结构时(即不同组织结构织物分界处)，其纹理特征会有较明显的变化。

3.基于GLCM的条纹组织分割

由于纹理是由灰度分布在空间位置上反复出现而形成的，因而在同一种组织结构的织物图像空间中相隔某距离的两像素之间会存在一定的灰度关系，即图像中灰度的空间相关特性。GLCM就是一种通过研究灰度的空间相关特性来描述纹理的方法。

本发明采用GLCM对每个窗口内图像进行特征提取。GLCM是对图像上保持某距离的两像素分别具有某灰度的状况进行统计得到的。例如，N×N图像中任意一点(x，y)及偏离它的另一点(x+a，y+b)，设该点对的灰度值为(i，j)。令点(x，y)在整幅图像上移动，则会得到很多种(i，j)的组合方式，设灰度值的级数为G，则(i，j)的组合共有G²种。对于整个画面，统计出每一种(i，j)组合方式出现的次数P_ij，然后排列成一个G×G方阵，这样的方阵称为灰度共生矩阵。

3.1灰度共生矩阵灰度级量化

由于窗口内像素点数有限，其灰度级分布较为稀疏，存在大量冗余信息，本发明将256个像素灰度级量化为16，即G=16。

3.2方向和距离参数的设定

偏移量a和b的选择决定了两像素点的距离D及方向θ，如表1所示。

表1角度关系

根据织物组织结构规律及纱线性质，D=[d，d／2]，其中d为纱线宽度。

3.3纹理特征参数的选取

过多的纹理特征参数包含了许多冗余信息，增加了计算量，本发明选取对比度(CON)和同质性(HOMO)作为纹理特征，如式(1)、(2)所示。它们反映了图像表面纹理的清晰度、纹理沟纹深浅程度、以及度量图像纹理局部变化的多少。

$\mathrm{CON}=\underset{i,j}{\mathrm{\Σ}}{|i-j|}^2{P}_{i,j}---\left(1\right)$

$\mathrm{HOMO}=\underset{i,j}{\mathrm{\Σ}}\frac{P_{i,j}}{1+|i-j|}---\left(2\right)$

其中i，j分别对应灰度共生矩阵的行和列。每个窗口内得到特征向量的维数为16=4(方向)×2(特征参数)×2(距离参数)。计算相邻窗口间的相关系数如图6，相关系数较低的点即为不同组织结构的分界处。

4.条纹组织识别

条纹织物分割完成后，可按照原组织及变化组织的识别方法进行识别。由于织物颜色多样及光照不均带来的影响，仅利用灰度信息无法准确区别两类组织点。本发明采用梯度直方图方法对分割后的原组织和变化组织进行识别，条纹组织已经分割成组织点，基于梯度直方图对组织点提取16维特征向量，再通过模糊C均值算法识别组织点属性，根据织物的周期性校正误识别点，得到正确的识别结果，如图7。

本发明提出一种基于灰度共生矩阵特征条纹和梯度直方图方法的条纹织物组织结构自动识别方法。该方法充分利用灰度共生矩阵提取纹理方向信息，不仅能分割由完全不同组织结构联合而成的条纹织物如图8-1，对相同或相似的组织结构组合而成的条纹织物也具有很好的分割效果如图8-2，实现条纹织物组织的自动识别。

Claims (4)

1.一种条纹织物组织结构自动识别方法，所述方法包括下列步骤：

步骤1：采集纬纱保持水平的机织物图像，获取亮度信息，进行中值滤波和腐蚀处理；

步骤2：利用灰度投影分割经纬纱；

步骤3：根据织物性质自动设定窗口及步长，对整幅图像进行扫描；

步骤4：基于灰度共生矩阵特征对每个窗口提取特征；

步骤5：分析相邻窗口间的相关性，确定不同组织结构分界，实现条纹组织的分割；

步骤6：基于梯度直方图方法，实现条纹组织的自动识别。

2.根据权利要求1所述的条纹织物组织结构自动识别方法，其特征在于，步骤3中，利用织物纹理特性，自动设定扫描窗口大小及步长。

3.根据权利要求1所述的条纹织物组织结构自动识别方法，其特征在于，步骤4中，利用灰度共生矩阵对每个窗口提取特征。

4.根据权利要求1所述的条纹织物组织结构自动识别方法，其特征在于，步骤5中，分析相邻窗口间的相关性，自动分割条纹织物组织。

Images