CN105550660A - 一种机织物组织结构种类的识别方法 - Google Patents
一种机织物组织结构种类的识别方法 Download PDFInfo
- Publication number
- CN105550660A CN105550660A CN201511002347.0A CN201511002347A CN105550660A CN 105550660 A CN105550660 A CN 105550660A CN 201511002347 A CN201511002347 A CN 201511002347A CN 105550660 A CN105550660 A CN 105550660A
- Authority
- CN
- China
- Prior art keywords
- woven fabric
- dot image
- fabric structure
- degree
- adjacent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000002759 woven fabric Substances 0.000 title claims abstract description 698
- 238000000034 method Methods 0.000 title claims abstract description 119
- 230000008859 change Effects 0.000 claims abstract description 126
- 238000010586 diagram Methods 0.000 claims abstract description 21
- 238000012937 correction Methods 0.000 claims abstract description 9
- 239000004744 fabric Substances 0.000 claims description 247
- 239000013598 vector Substances 0.000 claims description 114
- 238000009941 weaving Methods 0.000 claims description 89
- 239000011159 matrix material Substances 0.000 claims description 87
- 238000009826 distribution Methods 0.000 claims description 48
- 238000010606 normalization Methods 0.000 claims description 47
- 230000008569 process Effects 0.000 claims description 34
- 230000008520 organization Effects 0.000 claims description 30
- 230000011218 segmentation Effects 0.000 claims description 30
- 230000004087 circulation Effects 0.000 claims description 21
- 238000001914 filtration Methods 0.000 claims description 14
- 238000005260 corrosion Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000007797 corrosion Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 238000002715 modification method Methods 0.000 claims description 3
- 230000008929 regeneration Effects 0.000 claims description 3
- 238000011069 regeneration method Methods 0.000 claims description 3
- 230000004304 visual acuity Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 7
- 238000005286 illumination Methods 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract description 3
- 239000000835 fiber Substances 0.000 abstract description 3
- 238000003709 image segmentation Methods 0.000 abstract description 2
- 230000010485 coping Effects 0.000 abstract 1
- 238000010191 image analysis Methods 0.000 abstract 1
- 238000007781 pre-processing Methods 0.000 abstract 1
- 241000894007 species Species 0.000 description 33
- 238000010276 construction Methods 0.000 description 8
- 230000019771 cognition Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 241001062009 Indigofera Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000001839 systemic circulation Effects 0.000 description 2
- 239000004753 textile Substances 0.000 description 2
- 241001212149 Cathetus Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 235000010094 aprium Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30124—Fabrics; Textile; Paper
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/12—Acquisition of 3D measurements of objects
- G06V2201/122—Computational image acquisition in electron microscopy
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Treatment Of Fiber Materials (AREA)
- Woven Fabrics (AREA)
Abstract
本发明一种机织物组织结构种类的识别方法,涉及图像分析,是基于纱线边界特征的机织物组织结构种类的识别方法,步骤是:机织物图像预处理;亮度投影纠斜并分割组织点图像;局部机织物组织点图像归一化;计算机织物组织点图像纱线边界特征;对机织物组织点图像识别经纬属性;计算组织循环纱线数;矫正机织物组织点图像经纬属性;识别机织物组织结构种类并输出机织物组织图;本发明克服了现有机织物组织结构种类识别方法中识别率较低,亮度及色彩变化对识别结果影响较大,无法应对光照不均匀、纱线粗细和颜色变化的机织物组织结构种类,难以识别纱线和纤维扭曲形变机织物的组织结构种类的缺陷,同时对斜纹和缎纹组织极其变化组织均具有识别效果。
Description
技术领域
本发明的技术方案涉及图像分析,具体地说是一种机织物组织结构种类的识别方法。
背景技术
当前在纺织行业中,机织物组织结构各项参数主要靠专业人员借助放大镜、分析针或照布镜对布匹进行人工识别,或者对图像采集器采集的机织物图片用肉眼进行人工识别与分析。人工识别的方法识别效率较低下,识别的准确率和效率严重依赖相关人员的个人状态、经验、技术和知识储备,且在人工识别后,将布匹组织结构各项参数进行专业记录或再输入电脑,需要大量时间,还容易出错,不利于纺织业生产与再生产的全自动化发展要求。
机织物组织结构种类识别是机织物组织结构参数识别的重要任务之一。随着计算机图像处理技术的发展,机织物组织结构能够通过图像处理的方法进行识别和分类,部分程度上摆脱对人工的依赖。机织物组织结构种类识别效果较好且成本较低的方法是利用高分辨率扫描仪或相机,采集高分辨率机织物组织结构图像,对其进行组织点图像分割后再借助纹理信息、颜色信息或者纱线边界信息对各组织点图像或局部组织点图像集合进行识别,得到机织物组织结构类别或机织物组织图信息,这种方法所采用设备相对便宜且易于获得,对于复杂多样的组织结构具有较高的适应性,2009年香港理工大学的Zheng根据不同种类组织结构组织点分布特点,利用机织物组织图纹理平滑度和连通性将机织物组织图分成平纹组织、斜纹组织和缎纹组织三种,该方法能准确地识别机织物组织结构种类,且适应性较高,但是,只能对准确完整的机织物组织图进行分类;2010年台湾科技大学Kuo等用BP神经网络对机织物组织图的一阶及二阶黑白灰度共生矩阵参数进行识别,实现机织物组织图的机织物组织结构分类,该方法鲁棒性较高,但分类结果受到BP神经网络训练样本的影响;2007年至2014年,东华大学李杏园、香港理工大学Zheng等、江南大学潘如如等建立机织物组织循环数据库,通过模板匹配确定机织物组织循环和机织物组织结构种类,该方法具有很高的鲁棒性,但机织物组织结构种类识别结果受到数据库中机织物组织结构种类数量的限制。CN103106645B公开了一种机织物组织结构识别方法,该类方案识别过程复杂,还存在以下缺陷:首先是识别率不高,特别是对斜纹组织、缎纹组织和变化组织等纱线易扭曲形变的机织物的识别率较低;其次是无法很好地应对光照不均匀、纱线粗细和颜色变化的样本,要求机织物必须保持完整、干净、平整,或者为非平纹的色织物,应用场景限制较高。
现有技术中机织物组织结构种类识别方法存在的问题主要是:识别率普遍较低,亮度及色彩变化对识别结果影响较大,无法应对光照不均匀、纱线粗细和颜色变化的机织物组织结构种类,难以识别纱线和纤维扭曲形变机织物的机织物组织结构种类,尤其对于斜纹组织、缎纹组织和变化组织,这些种类机织物组织结构的稳定性低于平纹组织,纱线更易扭曲形变。现有技术中大多数机织物组织结构种类识别方法的应用场景限制较高,只适用于完整、干净、平整的非平纹的机织物,不利于推广与应用;其中部分方法还需要首先获取准确的机织物组织图才能识别织物组织结构种类,操作流程不合理。
发明内容
本发明所要解决的技术问题是:提供一种机织物组织结构种类的识别方法,是基于纱线边界特征的机织物组织结构种类的识别方法,克服了现有机织物组织结构种类识别方法中存在的识别率较低,亮度及色彩变化对识别结果影响较大,无法应对光照不均匀、纱线粗细和颜色变化的机织物组织结构种类,难以识别纱线和纤维扭曲形变机织物的机织物组织结构种类的缺陷,同时对斜纹组织及其变化组织和缎纹组织极其变化组织均具有识别效果。
本发明解决该技术问题所采用的技术方案是:一种机织物组织结构种类的识别方法,是基于纱线边界特征的机织物组织结构种类的识别方法,步骤如下:
第一步,机织物图像预处理:
将利用USB数码电子显微镜采集的机织物高分辨率放大图像输入到计算机中,并利用公式(1)将RGB色彩空间图像转化为HSV色彩空间,获取亮度信息IV,
IV=max{IR,IG,IB}(1),
式中IR、IG、IB分别表示每个像素点在RGB色彩空间下的红色、绿色和蓝色分量数值,然后对该亮度信息IV进行中值滤波处理得到机织物亮度图像IV,MF,进一步对IV,MF腐蚀处理得到机织物亮度图像IV,Ero;
第二步,亮度投影纠斜并分割机织物组织点图像:
先对上述第一步中腐蚀处理得到的机织物亮度图像IV,Ero做水平投影并进行Sigma为1.75的高斯滤波,以投影曲线波谷作为分割位置分割出纬纱,自上往下依次对分割出的每根纬纱垂直投影并确定投影曲线间对应极小值点,根据第一根纬纱和最后一根纬纱垂直投影曲线对应的极小值点偏移量均值计算经纱与垂直方向倾斜夹角即经纱倾斜角度θ,当经纱右斜时,θ为负,当经纱左斜时,θ为正,利用θ在公式(2)中对上述第一步中的中值滤波处理得到机织物亮度图像IV,MF进行经纱纠斜得到纠斜后机织物亮度图像利用θ在公式(3)中对上述腐蚀处理后的机织物亮度图像IV,Ero进行经纱纠斜得到纠斜后机织物亮度图像
其中SVer为该机织物垂直方向分辨率,tan为对θ计算正切函数,(x,y)为经纱纠斜后图像像素点坐标,(x+ytanθ,y)和均为经纱纠斜前图像像素点坐标,当计算得到坐标不为整数时,则通过双线性插值计算得到对应像素点数值,
再对纠斜后机织物亮度图像进行垂直投影并进行Sigma为1.75的高斯滤波,以曲线极小值点分割出经纱,结合前面纬纱分割结果,获得每个机织物组织点图像分割区域信息,以该分割区域信息在纠斜后机织物亮度图像上分割出各机织物组织点图像;
第三步,局部机织物组织点图像归一化:
(1)局部机织物组织点图像尺寸归一化:
对上述第二步得到的纠斜后机织物亮度图像上分割出各机织物组织点图像的结果,在自左往右的逐条经纱上,自上往下依次取每条纬纱与各经纱相交所得的机织物组织点图像,以每次所取机织物组织点图像作为中心机织物组织点图像,水平向左为0度,取该中心机织物组织点图像顺时针旋转0度、90度、180度和270度四个方位中存在的相邻机织物组织点图像,作为一组局部机织物组织点图像,每组局部机织物组织点图像中,以中心机织物组织点图像尺寸为标准,归一化其相邻机织物组织点图像尺寸,并完成所有局部机织物组织点图像尺寸归一化;
(2)局部机织物组织点图像亮度归一化:
每组局部机织物组织点图像经过上述步骤(1)尺寸归一化后,计算各组局部机织物组织点图像所有像素的总亮度均值,每个中心机织物组织点图像及其所有相邻机织物组织点图像的所有像素亮度值减去对应总亮度均值,得到亮度归一化后的中心机织物组织点图像及相邻机织物组织点图像;
第四步,计算机织物组织点图像纱线边界特征:
利用上述第三步中的每一组局部机织物组织点图像集合,进行对应中心机织物组织点图像的纱线边界特征的计算,详细地说是:将中心机织物组织点图像与某相邻机织物组织点图像间的亮度变化关系,称为相邻机织物组织点图像间亮度绝对变化关系,在中心机织物组织点图像与其水平方向两个相邻机织物组织点图像的组合中,或在中心机织物组织点图像与其垂直方向两个相邻机织物组织点图像的组合中,中心机织物组织点图像与某相邻机织物组织点图像间的亮度变化相对于对应组合整体亮度变化的程度,称为相邻机织物组织点图像间亮度相对变化关系,首先利用相邻机织物组织点图像间亮度绝对变化关系计算纱线边界特征,进一步利用相邻机织物组织点图像间亮度相对变化关系修正纱线边界特征,具体方法如下;
(1)利用相邻机织物组织点图像间亮度绝对变化关系计算纱线边界特征:
(a)中心机织物组织点图像与其0度方向相邻机织物组织点图像间纱线边界存在情况判断:
对于上述第三步亮度归一化后的每组局部机织物组织点图像,当中心机织物组织点图像0度方向相邻机织物组织点图像存在,中心机织物组织点图像与其0度方向相邻机织物组织点图像按照在机织物上分布顺序拼接,拼接后图像按照公式(4)计算对应的高斯卷积核,
其中w和h分别表示卷积核水平方向和垂直方向尺寸,u取值0到w-1,v取值0到h-1,σx=w/4,σy=h/4,令Ispl表示中心机织物组织点图像与其相邻机织物组织点图像拼接后所得图像,Sspl,w和Sspl,h分别表示Ispl水平方向尺寸和垂直方向尺寸,h=Sspl,h;
将该拼接图像与高斯卷积核按照公式(5)进行卷积,得到二维卷积结果T(x,y),
其中x取0到Sspl,w-w,y恒取0,即将二维卷积结果T(x,y)中y所对应维度去掉,令t=x+y,则T(x,y)简化为水平亮度变化曲线fh(t),且fh(t)=T(x,0),
利用公式(6)离散傅里叶变换将上述水平亮度变化曲线转化到频域,
其中fh(t)表示离散的水平亮度变化曲线中第t个元素,Ncrc表示该离散水平亮度变化曲线长度,这里Ncrc=Sspl,w-w+1,Fh(s)表示水平亮度变化曲线fh(t)经离散傅里叶变换转换后所得离散频域序列,
取离散频域序列Fh(s)实部前半部分,再令序列中每个元素绝对值减去其自身,得到离散序列{Bh(s)},s=1,2,...,round(Ncrc/2)-1,根据以下条件判断中心机织物组织点图像与其0度方向相邻机织物组织点图像间纱线边界存在情况:
1)当上述离散序列{Bh(s)}中数值最大的元素唯一,且最大的元素对应序号s为2,中心机织物组织点图像与其0度方向相邻机织物组织点图像间不存在纱线边界;
2)其他,中心机织物组织点图像与其0度方向相邻机织物组织点图像间存在纱线边界;
(b)中心机织物组织点图像与其180度方向相邻机织物组织点图像间纱线边界存在情况判断:
对于上述第三步亮度归一化后的每组局部机织物组织点图像,当中心机织物组织点图像180度方向相邻机织物组织点图像存在,对中心机织物组织点图像与其180度方向相邻机织物组织点图像按照在机织物上分布顺序拼接后,重复上述步骤(a)的中心机织物组织点图像与其0度方向相邻机织物组织点图像间纱线边界存在情况判断中公式(4)-公式(6)操作的过程,根据以下条件判断中心机织物组织点图像与其180度方向相邻机织物组织点图像间纱线边界存在情况:
1)当上述离散序列{Bh(s)}中数值最大的元素唯一,且最大的元素对应序号s为2,中心机织物组织点图像与其180度方向相邻机织物组织点图像间不存在纱线边界;
2)其他,中心机织物组织点图像与其180度方向相邻机织物组织点图像间存在纱线边界;
(c)中心机织物组织点图像与其90度方向相邻机织物组织点图像间纱线边界存在情况判断:
对于上述第三步亮度归一化后的每组局部机织物组织点图像,当中心机织物组织点图像90度方向相邻机织物组织点图像存在,对中心机织物组织点图像与其90度方向相邻机织物组织点图像按照在机织物上分布顺序拼接后,除区别于公式(4)操作时,令w=Sspl,w,公式(5)操作时,x恒取0,y取值范围为0到Sspl,h-h,将二维卷积结果T(x,y)中x所对应维度去掉,得到垂直亮度变化曲线fv(t),且fv(t)=T(0,y),公式(6)操作时,Ncrc=Sspl,h-h+1,对垂直亮度变化曲线fv(t)进行傅里叶变换得到离散频域序列Fv(s)之外,重复上述步骤(a)的中心机织物组织点图像与其0度方向相邻机织物组织点图像间纱线边界存在情况判断中公式(4)-公式(6)操作的过程,取离散频域序列Fv(s)实部前半部分,再令序列中每个元素绝对值减去其自身,得到离散序列{Bv(s)},根据以下条件判断中心机织物组织点图像与其90度方向相邻机织物组织点图像间纱线边界存在情况:
1)当上述离散序列{Bv(s)}中数值最大的元素唯一,且最大的元素对应序号s为2,中心机织物组织点图像与其90度方向相邻机织物组织点图像间不存在纱线边界;
2)其他,中心机织物组织点图像与其90度方向相邻机织物组织点图像间存在纱线边界;
(d)中心机织物组织点图像与其270度方向相邻机织物组织点图像间纱线边界存在情况判断:
对于上述第三步亮度归一化后的每组局部机织物组织点图像,当中心机织物组织点图像270度方向相邻机织物组织点图像存在,对中心机织物组织点图像与其270度方向相邻机织物组织点图像按照在机织物上分布顺序拼接后,重复上述步骤(c)的中心机织物组织点图像与其90度方向相邻机织物组织点图像间纱线边界存在情况判断中公式(4)-公式(6)操作的过程,根据以下条件判断中心机织物组织点图像与其270度方向相邻机织物组织点图像间纱线边界存在情况:
1)当上述离散序列{Bv(s)}中数值最大的元素唯一,且最大的元素对应序号s为2,中心机织物组织点图像与其270度方向相邻机织物组织点图像间不存在纱线边界;
2)其他,中心机织物组织点图像与其270度方向相邻机织物组织点图像间存在纱线边界;
(e)计算中心机织物组织点图像的纱线边界特征向量:
将每个中心机织物组织点图像与其0度、90度、180度、270度四个方向相邻机织物组织点图像间的机织物组织点图像存在情况和纱线边界存在情况串联成该中心机织物组织点图像的纱线边界特征向量,用vm,n(k),k=1,2,3,4依次表示第m条纬纱、n条经纱相交所得中心机织物组织点图像与其0度、90度、180度和270度方向相邻机织物组织点图像间的机织物组织点图像存在情况和纱线边界存在情况,当中心机织物组织点图像与其0度、90度、180度和270度方向上存在的相邻机织物组织点图像间不存在纱线边界,令对应vm,n(k)=0;当中心机织物组织点图像与其0度、90度、180度和270度方向上存在的相邻机织物组织点图像间存在纱线边界,令对应vm,n(k)=1,第m条纬纱、n条经纱相交所得中心机织物组织点图像的纱线边界特征向量由vm,n(k)依次串联而成,表示为纱线边界特征向量Vm,n=(vm,n(1),vm,n(2),vm,n(3),vm,n(4)),这里m=1,2,3,...,Nweft,n=1,2,3,...,Nwarp,Nweft为机织物样本纬纱数,Nwarp为机织物样本经纱数;
(2)利用相邻机织物组织点图像间亮度相对变化关系修正纱线边界特征:
对于上述步骤(1)得到的机织物组织点图像的纱线边界特征向量,当中心机织物组织点图像0度和180度方向相邻机织物组织点图像均存在,中心机织物组织点图像与其0度和180度方向相邻机织物组织点图像按照机织物上分布顺序同时拼接后,除区别于公式(4)操作时,令h=Sspl,h之外,重复上述步骤(1)中的中心机织物组织点图像与其0度方向相邻机织物组织点图像间纱线边界存在情况判断中公式(4)-公式(5)操作的过程,得到水平亮度变化曲线,对得到的水平亮度变化曲线提取全局最大值、全局最小值、中心机织物组织点图像与其0度方向相邻机织物组织点图像对应水平亮度变化曲线区域的局部极小值、中心机织物组织点图像与其180度方向相邻机织物组织点图像对应水平亮度变化曲线区域的局部极小值、0度方向相邻机织物组织点图像对应水平亮度变化曲线区域的局部最大值、中心机织物组织点图像对应水平亮度变化曲线区域的局部最大值以及180度方向相邻机织物组织点图像对应水平亮度变化曲线区域的局部最大值,其中局部极小值通过下述方式▲得到:
▲:取中心机织物组织点图像与其某方向相邻机织物组织点图像在亮度变化曲线上对应区域,再取该区域中间2/3区间上所有极小值,在所取所有极小值中取最小值作为局部极小值;
当中心机织物组织点图像0度和180度方向相邻机织物组织点图像中有一个不存在,对中心机织物组织点图像与0度和180度方向相邻机织物组织点图像中存在的机织物组织点图像按照机织物上分布顺序同时拼接后,重复上述步骤(1)中的中心机织物组织点图像与其0度方向相邻机织物组织点图像间纱线边界存在情况判断中公式(4)-公式(5)操作的过程,得到水平亮度变化曲线,对该得到的水平亮度变化曲线提取全局最大值、全局最小值、局部极小值、0度和180度方向相邻机织物组织点图像中存在的组织点图像对应水平亮度变化曲线区域的局部最大值、中心机织物组织点图像对应水平亮度变化曲线区域的局部最大值,其中局部极小值通过上述方式▲得到;
当中心机织物组织点图像90度和270度方向相邻机织物组织点图像均存在,中心机织物组织点图像与其90度和270度方向相邻机织物组织点图像按照机织物上分布顺序同时拼接后,除区别于公式(4)操作时,令w=Sspl,w,之外,重复上述步骤(1)中的中心机织物组织点图像与其90度方向相邻机织物组织点图像间纱线边界存在情况判断中公式(4)-公式(5)操作的过程,得到垂直亮度变化曲线,对得到的垂直亮度变化曲线提取全局最大值、全局最小值、中心机织物组织点图像与其90度方向相邻机织物组织点图像对应垂直亮度变化曲线区域的局部极小值、中心机织物组织点图像与其270度方向相邻机织物组织点图像对应垂直亮度变化曲线区域的局部极小值、90度方向相邻机织物组织点图像对应垂直亮度变化曲线区域的局部最大值、中心机织物组织点图像对应垂直亮度变化曲线区域的局部最大值以及270度方向相邻机织物组织点图像对应垂直亮度变化曲线区域的局部最大值,其中局部极小值通过上述方式▲得到;
当中心机织物组织点图像90度和270度方向相邻机织物组织点图像中有一个不存在,对中心机织物组织点图像与90度和270度方向相邻机织物组织点图像中存在的机织物组织点图像按照机织物上分布顺序同时拼接后,重复上述步骤(1)中的中心机织物组织点图像与其90度方向相邻机织物组织点图像间纱线边界存在情况判断中公式(4)-公式(5)操作的过程,得到垂直亮度变化曲线,对得到的垂直亮度变化曲线提取全局最大值、全局最小值、局部极小值、90度和270度方向相邻机织物组织点图像中存在的组织点图像对应垂直亮度变化曲线区域的局部最大值、中心机织物组织点图像对应垂直亮度变化曲线区域的局部最大值,其中局部极小值通过上述方式▲得到;
对得到的水平和垂直亮度变化曲线及对应全局最大值、全局最小值、局部极小值以及局部最大值,结合上述步骤(1)得到的各机织物组织点图像纱线边界特征向量,修正各机织物组织点图像纱线边界特征向量,具体修正方法如下:
(a)当纱线边界特征向量Vm,n中四个纱线边界特征向量元素vm,n(k),k=1,2,3,4均不为0,当vm,n(k)数值不为-1且满足下述条件1)-3)之一,更新为0,更新特征纱线边界特征向量Vm,n,条件1)-3)为:
1)对应曲线区间上不存在局部极小值点;
2)存在局部极小值点,且局部极小值点处于对应曲线全局最大值与全局最小值之间靠近全局最大值的1/3区域;
3)存在局部极小值点,局部极小值点处于对应曲线全局最大值与全局最小值间中间1/3区域,且该局部极小值所在相邻机织物组织点图像和中心机织物组织点图像对应曲线区间局部最大值中较大的局部最大值,与该局部极小值的差,除以曲线全局最大值与全局最小值的差,所得数值小于0.15;
(b)完成上述步骤(a)对纱线边界特征向量Vm,n更新后,当纱线边界特征向量Vm,n中数值为0的vm,n(k)数量大于2,或者0元素的数量为2且两个数值为0的vm,n(k)对应的k不同时为奇数或偶数时,依次取所有数值为0的vm,n(k)对应相邻机织物组织点图像和中心机织物组织点图像所在曲线区间中间2/3区域,统计其中局部极小值点不存在数量,当统计结果大于0,则将其中存在局部极小值点区间对应的vm,n(k)更新为1,更新纱线边界特征向量Vm,n,否则不更新Vm,n;
(c)完成上述步骤(b)对纱线边界特征向量Vm,n更新后,当纱线边界特征向量Vm,n中不存在-1,0元素的数量大于2,或者0元素的数量为2且两个为0的vm,n(k)对应的k不同时为奇数或偶数时,对所有数值为0的vm,n(k),依次计算其所在相邻机织物组织点图像和中心机织物组织点图像对应亮度曲线区间局部最大值中较大的值与局部极小值的差,除以曲线全局最大值与全局最小值之差得到的数值,除所得结果中最小值对应的vm,n(k)外,均更新为1,更新纱线边界特征向量Vm,n;
第五步,对机织物组织点图像识别经纬属性:
根据上述第四步中步骤(2)最终更新所得机织物组织点图像纱线边界特征向量Vm,n,判断每个机织物组织点图像经纬属性,首先从前向后搜索每个机织物组织点图像纱线边界特征向量Vm,n中所有元素数值,获取第一个0元素在纱线边界特征向量Vm,n中出现位置ind0,当ind0为奇数,则该机织物组织点图像为纬组织点,当ind0为偶数,则该机织物组织点图像为经组织点,当ind0为空,则该机织物组织点图像无法判断经纬属性;
以Cam,n表示第m条纬纱、n条经纱相交所得机织物组织点图像经纬属性,当该机织物组织点图像无法判断经纬属性,令Cam,n=-1;当该机织物组织点图像为纬组织点,令Cam,n=0;当该机织物组织点图像为经组织点,令Cam,n=1;
Cam,n根据对应机织物组织点图像在机织物中分布位置组成预识别组织图矩阵;
第六步,计算组织循环纱线数:
串联每条经纱或纬纱机织物组织点图像纱线边界特征向量,计算每条经纱与机织物图片中间位置经纱间特征向量平均海明距离,或计算每条纬纱与机织物图片中间位置纬纱间特征向量平均海明距离,并以平均海明距离曲线数值大小和不同长度下截取所得相邻等长子序列间平均相关系数,获得机织物组织循环纱线数,具体方法如下:
本发明首先按公式(7)和公式(8)分别串联每条经纱或纬纱机织物组织点图像纱线边界特征向量,获得各经纱特征向量Uwarp,n与各纬纱特征向量Uweft,m
上式中Nwarp为机织物样本经纱数,Nweft为机织物样本纬纱数,Vm,n为每条经纱或纬纱上机织物组织点图像对应纱线边界特征向量,该机织物中各条经纱特征向量Uwarp,n与中间位置经纱特征向量按照公式(9)计算对应的平均海明距离Dwarp(n),n=1,2,…,Nwarp,计算时公式(9)中A1和A2分别取Uwarp,n和计算所得D为对应Dwarp(n),同样操作,各条纬纱特征向量Uweft,m与中间位置纬纱特征向量按照公式(9)计算对应的平均海明距离Dweft(m),m=1,2,…,Nweft,计算时公式(9)中A1和A2分别取Uweft,m和计算所得D为对应Dweft(m),
D=Hamming(A1,A2)/|A1|(9),
式中函数Hamming(A1,A2)表示向量A1和A2间的海明距离,|A1|表示向量A1的模,D为最终平均海明距离计算结果,Dwarp(n)和Dweft(m)分别按照公式(10)和(11)构成序列Dwarp和Dweft,
Dwarp=(Dwarp(1),Dwarp(2),...,Dwarp(Nwarp))(10),
Dweft=(Dweft(1),Dweft(2),...,Dweft(Nweft))(11),
然后根据海明距离序列Dwarp和Dweft极小值点,初步获得组织循环经纱数Ncwarp和组织循环纬纱数Ncweft,首先初始化Ncwarp=0,如果序列Dwarp中数值小于1/4的元素数量大于Nwarp/2,则令Ncwarp=2;否则取序列Dwarp极小值点中数值小于1/4的元素位置,构成位置序列Dindwarp,统计序列Dindwarp第一个元素之后每个元素与其前一个元素之差,统计数量最多的数值为组织循环经纱数Ncwarp,同样操作,根据序列Dweft计算组织循环纬纱数Ncweft;
简单修正Ncwarp和Ncweft,当Ncwarp和Ncweft均为0,令Ncwarp=Nwarp,Ncweft=Nweft;当Ncwarp和Ncweft中一个为0,另一个不为0,则将Ncwarp和Ncweft中非0数值赋值给0所在变量;当Ncwarp和Ncweft均不为0,且其中一个为2,另一个不为2,则将Ncwarp和Ncweft中非2数值赋值给2所在变量;当Ncwarp和Ncweft均不为0或2,且大小不一致,则将Ncwarp和Ncweft中较小数值赋值给较大数值所在变量;
当Ncwarp和Ncweft至少一个数值大于2,利用不同长度下分割所得序列Dwarp和序列Dweft相邻等长子序列间平均相关系数,矫正组织循环纱线数Ncwarp和Ncweft,具体步骤是:
(a)去掉序列Dwarp第一个元素和最后一个元素,剩余元素构成序列
(b)令L表示分割时各相邻子序列长度,Ndwarp,L表示分割所得相邻子序列数量,初始化L=2,计算如果Ndwarp,L>1,进入下述步骤(c),否则进入下述步骤(e);
(c)将以长度L连续相邻等长分割,得到子序列p=1,2,...,Ndwarp,L,分割所得子序列在序列中分布关于序列的中心位置对称,按照序列中对应区间分布顺序构成子序列集子序列集中间位置子序列与其他子序列按照公式(12)计算平均相关系数其中
其中表示子序列集中第z个子序列与中间位置子序列的相关系数;
(d)更新分割时子序列长度为L+1,重新计算如果Ndwarp,L>1,返回上述步骤(c),以新长度重新分割相邻等长子序列并计算此时相邻等长子序列间平均相关系数,否则进入下述步骤(e);
(e)经过上述步骤(a)~步骤(d)的计算过程,得到不同长度下对序列Dwarp相邻等长分割所得子序列间平均相关系数序列如果非空,更新Ncwarp为序列中第一个数值大于0.6的元素对应位置数值,否则不更新Ncwarp;
(f)对序列Dweft进行上述步骤(a)-(e)同样操作,更新Ncweft,区别在于将所有对序列Dwarp的操作替换为对序列Dweft的操作;
第七步,矫正机织物组织点图像经纬属性:
(1)初步获取正确组织循环:
根据第六步计算得到的组织循环纱线数,并根据组织循环分布规律,将第五步初步识别后的机织物组织图矩阵分割为连续相邻排列的组织循环块,统计所有组织循环块中对应机织物组织点图像经纬属性,以统计最多经纬属性作为对应机织物组织点图像经纬属性,构成正确组织循环,机织物组织循环以公式(13)所示组织循环矩阵Csr进行表示,组织循环矩阵中第kc行、第lc列机织物组织点图像经纬属性表示为Csr(kc,lc),根据其对应机织物组织点图像经纬属性取值-1、0、1,分别对应无法判断经纬属性、纬组织点和经组织点,kc=1,2,...,Ncweft,lc=1,2,...,Ncwarp,
(2)补全未识别机织物组织点图像经纬属性:
当机织物在第六步计算所得组织循环纱线数大于2,进一步通过对组织循环矩阵Csr的操作,实现对组织循环中未识别经纬属性的机织物组织点图像根据已识别的机织物组织点图像进行二次识别,具体步骤如下:
(a)逐行扫描组织循环矩阵Csr,找出所有数值为-1的矩阵元素;
(b)当各行连续出现数值为-1的矩阵元素数量为奇数,且左右相邻数值非-1的矩阵元素数值相同,或者连续出现数值为-1的矩阵元素数量为偶数,且左右相邻数值非-1的矩阵元素数值一个数值为0,一个数值为1,则对该部分数值为-1的连续矩阵元素数值,从两侧往中间依次赋值为对应相邻数值非-1的矩阵元素数值减1所得结果的绝对值;
(c)当各行连续出现数值为-1的矩阵元素数量为奇数,且左右相邻数值非-1的矩阵元素数值一个数值为0,一个数值为1,或者连续出现数值为-1的矩阵元素数量为偶数,且左右相邻数值非-1的矩阵元素数值相同,则该部分数值为-1的矩阵元素依次根据其上下矩阵元素进行识别,识别方法与上述步骤(b)一致,区别在于判断基准矩阵元素为垂直方向相邻数值非-1的矩阵元素;
(d)对于上述步骤(b)和上述步骤(c)无法识别经纬属性的矩阵元素,令其取组织循环矩阵中出现次数最多的矩阵元素数值;
(3)矫正机织物组织图矩阵:
利用上述步骤(2)所得正确组织循环矩阵Csr,依次对上述步骤(1)分割所得组织循环块进行矫正,得到矫正后机织物组织图矩阵;
第八步,识别机织物组织结构种类并输出机织物组织图:
计算斜向相邻相同大小机织物组织点图像数量区域间所有机织物组织点图像经纬属性平均海明距离关系,并结合组织结构循环周期,对组织结构种类进行分类,具体步骤如下:
当Ncwarp或Ncweft不为2,且第七步矫正后机织物组织图矩阵中矩阵元素数值不完全一致,取第1到第Nweft-1条纬纱和第1到第Nwarp-1条经纱所有机织物组织点图像构成机织物子区域,该机织物子区域每列机织物组织点图像经纬属性标识Cam,n作为列向量,逐列串联,得到该机织物子区域机织物组织点图像经纬属性分布向量Car11,此时m取值范围为1,2,...,Nweft-1,此时n取值范围为1,2,...,Nwarp-1,同样方式,分别取第1到第Nweft-1条纬纱和第2到第Nwarp条经纱、第2到第Nweft条纬纱和第1到第Nwarp-1条经纱、第2到第Nweft条纬纱和第2到第Nwarp条经纱对应机织物组织点图像机织物子区域机织物组织点图像经纬属性分布向量Car12、Car21、Car22;
Car11和Car22根据公式(9)计算对应平均海明距离Drmean,1,计算时A1和A2分别取CR11和CR22,计算所得D即为DR1,同样根据公式(9)计算Car12和Car21平均海明距离Drmean,2,如果Drmean,1<0.35且Drmean,1<Drmean,2,该机织物左斜;如果Drmean,2<0.35且Drmean,1≥Drmean,2,该机织物右斜;否则该机织物斜向机织物组织点图像经纬属性分布不相似;定义η表示机织物倾斜情况,如果机织物左斜,令η=1;如果机织物右斜,令η=-1;否则令η=0;
机织物倾斜情况η结合第六步所得组织循环纱线数,可对该机织物组织结构种类识别,具体识别条件为:当组织循环纱线数为2,该机织物组织结构属于平纹组织;当组织循环纱线数大于2,且η≠0,该机织物组织结构属于斜纹组织;当组织循环纱线数大于2,且η=0,该机织物组织结构属于缎纹组织;
当机织物为非平纹机织物,根据矫正后机织物组织图矩阵作机织物组织图,以第二步所得纠斜后亮度图像尺寸相同大小设置正确机织物组织图尺寸,并根据第一步各纬纱与经纱分割位置绘制直线,将机织物组织图划分为小矩形区域,每个矩形区域根据分布位置对应一个机织物组织点图像,取矫正后机织物组织图矩阵中Cam,n为0所对应矩形方格设为白色,Cam,n为1所对应矩形方格设为斜纹与垂直纹交叉纹,Cam,n为-1所对应矩形方格设为斜纹,输出机织物组织图。
上述一种机织物组织结构种类的识别方法,均默认图像左上角为坐标原点,水平向右为x轴正方向,垂直向下为y轴正方向。
上述一种机织物组织结构种类的识别方法,在提及旋转角度时,均默认以水平向左为0度,顺时针旋转,尺寸大小以像素数量进行表示。
上述一种机织物组织结构种类的识别方法,所述第一步机织物图像预处理中利用USB数码电子显微镜采集的机织物放大图像,该放大图像分辨率为640×480像素。
上述一种机织物组织结构种类的识别方法,所述第二步亮度投影纠斜并分割组织点图像中的机织物垂直方向分辨率SVer=480像素。
本发明的有益效果是:与现有技术相比,本发明的突出实质性特点和显著进步如下:
(1)本发明方法在组织点图像纱线边界特征计算方面,采用局部组织点图像尺寸和亮度值归一化、高斯卷积、傅里叶变换、极值与最值的提取和比较的方法处理图像亮度信息;在组织循环纱线数计算和组织结构种类识别方面,采用平均海明距离;在矫正组织点图像输出机织物组织图方面,采用组织点图像经纬属性统计以及利用已知经纬属性点补全未知经纬属性方法,算法简单,所有采用设备及配套算法,均通过公知途径获得,实现方便;
(2)本发明方法基于纱线边界特征的机织物组织结构种类识别方法,采用在人工识别中较为明显的纱线边界特征识别机织物组织图,并利用不同机织物组织结构组织点图像分布特点,对准确与不准确识别机织物组织图均可进行机织物组织结构种类识别,机织物组织结构种类识别不受机织物组织图和数据库的限制,便于推广,对原组织及其变化组织的机织物组织结构种类识别准确率较高,对非平纹及其变化组织的机织物组织图能较好识别;
(3)本发明方法在计算组织循环纱线数时,先计算中间位置经纱与所有纱线特征向量平均海明距离,利用所得相似度曲线极小值点初步确定组织循环纱线数,进一步将相似度曲线根据不同长度分割成等长子曲线,计算子曲线间平均相关系数对组织循环纱线数进行修正,很好地解决大循环组织中,纱线间相似度曲线存在极小值点不规律导致的无法准确提取组织循环纱线数问题,提高了大循环机织物组织循环纱线数计算的稳定性;
(4)本发明方法对光照变化、不同颜色和粗细纱线以及一定程度纱线扭曲的机织物原组织和简单的变化组织都能很好识别机织物组织结构种类,同时斜纹、缎纹及其变化组织具有较好的机织物组织图识别效果,鲁棒性较高;
(5)本发明方法采用的算法简单,计算量小,可直接采用硬件实现以及并行运算,运算效率较高;
(6)本发明在实现识别机织物组织结构种类主要功能外,还可以简单识别机织物组织图,并得到机织物纱线粗细、组织循环、组织循环纱线数这样的机织物参数,功能较为全面。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明方法流程示意框图;
图2为本发明方法利用USB数码电子显微镜采集的机织物图像;
图3为本发明方法对预处理和纠斜后机织物图像组织点分割示意图;
图4(a)为本发明方法取组织点图像及其0度、90度、180度和270度四个方向相邻组织点图像示意图;
图4(b)为本发明方法对图4(a)所示中心组织点图像及其相邻组织点图像归一化示意图;
图5为本发明方法利用相邻组织点图像间亮度绝对变化关系计算纱线边界特征操作中,对图4(b)所示归一化后中心组织点图像与其相邻组织点图像对应边拼接、计算高斯核、卷积所得亮度变化曲线和傅里叶变换结果示意图;
图6为本发明方法利用相邻组织点图像间亮度相对变化关系修正纱线边界特征操作中,对图4(b)所示归一化后中心组织点图像与其相邻组织点图像对应边拼接、计算高斯核、卷积所得亮度变化曲线及其最大值、最小值、局部极小值以和局部最大值示意图;
图7为本发明方法初步识别机织物组织图;
图8为本发明方法中每条纬纱与机织物图片中间位置纬纱特征向量间平均海明距离或每条经纱与机织物图片中间位置经纱特征向量间平均海明距离的示意图;
图9(a)为本发明方法对图8右图所示经纱特征向量间平均海明距序列,在子序列长度依次为2,3,4,5,6,7情况下分割相邻等长子序列示意图;
图9(b)为本发明方法对图8右图所示经纱特征向量间平均海明距序列,在子序列长度依次为8,9,10,11,12,13情况下分割相邻等长子序列示意图;
图10为本发明方法对图8所示两个平均海明距序列中不同长度情况下相邻等长子序列间平均相关系数示意图;
图11为本发明方法组织循环识别示意图;
图12(a)为本发明方法误检校正后单个组织循环;
图12(b)为本发明方法补全未识别组织点图像经纬属性后单个组织循环;
图13为本发明方法计算斜向相关系数时四个相同组织点图像数量机织物子区域选取示意图;
图14为本发明方法对图2所示机织物最终识别结果机织物组织图;
图15(a)为素色2/1右斜纹机织物及其机织物组织图;
图15(b)为白坯4/1缎纹机织物及其机织物组织图;
图15(c)为色织3/1加强斜纹机织物及其机织物组织图;
图15(d)为色织4/1缎纹机织物及其机织物组织图。
具体实施方式
图1所示实施例表明,本发明基于纱线边界信息的机织物组织结构识别方法步骤流程是:机织物图像预处理→亮度投影纠斜并分割组织点图像→局部机织物组织点图像归一化→计算机织物组织点图像纱线边界特征→对机织物组织点图像识别经纬属性→计算组织循环纱线数→矫正机织物组织点图像经纬属性→识别机织物组织结构种类并输出机织物组织图。
图2所示实施例显示本发明方法利用USB数码电子显微镜采集光照不均、白坯2/1右斜纹机织物图像,图像采集时,尽量保持纬纱水平,经纱与纬纱。
图3所示实施例显示本发明方法在灰度投影纠斜并分割组织点图像操作中,对组织点图像分割结果,图中所示分割图片为纠斜后中值滤波亮度图,每个小矩形区域为一个组织点图像,分割通过对纠斜后腐蚀亮度图进行水平与垂直投影、高斯滤波所得曲线取极小值点得到;
图4(a)所示实施例显示本发明方法在局部机织物组织点图像归一化操作中,选取任意中心组织点图像及其0度、90度、180度和270度四个方向相邻组织点图像在机织物亮度图中位置示意图,图中每个小矩形区域为一个组织点图像,中心组织点图像为第8条纬纱和第18条经纱相交而成,中心组织点图像及其0度、90度、180度和270度四个方向相邻组织点图像尺寸依次为33×20、33×19、29×20、33×19、30×20像素。
图4(b)所示实施例显示本发明方法在局部机织物组织点图像归一化操作中,对图4(a)所示选取的中心组织点图像及其0度、90度、180度和270度四个方向相邻组织点图像,尺寸和亮度归一化后结果,按照其在机织物中排布顺序进行展示,四个相邻组织点图像尺寸均按照中心组织点图像尺寸归一化到33×20像素。
图5所示实施例显示本发明方法在利用相邻机织物组织点图像间亮度绝对变化关系计算纱线边界特征操作中,对图4(b)所示归一化后中心组织点图像与其四个相邻组织点图像分别根据实际分布拼接,并进一步计算各拼接后图像对应高斯核,拼接图像分别与对应高斯核卷积得到水平亮度变化曲线和垂直亮度变化曲线,对各高斯卷积所得亮度变化曲线傅里叶变换结果取实部,结果进行展示,自上往下第一行到第四行表示中心组织点图像依次与其0度、180度、90度、270度四个方向相邻组织点图像操作结果,第一列为中心组织点图像与相邻组织点图像按照机织物中组织点图像分布顺序拼接结果,其中虚线矩形框框出组织点图像为中心组织点图像,自上往下尺寸依次为33×40、33×40、66×20和66×20像素,第二列为第一列拼接图像计算所得对应高斯核,自上往下尺寸依次为33×4、33×4、7×20和7×20像素,第三列为第一列拼接图像与第二列对应高斯核卷积所得水平亮度变化曲线,其中为了方便对比观察,水平方向拼接的组织点图像水平亮度变化曲线横向展示,横坐标为卷积结果向量元素下标,可以看作拼接图中水平方向像素位置,纵坐标表示卷积结果数值,可以看作拼接图中像素垂直投影结果;垂直方向拼接的组织点图像垂直亮度变化曲线纵向展示,纵坐标为卷积结果向量元素下标,可以看作拼接图中垂直方向像素位置,横坐标表示卷积结果数值,可以看作拼接图中像素水平投影结果,第四列为对第三列对应垂直亮度变化曲线傅里叶变换结果实部,其中傅里叶变换结果序列取前10元素展示,横坐标表示频率,纵坐标表示不同频率下傅里叶变换结果实部数值。
图6所示实施例显示本发明方法在利用相邻机织物组织点图像间亮度相对变化关系修正纱线边界特征操作中,对图4(b)所示归一化中心组织点图像同时与水平方向两个归一化相邻组织点图像在对应方向上拼接,以及中心组织点图像同时与垂直方向两个归一化相邻组织点图像在对应方向上拼接,并进一步计算各拼接后图像对应高斯核,拼接图像分别与对应高斯核卷积得到水平亮度变化曲线,对各高斯卷积所得水平亮度变化曲线提取最大值、最小值、局部极小值以及局部最大值,结果进行展示,自上往下两幅图像分别为归一化后中心组织点图像与其水平方向两个相邻组织点图像,以及归一化后中心组织点图像与其垂直方向两个相邻组织点图像操作结果,第一列为中心组织点图像与相邻组织点图像按照机织物中组织点图像分布顺序拼接结果图像,其中虚线矩形框框出组织点图像为中心组织点图像,自上往下尺寸依次为33×60和99×20像素,第二列为第一列拼接图像计算所得对应高斯核,自上往下尺寸依次为33×4和7×20像素,第三列为第一列拼接图像与第二列对应高斯核卷积所得亮度变化曲线,第一行水平亮度变化曲线横坐标为元素下标,可以看作拼接图中水平方向像素位置,纵坐标表示卷积结果数值,可以看作拼接图中像素垂直投影结果;第二行垂直亮度变化曲线横坐标为元素下标,可以看作拼接图中垂直方向像素位置,纵坐标表示卷积结果数值,可以看作拼接图中像素水平投影结果,图中最大值、最小值、局部极小值以及局部最大值均给出对应坐标网格线,局部极小值由“*”标出,局部最大值由“o”标出。
图7所示实施例显示本发明方法在对机织物组织点图像识别经纬属性操作后初步识别机织物组织图,图中直线分割所得各矩形区域表示组织点,斜纹与垂直纹交叉矩形块表示经组织点,白色矩形块表示纬组织点,斜纹矩形块表示未识别属性组织点。
图8所示实施例显示本发明方法在计算组织循环纱线数操作中,各纬纱与机织物图片中间位置纬纱,或各经纱与机织物图片中间位置经纱特征向量间平均海明距离计算结果,左图为各纬纱特征向量与中间位置纬纱特征向量间平均海明距离序列对应曲线,右图为各经纱特征向量与中间位置经纱特征向量间平均海明距离序列对应曲线,横坐标表示经纱或纬纱分布顺序,纵坐标为平均海明距离。
图9(a)和9(b)所示实施例显示本发明方法在计算组织循环纱线数操作中,以不同长度分割图8右图经纱特征向量间平均海明距离序列所得相邻等长子序列结果,图9(a)自上往下各行依次表示分割所得子序列长度取2,3,4,5,6,7个元素时的分割操作示意图,分割所得相邻等长子序列数量依次为13,9,6,5,4,3,图9(b)自上往下各行依次表示分割所得子序列长度取8,9,10,11,12,13个元素时的分割操作示意图,分割所得相邻等长子序列数量依次为3,3,2,2,2,2,图9(a)和图9(b)箭头左侧图像为对图8右图经纱特征向量间平均海明距离序列的相邻等长分割方式,两元素间虚线表示子序列间分割位置,这里展示时对经纱特征向量间平均海明距离序列第一个和最后一个元素进行了保留,但在分割计算过程中该两个元素未被考虑,箭头右侧为箭头左侧分割方案对应相邻等长子序列曲线图像集,其中虚线矩形框框出图像对应各相邻等长子序列集中间位置子序列,第2行、第5行、第8行和第11行的相邻子序列集中,虚线矩形框以外子序列各数值变化与虚线矩形框内子序列各数值变化具有较高相似度,其子序列长度分别为3、6、9、12,均为组织循环经纱数的整数倍。
图10所示实施例显示本发明方法在计算组织循环纱线数操作中,子序列取不同长度情况下,对图8所示两个平均海明距序列分别相邻等长分割所得子序列间平均相关系数计算结果,横坐标为分割时子序列所取长度,纵坐标为子序列取不同长度情况下相邻等长子序列间平均相关系数数值,其中右图为对图9所示分割所得相邻子序列间计算平均相关系数所得。
图11所示实施例显示本发明方法在计算组织循环纱线数操作后计算所得组织循环识别示意图,该机织物组织循环纱线数为3,每条分割线间3×3矩形区域即为一个组织循环块。
图12(a)所示实施例显示本发明方法中初步获取正确组织循环操作后单个组织循环,该图像由对图7中每个组织循环块各对应组织点图像经纬属性统计所得。
图12(b)所示实施例显示本发明方法中补全未识别机织物组织点图像经纬属性操作后单个组织循环,该图像通过对图12(a)中未识别经纬属性组织点进行补全所得。
图13所示实施例显示本发明方法在识别机织物组织结构种类并输出机织物组织图操作中,计算斜向相关系数时四个相同大小组织点数量区域选取示意图,其中四幅图虚线表示图3所示机织物经纱纬纱分割线,左上方图像表示第1到第Nweft-1条纬纱和第1到第Nwarp-1条经纱所交组织点区域,右上方图像表示第1到第Nweft-1条纬纱和第2到第Nwarp条经纱所交组织点区域、左下方图像表示第2到第Nweft条纬纱和第1到第Nwarp-1条经纱所交组织点区域、右下方图像表示第2到第Nweft条纬纱和第2到第Nwarp条经纱所交组织点区域。
图14所示实施例显示本发明方法输出的最终机织物组织图,其对应图2所示机织物图像。
图15(a)所示实施例显示本发明方法素色2/1右斜纹机织物及其识别所得机织物组织图,机织物纱线颜色为白色,组织循环纱线数为3。
图15(b)所示实施例显示本发明方法白坯4/1缎纹机织物及其识别所得机织物组织图,机织物纱线颜色为白色,组织循环纱线数为5。
图15(c)所示实施例显示本发明方法色织3/1加强斜纹机织物及识别所得其机织物组织图,机织物由白色纬纱和蓝、白二色经纱编织而成,组织循环纱线数为4。
图15(d)所示实施例显示本发明方法色织4/1缎纹机织物及其识别所得机织物组织图,机织物由白色纬纱和蓝、白二色经纱编织而成,组织循环纱线数为5。
一种机织物组织结构种类的识别方法,是基于纱线边界特征的机织物组织结构种类的识别方法,步骤如下:
第一步,机织物图像预处理:
将利用USB数码电子显微镜采集的机织物放大图像输入到计算机中,该放大图像的分辨率为640×480像素,并利用公式(1)将RGB色彩空间图像转化为HSV色彩空间,获取亮度信息IV,
IV=max{IR,IG,IB}(1),
式中IR、IG、IB分别表示每个像素点在RGB色彩空间下的红色、绿色和蓝色分量数值,然后对该亮度信息IV进行中值滤波处理得到机织物亮度图像IV,MF,进一步对IV,MF腐蚀处理得到机织物亮度图像IV,Ero;
第二步,亮度投影纠斜并分割机织物组织点图像:
先对上述第一步中腐蚀处理得到的机织物亮度图像IV,Ero做水平投影并进行Sigma为1.75的高斯滤波,以投影曲线波谷作为分割位置分割出纬纱,自上往下依次对分割出的每根纬纱垂直投影并确定投影曲线间对应极小值点,根据第一根纬纱和最后一根纬纱垂直投影曲线对应的极小值点偏移量均值计算经纱与垂直方向倾斜夹角即经纱倾斜角度θ,当经纱右斜时,θ为负,当经纱左斜时,θ为正,利用θ在公式(2)中对上述第一步中的中值滤波处理得到机织物亮度图像IV,MF进行经纱纠斜得到纠斜后机织物亮度图像利用θ在公式(3)中对上述腐蚀处理后的机织物亮度图像IV,Ero进行经纱纠斜得到纠斜后机织物亮度图像
其中SVer为该机织物垂直方向分辨率,SVer=480像素,tan为对θ计算正切函数,(x,y)为经纱纠斜后图像像素点坐标,(x+ytanθ,y)和均为经纱纠斜前图像像素点坐标,当计算得到坐标不为整数时,则通过双线性插值计算得到对应像素点数值,
再对纠斜后机织物亮度图像进行垂直投影并进行Sigma为1.75的高斯滤波,以曲线极小值点分割出经纱,结合前面纬纱分割结果,获得每个机织物组织点图像分割区域信息,以该分割区域信息在纠斜后机织物亮度图像上分割出各机织物组织点图像;
第三步,局部机织物组织点图像归一化:
(1)局部机织物组织点图像尺寸归一化:
对上述第二步得到的纠斜后机织物亮度图像上分割出各机织物组织点图像的结果,在自左往右的逐条经纱上,自上往下依次取每条纬纱与各经纱相交所得的机织物组织点图像,以每次所取机织物组织点图像作为中心机织物组织点图像,水平向左为0度,取该中心机织物组织点图像顺时针旋转0度、90度、180度和270度四个方位中存在的相邻机织物组织点图像,作为一组局部机织物组织点图像,每组局部机织物组织点图像中,以中心机织物组织点图像尺寸为标准,归一化其相邻机织物组织点图像尺寸,并完成所有局部机织物组织点图像尺寸归一化;
(2)局部机织物组织点图像亮度归一化:
每组局部机织物组织点图像经过上述步骤(1)尺寸归一化后,计算各组局部机织物组织点图像所有像素的总亮度均值,每个中心机织物组织点图像及其所有相邻机织物组织点图像的所有像素亮度值减去对应总亮度均值,得到亮度归一化后的中心机织物组织点图像及相邻机织物组织点图像;
第四步,计算机织物组织点图像纱线边界特征:
利用上述第三步中的每一组局部机织物组织点图像集合,进行对应中心机织物组织点图像的纱线边界特征的计算,详细地说是:将中心机织物组织点图像与某相邻机织物组织点图像间的亮度变化关系,称为相邻机织物组织点图像间亮度绝对变化关系,在中心机织物组织点图像与其水平方向两个相邻机织物组织点图像的组合中,或在中心机织物组织点图像与其垂直方向两个相邻机织物组织点图像的组合中,中心机织物组织点图像与某相邻机织物组织点图像间的亮度变化相对于对应组合整体亮度变化的程度,称为相邻机织物组织点图像间亮度相对变化关系,首先利用相邻机织物组织点图像间亮度绝对变化关系计算纱线边界特征,进一步利用相邻机织物组织点图像间亮度相对变化关系修正纱线边界特征,具体方法如下;
(1)利用相邻机织物组织点图像间亮度绝对变化关系计算纱线边界特征:
(a)中心机织物组织点图像与其0度方向相邻机织物组织点图像间纱线边界存在情况判断:
对于上述第三步亮度归一化后的每组局部机织物组织点图像,当中心机织物组织点图像0度方向相邻机织物组织点图像存在,中心机织物组织点图像与其0度方向相邻机织物组织点图像按照在机织物上分布顺序拼接,拼接后图像按照公式(4)计算对应的高斯卷积核,
其中w和h分别表示卷积核水平方向和垂直方向尺寸,u取值0到w-1,v取值0到h-1,σx=w/4,σy=h/4,令Ispl表示中心机织物组织点图像与其相邻机织物组织点图像拼接后所得图像,Sspl,w和Sspl,h分别表示Ispl水平方向尺寸和垂直方向尺寸,h=Sspl,h;
将该拼接图像与高斯卷积核按照公式(5)进行卷积,得到二维卷积结果T(x,y),
其中x取0到Sspl,w-w,y恒取0,即将二维卷积结果T(x,y)中y所对应维度去掉,令t=x+y,则T(x,y)简化为水平亮度变化曲线fh(t),且fh(t)=T(x,0),
利用公式(6)离散傅里叶变换将上述水平亮度变化曲线转化到频域,
其中fh(t)表示离散的水平亮度变化曲线中第t个元素,Ncrc表示该离散水平亮度变化曲线长度,这里Ncrc=Sspl,w-w+1,Fh(s)表示水平亮度变化曲线fh(t)经离散傅里叶变换转换后所得离散频域序列,
取离散频域序列Fh(s)实部前半部分,再令序列中每个元素绝对值减去其自身,得到离散序列{Bh(s)},s=1,2,...,round(Ncrc/2)-1,根据以下条件判断中心机织物组织点图像与其0度方向相邻机织物组织点图像间纱线边界存在情况:
1)当上述离散序列{Bh(s)}中数值最大的元素唯一,且最大的元素对应序号s为2,中心机织物组织点图像与其0度方向相邻机织物组织点图像间不存在纱线边界;
2)其他,中心机织物组织点图像与其0度方向相邻机织物组织点图像间存在纱线边界;
(b)中心机织物组织点图像与其180度方向相邻机织物组织点图像间纱线边界存在情况判断:
对于上述第三步亮度归一化后的每组局部机织物组织点图像,当中心机织物组织点图像180度方向相邻机织物组织点图像存在,对中心机织物组织点图像与其180度方向相邻机织物组织点图像按照在机织物上分布顺序拼接后,重复上述步骤(a)的中心机织物组织点图像与其0度方向相邻机织物组织点图像间纱线边界存在情况判断中公式(4)-公式(6)操作的过程,根据以下条件判断中心机织物组织点图像与其180度方向相邻机织物组织点图像间纱线边界存在情况:
1)当上述离散序列{Bh(s)}中数值最大的元素唯一,且最大的元素对应序号s为2,中心机织物组织点图像与其180度方向相邻机织物组织点图像间不存在纱线边界;
2)其他,中心机织物组织点图像与其180度方向相邻机织物组织点图像间存在纱线边界;
(c)中心机织物组织点图像与其90度方向相邻机织物组织点图像间纱线边界存在情况判断:
对于上述第三步亮度归一化后的每组局部机织物组织点图像,当中心机织物组织点图像90度方向相邻机织物组织点图像存在,对中心机织物组织点图像与其90度方向相邻机织物组织点图像按照在机织物上分布顺序拼接后,除区别于公式(4)操作时,令w=Sspl,w,公式(5)操作时,x恒取0,y取值范围为0到Sspl,h-h,将二维卷积结果T(x,y)中x所对应维度去掉,得到垂直亮度变化曲线fv(t),且fv(t)=T(0,y),公式(6)操作时,Ncrc=Sspl,h-h+1,对垂直亮度变化曲线fv(t)进行傅里叶变换得到离散频域序列Fv(s)之外,重复上述步骤(a)的中心机织物组织点图像与其0度方向相邻机织物组织点图像间纱线边界存在情况判断中公式(4)-公式(6)操作的过程,取离散频域序列Fv(s)实部前半部分,再令序列中每个元素绝对值减去其自身,得到离散序列{Bv(s)},根据以下条件判断中心机织物组织点图像与其90度方向相邻机织物组织点图像间纱线边界存在情况:
1)当上述离散序列{Bv(s)}中数值最大的元素唯一,且最大的元素对应序号s为2,中心机织物组织点图像与其90度方向相邻机织物组织点图像间不存在纱线边界;
2)其他,中心机织物组织点图像与其90度方向相邻机织物组织点图像间存在纱线边界;
(d)中心机织物组织点图像与其270度方向相邻机织物组织点图像间纱线边界存在情况判断:
对于上述第三步亮度归一化后的每组局部机织物组织点图像,当中心机织物组织点图像270度方向相邻机织物组织点图像存在,对中心机织物组织点图像与其270度方向相邻机织物组织点图像按照在机织物上分布顺序拼接后,重复上述步骤(c)的中心机织物组织点图像与其90度方向相邻机织物组织点图像间纱线边界存在情况判断中公式(4)-公式(6)操作的过程,根据以下条件判断中心机织物组织点图像与其270度方向相邻机织物组织点图像间纱线边界存在情况:
1)当上述离散序列{Bv(s)}中数值最大的元素唯一,且最大的元素对应序号s为2,中心机织物组织点图像与其270度方向相邻机织物组织点图像间不存在纱线边界;
2)其他,中心机织物组织点图像与其270度方向相邻机织物组织点图像间存在纱线边界;
(e)计算中心机织物组织点图像的纱线边界特征向量:
将每个中心机织物组织点图像与其0度、90度、180度、270度四个方向相邻机织物组织点图像间的机织物组织点图像存在情况和纱线边界存在情况串联成该中心机织物组织点图像的纱线边界特征向量,用vm,n(k),k=1,2,3,4依次表示第m条纬纱、n条经纱相交所得中心机织物组织点图像与其0度、90度、180度和270度方向相邻机织物组织点图像间的机织物组织点图像存在情况和纱线边界存在情况,当中心机织物组织点图像与其0度、90度、180度和270度方向相邻机织物组织点图像间的机织物组织点图像不存在,令对应vm,n(k)=-1;当中心机织物组织点图像与其0度、90度、180度和270度方向上存在的相邻机织物组织点图像间不存在纱线边界,令对应vm,n(k)=0;当中心机织物组织点图像与其0度、90度、180度和270度方向上存在的相邻机织物组织点图像间存在纱线边界,令对应vm,n(k)=1,第m条纬纱、n条经纱相交所得中心机织物组织点图像的纱线边界特征向量由vm,n(k)依次串联而成,表示为纱线边界特征向量Vm,n=(vm,n(1),vm,n(2),vm,n(3),vm,n(4)),这里m=1,2,3,...,Nweft,n=1,2,3,...,Nwarp,Nweft为机织物样本纬纱数,Nwarp为机织物样本经纱数;
(2)利用相邻机织物组织点图像间亮度相对变化关系修正纱线边界特征:
对于上述步骤(1)得到的机织物组织点图像的纱线边界特征向量,当中心机织物组织点图像0度和180度方向相邻机织物组织点图像均存在,中心机织物组织点图像与其0度和180度方向相邻机织物组织点图像按照机织物上分布顺序同时拼接后,除区别于公式(4)操作时,令h=Sspl,h之外,重复上述步骤(1)中的中心机织物组织点图像与其0度方向相邻机织物组织点图像间纱线边界存在情况判断中公式(4)-公式(5)操作的过程,得到水平亮度变化曲线,对得到的水平亮度变化曲线提取全局最大值、全局最小值、中心机织物组织点图像与其0度方向相邻机织物组织点图像对应水平亮度变化曲线区域的局部极小值、中心机织物组织点图像与其180度方向相邻机织物组织点图像对应水平亮度变化曲线区域的局部极小值、0度方向相邻机织物组织点图像对应水平亮度变化曲线区域的局部最大值、中心机织物组织点图像对应水平亮度变化曲线区域的局部最大值以及180度方向相邻机织物组织点图像对应水平亮度变化曲线区域的局部最大值,其中局部极小值通过下述方式▲得到:
▲:取中心机织物组织点图像与其某方向相邻机织物组织点图像在亮度变化曲线上对应区域,再取该区域中间2/3区间上所有极小值,在所取所有极小值中取最小值作为局部极小值;
当中心机织物组织点图像0度和180度方向相邻机织物组织点图像中有一个不存在,对中心机织物组织点图像与0度和180度方向相邻机织物组织点图像中存在的机织物组织点图像按照机织物上分布顺序同时拼接后,重复上述步骤(1)中的中心机织物组织点图像与其0度方向相邻机织物组织点图像间纱线边界存在情况判断中公式(4)-公式(5)操作的过程,得到水平亮度变化曲线,对该得到的水平亮度变化曲线提取全局最大值、全局最小值、局部极小值、0度和180度方向相邻机织物组织点图像中存在的组织点图像对应水平亮度变化曲线区域的局部最大值、中心机织物组织点图像对应水平亮度变化曲线区域的局部最大值,其中局部极小值通过上述方式▲得到;
当中心机织物组织点图像90度和270度方向相邻机织物组织点图像均存在,中心机织物组织点图像与其90度和270度方向相邻机织物组织点图像按照机织物上分布顺序同时拼接后,除区别于公式(4)操作时,令w=Sspl,w,之外,重复上述步骤(1)中的中心机织物组织点图像与其90度方向相邻机织物组织点图像间纱线边界存在情况判断中公式(4)-公式(5)操作的过程,得到垂直亮度变化曲线,对得到的垂直亮度变化曲线提取全局最大值、全局最小值、中心机织物组织点图像与其90度方向相邻机织物组织点图像对应垂直亮度变化曲线区域的局部极小值、中心机织物组织点图像与其270度方向相邻机织物组织点图像对应垂直亮度变化曲线区域的局部极小值、90度方向相邻机织物组织点图像对应垂直亮度变化曲线区域的局部最大值、中心机织物组织点图像对应垂直亮度变化曲线区域的局部最大值以及270度方向相邻机织物组织点图像对应垂直亮度变化曲线区域的局部最大值,其中局部极小值通过上述方式▲得到;
当中心机织物组织点图像90度和270度方向相邻机织物组织点图像中有一个不存在,对中心机织物组织点图像与90度和270度方向相邻机织物组织点图像中存在的机织物组织点图像按照机织物上分布顺序同时拼接后,重复上述步骤(1)中的中心机织物组织点图像与其90度方向相邻机织物组织点图像间纱线边界存在情况判断中公式(4)-公式(5)操作的过程,得到垂直亮度变化曲线,对得到的垂直亮度变化曲线提取全局最大值、全局最小值、局部极小值、90度和270度方向相邻机织物组织点图像中存在的组织点图像对应垂直亮度变化曲线区域的局部最大值、中心机织物组织点图像对应垂直亮度变化曲线区域的局部最大值,其中局部极小值通过上述方式▲得到;
对得到的水平和垂直亮度变化曲线及对应全局最大值、全局最小值、局部极小值以及局部最大值,结合上述步骤(1)得到的各机织物组织点图像纱线边界特征向量,修正各机织物组织点图像纱线边界特征向量,具体修正方法如下:
(a)当纱线边界特征向量Vm,n中四个纱线边界特征向量元素vm,n(k),k=1,2,3,4均不为0,当vm,n(k)数值不为-1且满足下述条件1)-3)之一,更新为0,更新特征纱线边界特征向量Vm,n,条件1)-3)为:
1)对应曲线区间上不存在局部极小值点;
2)存在局部极小值点,且局部极小值点处于对应曲线全局最大值与全局最小值之间靠近全局最大值的1/3区域;
3)存在局部极小值点,局部极小值点处于对应曲线全局最大值与全局最小值间中间1/3区域,且该局部极小值所在相邻机织物组织点图像和中心机织物组织点图像对应曲线区间局部最大值中较大的局部最大值,与该局部极小值的差,除以曲线全局最大值与全局最小值的差,所得数值小于0.15;
(b)完成上述步骤(a)对纱线边界特征向量Vm,n更新后,当纱线边界特征向量Vm,n中数值为0的vm,n(k)数量大于2,或者0元素的数量为2且两个数值为0的vm,n(k)对应的k不同时为奇数或偶数时,依次取所有数值为0的vm,n(k)对应相邻机织物组织点图像和中心机织物组织点图像所在曲线区间中间2/3区域,统计其中局部极小值点不存在数量,当统计结果大于0,则将其中存在局部极小值点区间对应的vm,n(k)更新为1,更新纱线边界特征向量Vm,n,否则不更新Vm,n;
(c)完成上述步骤(b)对纱线边界特征向量Vm,n更新后,当纱线边界特征向量Vm,n中不存在-1,0元素的数量大于2,或者0元素的数量为2且两个为0的vm,n(k)对应的k不同时为奇数或偶数时,对所有数值为0的vm,n(k),依次计算其所在相邻机织物组织点图像和中心机织物组织点图像对应亮度曲线区间局部最大值中较大的值与局部极小值的差,除以曲线全局最大值与全局最小值之差得到的数值,除所得结果中最小值对应的vm,n(k)外,均更新为1,更新纱线边界特征向量Vm,n;
第五步,对机织物组织点图像识别经纬属性:
根据上述第四步中步骤(2)最终更新所得机织物组织点图像纱线边界特征向量Vm,n,判断每个机织物组织点图像经纬属性,首先从前向后搜索每个机织物组织点图像纱线边界特征向量Vm,n中所有元素数值,获取第一个0元素在纱线边界特征向量Vm,n中出现位置ind0,当ind0为奇数,则该机织物组织点图像为纬组织点,当ind0为偶数,则该机织物组织点图像为经组织点,当ind0为空,则该机织物组织点图像无法判断经纬属性;
为了方便计算机处理,以Cam,n表示第m条纬纱、n条经纱相交所得机织物组织点图像经纬属性,当该机织物组织点图像无法判断经纬属性,令Cam,n=-1;当该机织物组织点图像为纬组织点,令Cam,n=0;当该机织物组织点图像为经组织点,令Cam,n=1;
Cam,n根据对应机织物组织点图像在机织物中分布位置组成预识别机织物组织图矩阵;
第六步,计算组织循环纱线数:
串联每条经纱或纬纱机织物组织点图像纱线边界特征向量,计算每条经纱与机织物图片中间位置经纱间特征向量平均海明距离,或计算每条纬纱与机织物图片中间位置纬纱间特征向量平均海明距离,并以平均海明距离曲线数值大小和不同长度下截取所得相邻等长子序列间平均相关系数,获得机织物组织循环纱线数,具体方法如下:
本发明首先按公式(7)和公式(8)分别串联每条经纱或纬纱机织物组织点图像纱线边界特征向量,获得各经纱特征向量Uwarp,n与各纬纱特征向量Uweft,m
上式中Nwarp为机织物样本经纱数,Nweft为机织物样本纬纱数,Vm,n为每条经纱或纬纱上机织物组织点图像对应纱线边界特征向量,该机织物中各条经纱特征向量Uwarp,n与中间位置经纱特征向量按照公式(9)计算对应的平均海明距离Dwarp(n),n=1,2,…,Nwarp,计算时公式(9)中A1和A2分别取Uwarp,n和计算所得D为对应Dwarp(n),同样操作,各条纬纱特征向量Uweft,m与中间位置纬纱特征向量按照公式(9)计算对应的平均海明距离Dweft(m),m=1,2,…,Nweft,计算时公式(9)中A1和A2分别取Uweft,m和计算所得D为对应Dweft(m),
D=Hamming(A1,A2)/|A1|(9),
式中函数Hamming(A1,A2)表示向量A1和A2间的海明距离,|A1|表示向量A1的模,D为最终平均海明距离计算结果,Dwarp(n)和Dweft(m)分别按照公式(10)和(11)构成序列Dwarp和Dweft,
Dwarp=(Dwarp(1),Dwarp(2),...,Dwarp(Nwarp))(10),
Dweft=(Dweft(1),Dweft(2),...,Dweft(Nweft))(11),
然后根据海明距离序列Dwarp和Dweft极小值点,初步获得组织循环经纱数Ncwarp和组织循环纬纱数Ncweft,首先初始化Ncwarp=0,如果序列Dwarp中数值小于1/4的元素数量大于Nwarp/2,则令Ncwarp=2;否则取序列Dwarp极小值点中数值小于1/4的元素位置,构成位置序列Dindwarp,统计序列Dindwarp第一个元素之后每个元素与其前一个元素之差,统计数量最多的数值为组织循环经纱数Ncwarp,同样操作,根据序列Dweft计算组织循环纬纱数Ncweft;
简单修正Ncwarp和Ncweft,当Ncwarp和Ncweft均为0,令Ncwarp=Nwarp,Ncweft=Nweft;当Ncwarp和Ncweft中一个为0,另一个不为0,则将Ncwarp和Ncweft中非0数值赋值给0所在变量;当Ncwarp和Ncweft均不为0,且其中一个为2,另一个不为2,则将Ncwarp和Ncweft中非2数值赋值给2所在变量;当Ncwarp和Ncweft均不为0或2,且大小不一致,则将Ncwarp和Ncweft中较小数值赋值给较大数值所在变量;
当Ncwarp和Ncweft至少一个数值大于2,利用不同长度下分割所得序列Dwarp和序列Dweft相邻等长子序列间平均相关系数,矫正组织循环纱线数Ncwarp和Ncweft,具体步骤是:
(a)去掉序列Dwarp第一个元素和最后一个元素,剩余元素构成序列
(b)令L表示分割时各相邻子序列长度,Ndwarp,L表示分割所得相邻子序列数量,初始化L=2,计算如果Ndwarp,L>1,进入下述步骤(c),否则进入下述步骤(e);
(c)将以长度L连续相邻等长分割,得到子序列p=1,2,...,Ndwarp,L,分割所得子序列在序列中分布关于序列的中心位置对称,按照序列中对应区间分布顺序构成子序列集子序列集中间位置子序列与其他子序列按照公式(12)计算平均相关系数其中
其中表示子序列集中第z个子序列与中间位置子序列的相关系数;
(d)更新分割时子序列长度为L+1,重新计算如果Ndwarp,L>1,返回上述步骤(c),以新长度重新分割相邻等长子序列并计算此时相邻等长子序列间平均相关系数,否则进入下述步骤(e);
(e)经过上述步骤(a)~步骤(d)的计算过程,得到不同长度下对序列Dwarp相邻等长分割所得子序列间平均相关系数序列如果非空,更新Ncwarp为序列中第一个数值大于0.6的元素对应位置数值,否则不更新Ncwarp;
(f)对序列Dweft进行上述步骤(a)-(e)同样操作,更新Ncweft,区别在于将所有对序列Dwarp的操作替换为对序列Dweft的操作;
本实施例组织循环计算结果如图11所示,该组织循环纱线数计算方法对所有样本的识别效果见表1:
表1.组织循环纱线数计算情况
第七步,矫正机织物组织点图像经纬属性:
(1)初步获取正确组织循环:
根据第六步计算得到的组织循环纱线数,并根据组织循环分布规律,将第五步初步识别后的机织物组织图矩阵分割为连续相邻排列的组织循环块,统计所有组织循环块中对应机织物组织点图像经纬属性,以统计最多经纬属性作为对应机织物组织点图像经纬属性,构成正确组织循环,机织物组织循环以公式(13)所示组织循环矩阵Csr进行表示,组织循环矩阵中第kc行、第lc列机织物组织点图像经纬属性表示为Csr(kc,lc),根据其对应机织物组织点图像经纬属性取值-1、0、1,分别对应无法判断经纬属性、纬组织点和经组织点,kc=1,2,...,Ncweft,lc=1,2,...,Ncwarp,
(2)补全未识别机织物组织点图像经纬属性:
当机织物在第六步计算所得组织循环纱线数大于2,进一步通过对组织循环矩阵Csr的操作,实现对组织循环中未识别经纬属性的机织物组织点图像根据已识别的机织物组织点图像进行二次识别,具体步骤如下:
(a)逐行扫描组织循环矩阵Csr,找出所有数值为-1的矩阵元素;
(b)当各行连续出现数值为-1的矩阵元素数量为奇数,且左右相邻数值非-1的矩阵元素数值相同,或者连续出现数值为-1的矩阵元素数量为偶数,且左右相邻数值非-1的矩阵元素数值一个数值为0,一个数值为1,则对该部分数值为-1的连续矩阵元素数值,从两侧往中间依次赋值为对应相邻数值非-1的矩阵元素数值减1所得结果的绝对值;
(c)当各行连续出现数值为-1的矩阵元素数量为奇数,且左右相邻数值非-1的矩阵元素数值一个数值为0,一个数值为1,或者连续出现数值为-1的矩阵元素数量为偶数,且左右相邻数值非-1的矩阵元素数值相同,则该部分数值为-1的矩阵元素依次根据其上下矩阵元素进行识别,识别方法与上述步骤(b)一致,区别在于判断基准矩阵元素为垂直方向相邻数值非-1的矩阵元素;
(d)对于上述步骤(b)和上述步骤(c)无法识别经纬属性的矩阵元素,令其取组织循环矩阵中出现次数最多的矩阵元素数值;
(3)矫正机织物组织图矩阵:
利用上述步骤(2)所得正确组织循环矩阵Csr,依次对上述步骤(1)分割所得组织循环块进行矫正,得到矫正后机织物组织图矩阵;
第八步,识别机织物组织结构种类并输出机织物组织图:
计算斜向相邻相同大小机织物组织点图像数量区域间所有机织物组织点图像经纬属性平均海明距离关系,并结合组织结构循环周期,对组织结构种类进行分类,具体步骤如下:
当Ncwarp或Ncweft不为2,且第七步矫正后机织物组织图矩阵中矩阵元素数值不完全一致,取第1到第Nweft-1条纬纱和第1到第Nwarp-1条经纱所有机织物组织点图像构成机织物子区域,该机织物子区域每列机织物组织点图像经纬属性标识Cam,n作为列向量,逐列串联,得到该机织物子区域机织物组织点图像经纬属性分布向量Car11,此时m取值范围为1,2,...,Nweft-1,此时n取值范围为1,2,...,Nwarp-1,同样方式,分别取第1到第Nweft-1条纬纱和第2到第Nwarp条经纱、第2到第Nweft条纬纱和第1到第Nwarp-1条经纱、第2到第Nweft条纬纱和第2到第Nwarp条经纱对应机织物组织点图像机织物子区域机织物组织点图像经纬属性分布向量Car12、Car21、Car22;
Car11和Car22根据公式(9)计算对应平均海明距离Drmean,1,计算时A1和A2分别取CR11和CR22,计算所得D即为DR1,同样根据公式(9)计算Car12和Car21平均海明距离Drmean,2,如果Drmean,1<0.35且Drmean,1<Drmean,2,该机织物左斜;如果Drmean,2<0.35且Drmean,1≥Drmean,2,该机织物右斜;否则该机织物斜向机织物组织点图像经纬属性分布不相似;为了方便计算机处理,定义η表示机织物倾斜情况,如果机织物左斜,令η=1;如果机织物右斜,令η=-1;否则令η=0;
机织物倾斜情况η结合第六步所得组织循环纱线数,可对该机织物组织结构种类识别,具体识别条件为:当组织循环纱线数为2,该机织物组织结构属于平纹组织;当组织循环纱线数大于2,且η≠0,该机织物组织结构属于斜纹组织;当组织循环纱线数大于2,且η=0,该机织物组织结构属于缎纹组织;
输出机织物组织结构种类,并输出机织物组织图;
当机织物为非平纹机织物,根据矫正后机织物组织图矩阵作机织物组织图,以第二步所得纠斜后亮度图像尺寸相同大小设置正确机织物组织图尺寸,并根据第一步各纬纱与经纱分割位置绘制直线,将机织物组织图划分为小矩形区域,每个矩形区域根据分布位置对应一个机织物组织点图像,取矫正后机织物组织图矩阵中Cam,n为0所对应矩形方格设为白色,Cam,n为1所对应矩形方格设为斜纹与垂直纹交叉纹,Cam,n为-1所对应矩形方格设为斜纹,输出机织物组织图;
上述实施例中,均默认图像左上角为坐标原点,水平向右为x轴正方向,垂直向下为y轴正方向;在提及旋转角度时,均默认以水平向左为0度,顺时针旋转,尺寸大小以像素数量进行表示。
本实施例一种机织物组织结构种类的识别方法对样本的识别效果见表2:
表2.机织物组织结构种类的识别情况
本实施例对样本机织物组织图的识别效果见表3,这里定义准确识别和基本准确识别两个级别,准确识别是识别后组织图与准确组织图完全一致,基本识别准确是除了准确识别外还包括识别后组织图与准确组织图基本组织结构走势一致且误检组织点数量不超过总组织点数量五分之一:
表3.机织物组织图识别情况
Claims (3)
1.一种机织物组织结构种类的识别方法,其特征在于:是基于纱线边界特征的机织物组织结构种类的识别方法,步骤如下:
第一步,机织物图像预处理:
将利用USB数码电子显微镜采集的机织物高分辨率放大图像输入到计算机中,并利用公式(1)将RGB色彩空间图像转化为HSV色彩空间,获取亮度信息IV,
IV=max{IR,IG,IB}(1),
式中IR、IG、IB分别表示每个像素点在RGB色彩空间下的红色、绿色和蓝色分量数值,然后对该亮度信息IV进行中值滤波处理得到机织物亮度图像IV,MF,进一步对IV,MF腐蚀处理得到机织物亮度图像IV,Ero;
第二步,亮度投影纠斜并分割机织物组织点图像:
先对上述第一步中腐蚀处理得到的机织物亮度图像IV,Ero做水平投影并进行Sigma为1.75的高斯滤波,以投影曲线波谷作为分割位置分割出纬纱,自上往下依次对分割出的每根纬纱垂直投影并确定投影曲线间对应极小值点,根据第一根纬纱和最后一根纬纱垂直投影曲线对应的极小值点偏移量均值计算经纱与垂直方向倾斜夹角即经纱倾斜角度θ,当经纱右斜时,θ为负,当经纱左斜时,θ为正,利用θ在公式(2)中对上述第一步中的中值滤波处理得到机织物亮度图像IV,MF进行经纱纠斜得到纠斜后机织物亮度图像利用θ在公式(3)中对上述腐蚀处理后的机织物亮度图像IV,Ero进行经纱纠斜得到纠斜后机织物亮度图像
其中SVer为该机织物垂直方向分辨率,tan为对θ计算正切函数,(x,y)为经纱纠斜后图像像素点坐标,(x+ytanθ,y)和均为经纱纠斜前图像像素点坐标,当计算得到坐标不为整数时,则通过双线性插值计算得到对应像素点数值,
再对纠斜后机织物亮度图像进行垂直投影并进行Sigma为1.75的高斯滤波,以曲线极小值点分割出经纱,结合前面纬纱分割结果,获得每个机织物组织点图像分割区域信息,以该分割区域信息在纠斜后机织物亮度图像上分割出各机织物组织点图像;
第三步,局部机织物组织点图像归一化:
(1)局部机织物组织点图像尺寸归一化:
对上述第二步得到的纠斜后机织物亮度图像上分割出各机织物组织点图像的结果,在自左往右的逐条经纱上,自上往下依次取每条纬纱与各经纱相交所得的机织物组织点图像,以每次所取机织物组织点图像作为中心机织物组织点图像,水平向左为0度,取该中心机织物组织点图像顺时针旋转0度、90度、180度和270度四个方位中存在的相邻机织物组织点图像,作为一组局部机织物组织点图像,每组局部机织物组织点图像中,以中心机织物组织点图像尺寸为标准,归一化其相邻机织物组织点图像尺寸,并完成所有局部机织物组织点图像尺寸归一化;
(2)局部机织物组织点图像亮度归一化:
每组局部机织物组织点图像经过上述步骤(1)尺寸归一化后,计算各组局部机织物组织点图像所有像素的总亮度均值,每个中心机织物组织点图像及其所有相邻机织物组织点图像的所有像素亮度值减去对应总亮度均值,得到亮度归一化后的中心机织物组织点图像及相邻机织物组织点图像;
第四步,计算机织物组织点图像纱线边界特征:
利用上述第三步中的每一组局部机织物组织点图像集合,进行对应中心机织物组织点图像的纱线边界特征的计算,详细地说是:将中心机织物组织点图像与某相邻机织物组织点图像间的亮度变化关系,称为相邻机织物组织点图像间亮度绝对变化关系,在中心机织物组织点图像与其水平方向两个相邻机织物组织点图像的组合中,或在中心机织物组织点图像与其垂直方向两个相邻机织物组织点图像的组合中,中心机织物组织点图像与某相邻机织物组织点图像间的亮度变化相对于对应组合整体亮度变化的程度,称为相邻机织物组织点图像间亮度相对变化关系,首先利用相邻机织物组织点图像间亮度绝对变化关系计算纱线边界特征,进一步利用相邻机织物组织点图像间亮度相对变化关系修正纱线边界特征,具体方法如下;
(1)利用相邻机织物组织点图像间亮度绝对变化关系计算纱线边界特征:
(a)中心机织物组织点图像与其0度方向相邻机织物组织点图像间纱线边界存在情况判断:
对于上述第三步亮度归一化后的每组局部机织物组织点图像,当中心机织物组织点图像0度方向相邻机织物组织点图像存在,中心机织物组织点图像与其0度方向相邻机织物组织点图像按照在机织物上分布顺序拼接,拼接后图像按照公式(4)计算对应的高斯卷积核,
其中w和h分别表示卷积核水平方向和垂直方向尺寸,u取值0到w-1,v取值0到h-1,σx=w/4,σy=h/4,令Ispl表示中心机织物组织点图像与其相邻机织物组织点图像拼接后所得图像,Sspl,w和Sspl,h分别表示Ispl水平方向尺寸和垂直方向尺寸,h=Sspl,h;
将该拼接图像与高斯卷积核按照公式(5)进行卷积,得到二维卷积结果T(x,y),
其中x取0到Sspl,w-w,y恒取0,即将二维卷积结果T(x,y)中y所对应维度去掉,令t=x+y,则T(x,y)简化为水平亮度变化曲线fh(t),且fh(t)=T(x,0),
利用公式(6)离散傅里叶变换将上述水平亮度变化曲线转化到频域,
其中fh(t)表示离散的水平亮度变化曲线中第t个元素,Ncrc表示该离散水平亮度变化曲线长度,这里Ncrc=Sspl,w-w+1,Fh(s)表示水平亮度变化曲线fh(t)经离散傅里叶变换转换后所得离散频域序列,
取离散频域序列Fh(s)实部前半部分,再令序列中每个元素绝对值减去其自身,得到离散序列{Bh(s)},s=1,2,...,round(Ncrc/2)-1,根据以下条件判断中心机织物组织点图像与其0度方向相邻机织物组织点图像间纱线边界存在情况:
1)当上述离散序列{Bh(s)}中数值最大的元素唯一,且最大的元素对应序号s为2,中心机织物组织点图像与其0度方向相邻机织物组织点图像间不存在纱线边界;
2)其他,中心机织物组织点图像与其0度方向相邻机织物组织点图像间存在纱线边界;
(b)中心机织物组织点图像与其180度方向相邻机织物组织点图像间纱线边界存在情况判断:
对于上述第三步亮度归一化后的每组局部机织物组织点图像,当中心机织物组织点图像180度方向相邻机织物组织点图像存在,对中心机织物组织点图像与其180度方向相邻机织物组织点图像按照在机织物上分布顺序拼接后,重复上述步骤(a)的中心机织物组织点图像与其0度方向相邻机织物组织点图像间纱线边界存在情况判断中公式(4)-公式(6)操作的过程,根据以下条件判断中心机织物组织点图像与其180度方向相邻机织物组织点图像间纱线边界存在情况:
1)当上述离散序列{Bh(s)}中数值最大的元素唯一,且最大的元素对应序号s为2,中心机织物组织点图像与其180度方向相邻机织物组织点图像间不存在纱线边界;
2)其他,中心机织物组织点图像与其180度方向相邻机织物组织点图像间存在纱线边界;
(c)中心机织物组织点图像与其90度方向相邻机织物组织点图像间纱线边界存在情况判断:
对于上述第三步亮度归一化后的每组局部机织物组织点图像,当中心机织物组织点图像90度方向相邻机织物组织点图像存在,对中心机织物组织点图像与其90度方向相邻机织物组织点图像按照在机织物上分布顺序拼接后,除区别于公式(4)操作时,令w=Sspl,w,公式(5)操作时,x恒取0,y取值范围为0到Sspl,h-h,将二维卷积结果T(x,y)中x所对应维度去掉,得到垂直亮度变化曲线fv(t),且fv(t)=T(0,y),公式(6)操作时,Ncrc=Sspl,h-h+1,对垂直亮度变化曲线fv(t)进行傅里叶变换得到离散频域序列Fv(s)之外,重复上述步骤(a)的中心机织物组织点图像与其0度方向相邻机织物组织点图像间纱线边界存在情况判断中公式(4)-公式(6)操作的过程,取离散频域序列Fv(s)实部前半部分,再令序列中每个元素绝对值减去其自身,得到离散序列{Bv(s)},根据以下条件判断中心机织物组织点图像与其90度方向相邻机织物组织点图像间纱线边界存在情况:
1)当上述离散序列{Bv(s)}中数值最大的元素唯一,且最大的元素对应序号s为2,中心机织物组织点图像与其90度方向相邻机织物组织点图像间不存在纱线边界;
2)其他,中心机织物组织点图像与其90度方向相邻机织物组织点图像间存在纱线边界;
(d)中心机织物组织点图像与其270度方向相邻机织物组织点图像间纱线边界存在情况判断:
对于上述第三步亮度归一化后的每组局部机织物组织点图像,当中心机织物组织点图像270度方向相邻机织物组织点图像存在,对中心机织物组织点图像与其270度方向相邻机织物组织点图像按照在机织物上分布顺序拼接后,重复上述步骤(c)的中心机织物组织点图像与其90度方向相邻机织物组织点图像间纱线边界存在情况判断中公式(4)-公式(6)操作的过程,根据以下条件判断中心机织物组织点图像与其270度方向相邻机织物组织点图像间纱线边界存在情况:
1)当上述离散序列{Bv(s)}中数值最大的元素唯一,且最大的元素对应序号s为2,中心机织物组织点图像与其270度方向相邻机织物组织点图像间不存在纱线边界;
2)其他,中心机织物组织点图像与其270度方向相邻机织物组织点图像间存在纱线边界;
(e)计算中心机织物组织点图像的纱线边界特征向量:
将每个中心机织物组织点图像与其0度、90度、180度、270度四个方向相邻机织物组织点图像间的机织物组织点图像存在情况和纱线边界存在情况串联成该中心机织物组织点图像的纱线边界特征向量,用vm,n(k),k=1,2,3,4依次表示第m条纬纱、n条经纱相交所得中心机织物组织点图像与其0度、90度、180度和270度方向相邻机织物组织点图像间的机织物组织点图像存在情况和纱线边界存在情况,当中心机织物组织点图像与其0度、90度、180度和270度方向上存在的相邻机织物组织点图像间不存在纱线边界,令对应vm,n(k)=0;当中心机织物组织点图像与其0度、90度、180度和270度方向上存在的相邻机织物组织点图像间存在纱线边界,令对应vm,n(k)=1,第m条纬纱、n条经纱相交所得中心机织物组织点图像的纱线边界特征向量由vm,n(k)依次串联而成,表示为纱线边界特征向量Vm,n=(vm,n(1),vm,n(2),vm,n(3),vm,n(4)),这里m=1,2,3,...,Nweft,n=1,2,3,...,Nwarp,Nweft为机织物样本纬纱数,Nwarp为机织物样本经纱数;
(2)利用相邻机织物组织点图像间亮度相对变化关系修正纱线边界特征:
对于上述步骤(1)得到的机织物组织点图像的纱线边界特征向量,当中心机织物组织点图像0度和180度方向相邻机织物组织点图像均存在,中心机织物组织点图像与其0度和180度方向相邻机织物组织点图像按照机织物上分布顺序同时拼接后,除区别于公式(4)操作时,令h=Sspl,h之外,重复上述步骤(1)中的中心机织物组织点图像与其0度方向相邻机织物组织点图像间纱线边界存在情况判断中公式(4)-公式(5)操作的过程,得到水平亮度变化曲线,对得到的水平亮度变化曲线提取全局最大值、全局最小值、中心机织物组织点图像与其0度方向相邻机织物组织点图像对应水平亮度变化曲线区域的局部极小值、中心机织物组织点图像与其180度方向相邻机织物组织点图像对应水平亮度变化曲线区域的局部极小值、0度方向相邻机织物组织点图像对应水平亮度变化曲线区域的局部最大值、中心机织物组织点图像对应水平亮度变化曲线区域的局部最大值以及180度方向相邻机织物组织点图像对应水平亮度变化曲线区域的局部最大值,其中局部极小值通过下述方式▲得到:
▲:取中心机织物组织点图像与其某方向相邻机织物组织点图像在亮度变化曲线上对应区域,再取该区域中间2/3区间上所有极小值,在所取所有极小值中取最小值作为局部极小值;
当中心机织物组织点图像0度和180度方向相邻机织物组织点图像中有一个不存在,对中心机织物组织点图像与0度和180度方向相邻机织物组织点图像中存在的机织物组织点图像按照机织物上分布顺序同时拼接后,重复上述步骤(1)中的中心机织物组织点图像与其0度方向相邻机织物组织点图像间纱线边界存在情况判断中公式(4)-公式(5)操作的过程,得到水平亮度变化曲线,对该得到的水平亮度变化曲线提取全局最大值、全局最小值、局部极小值、0度和180度方向相邻机织物组织点图像中存在的组织点图像对应水平亮度变化曲线区域的局部最大值、中心机织物组织点图像对应水平亮度变化曲线区域的局部最大值,其中局部极小值通过上述方式▲得到;
当中心机织物组织点图像90度和270度方向相邻机织物组织点图像均存在,中心机织物组织点图像与其90度和270度方向相邻机织物组织点图像按照机织物上分布顺序同时拼接后,除区别于公式(4)操作时,令w=Sspl,w,之外,重复上述步骤(1)中的中心机织物组织点图像与其90度方向相邻机织物组织点图像间纱线边界存在情况判断中公式(4)-公式(5)操作的过程,得到垂直亮度变化曲线,对得到的垂直亮度变化曲线提取全局最大值、全局最小值、中心机织物组织点图像与其90度方向相邻机织物组织点图像对应垂直亮度变化曲线区域的局部极小值、中心机织物组织点图像与其270度方向相邻机织物组织点图像对应垂直亮度变化曲线区域的局部极小值、90度方向相邻机织物组织点图像对应垂直亮度变化曲线区域的局部最大值、中心机织物组织点图像对应垂直亮度变化曲线区域的局部最大值以及270度方向相邻机织物组织点图像对应垂直亮度变化曲线区域的局部最大值,其中局部极小值通过上述方式▲得到;
当中心机织物组织点图像90度和270度方向相邻机织物组织点图像中有一个不存在,对中心机织物组织点图像与90度和270度方向相邻机织物组织点图像中存在的机织物组织点图像按照机织物上分布顺序同时拼接后,重复上述步骤(1)中的中心机织物组织点图像与其90度方向相邻机织物组织点图像间纱线边界存在情况判断中公式(4)-公式(5)操作的过程,得到垂直亮度变化曲线,对得到的垂直亮度变化曲线提取全局最大值、全局最小值、局部极小值、90度和270度方向相邻机织物组织点图像中存在的组织点图像对应垂直亮度变化曲线区域的局部最大值、中心机织物组织点图像对应垂直亮度变化曲线区域的局部最大值,其中局部极小值通过上述方式▲得到;
对得到的水平和垂直亮度变化曲线及对应全局最大值、全局最小值、局部极小值以及局部最大值,结合上述步骤(1)得到的各机织物组织点图像纱线边界特征向量,修正各机织物组织点图像纱线边界特征向量,具体修正方法如下:
(a)当纱线边界特征向量Vm,n中四个纱线边界特征向量元素vm,n(k),k=1,2,3,4均不为0,当vm,n(k)数值不为-1且满足下述条件1)-3)之一,更新为0,更新特征纱线边界特征向量Vm,n,条件1)-3)为:
1)对应曲线区间上不存在局部极小值点;
2)存在局部极小值点,且局部极小值点处于对应曲线全局最大值与全局最小值之间靠近全局最大值的1/3区域;
3)存在局部极小值点,局部极小值点处于对应曲线全局最大值与全局最小值间中间1/3区域,且该局部极小值所在相邻机织物组织点图像和中心机织物组织点图像对应曲线区间局部最大值中较大的局部最大值,与该局部极小值的差,除以曲线全局最大值与全局最小值的差,所得数值小于0.15;
(b)完成上述步骤(a)对纱线边界特征向量Vm,n更新后,当纱线边界特征向量Vm,n中数值为0的vm,n(k)数量大于2,或者0元素的数量为2且两个数值为0的vm,n(k)对应的k不同时为奇数或偶数时,依次取所有数值为0的vm,n(k)对应相邻机织物组织点图像和中心机织物组织点图像所在曲线区间中间2/3区域,统计其中局部极小值点不存在数量,当统计结果大于0,则将其中存在局部极小值点区间对应的vm,n(k)更新为1,更新纱线边界特征向量Vm,n,否则不更新Vm,n;
(c)完成上述步骤(b)对纱线边界特征向量Vm,n更新后,当纱线边界特征向量Vm,n中不存在-1,0元素的数量大于2,或者0元素的数量为2且两个为0的vm,n(k)对应的k不同时为奇数或偶数时,对所有数值为0的vm,n(k),依次计算其所在相邻机织物组织点图像和中心机织物组织点图像对应亮度曲线区间局部最大值中较大的值与局部极小值的差,除以曲线全局最大值与全局最小值之差得到的数值,除所得结果中最小值对应的vm,n(k)外,均更新为1,更新纱线边界特征向量Vm,n;
第五步,对机织物组织点图像识别经纬属性:
根据上述第四步中步骤(2)最终更新所得机织物组织点图像纱线边界特征向量Vm,n,判断每个机织物组织点图像经纬属性,首先从前向后搜索每个机织物组织点图像纱线边界特征向量Vm,n中所有元素数值,获取第一个0元素在纱线边界特征向量Vm,n中出现位置ind0,当ind0为奇数,则该机织物组织点图像为纬组织点,当ind0为偶数,则该机织物组织点图像为经组织点,当ind0为空,则该机织物组织点图像无法判断经纬属性;
以Cam,n表示第m条纬纱、n条经纱相交所得机织物组织点图像经纬属性,当该机织物组织点图像无法判断经纬属性,令Cam,n=-1;当该机织物组织点图像为纬组织点,令Cam,n=0;当该机织物组织点图像为经组织点,令Cam,n=1;
Cam,n根据对应机织物组织点图像在机织物中分布位置组成预识别组织图矩阵;
第六步,计算组织循环纱线数:
串联每条经纱或纬纱机织物组织点图像纱线边界特征向量,计算每条经纱与机织物图片中间位置经纱间特征向量平均海明距离,或计算每条纬纱与机织物图片中间位置纬纱间特征向量平均海明距离,并以平均海明距离曲线数值大小和不同长度下截取所得相邻等长子序列间平均相关系数,获得机织物组织循环纱线数,具体方法如下:
本发明首先按公式(7)和公式(8)分别串联每条经纱或纬纱机织物组织点图像纱线边界特征向量,获得各经纱特征向量Uwarp,n与各纬纱特征向量Uweft,m
上式中Nwarp为机织物样本经纱数,Nweft为机织物样本纬纱数,Vm,n为每条经纱或纬纱上机织物组织点图像对应纱线边界特征向量,该机织物中各条经纱特征向量Uwarp,n与中间位置经纱特征向量按照公式(9)计算对应的平均海明距离Dwarp(n),n=1,2,…,Nwarp,计算时公式(9)中A1和A2分别取Uwarp,n和计算所得D为对应Dwarp(n),同样操作,各条纬纱特征向量Uweft,m与中间位置纬纱特征向量按照公式(9)计算对应的平均海明距离Dweft(m),m=1,2,…,Nweft,计算时公式(9)中A1和A2分别取Uweft,m和计算所得D为对应Dweft(m),
D=Hamming(A1,A2)/|A1|(9),
式中函数Hamming(A1,A2)表示向量A1和A2间的海明距离,|A1|表示向量A1的模,D为最终平均海明距离计算结果,Dwarp(n)和Dweft(m)分别按照公式(10)和(11)构成序列Dwarp和Dweft,
Dwarp=(Dwarp(1),Dwarp(2),...,Dwarp(Nwarp))(10),
Dweft=(Dweft(1),Dweft(2),...,Dweft(Nweft))(11),
然后根据海明距离序列Dwarp和Dweft极小值点,初步获得组织循环经纱数Ncwarp和组织循环纬纱数Ncweft,首先初始化Ncwarp=0,如果序列Dwarp中数值小于1/4的元素数量大于Nwarp/2,则令Ncwarp=2;否则取序列Dwarp极小值点中数值小于1/4的元素位置,构成位置序列Dindwarp,统计序列Dindwarp第一个元素之后每个元素与其前一个元素之差,统计数量最多的数值为组织循环经纱数Ncwarp,同样操作,根据序列Dweft计算组织循环纬纱数Ncweft;
简单修正Ncwarp和Ncweft,当Ncwarp和Ncweft均为0,令Ncwarp=Nwarp,Ncweft=Nweft;当Ncwarp和Ncweft中一个为0,另一个不为0,则将Ncwarp和Ncweft中非0数值赋值给0所在变量;当Ncwarp和Ncweft均不为0,且其中一个为2,另一个不为2,则将Ncwarp和Ncweft中非2数值赋值给2所在变量;当Ncwarp和Ncweft均不为0或2,且大小不一致,则将Ncwarp和Ncweft中较小数值赋值给较大数值所在变量;
当Ncwarp和Ncweft至少一个数值大于2,进一步利用不同长度下分割所得序列Dwarp和序列Dweft相邻等长子序列间平均相关系数,矫正组织循环纱线数Ncwarp和Ncweft,具体步骤是:
(a)去掉序列Dwarp第一个元素和最后一个元素,剩余元素构成序列
(b)令L表示分割时各相邻子序列长度,Ndwarp,L表示分割所得相邻子序列数量,初始化L=2,计算如果Ndwarp,L>1,进入下述步骤(c),否则进入下述步骤(e);
(c)将以长度L连续相邻等长分割,得到子序列p=1,2,...,Ndwarp,L,分割所得子序列在序列中分布关于序列的中心位置对称,按照序列中对应区间分布顺序构成子序列集子序列集中间位置子序列与其他子序列按照公式(12)计算平均相关系数其中
其中表示子序列集中第z个子序列与中间位置子序列的相关系数;
(d)更新分割时子序列长度为L+1,重新计算如果Ndwarp,L>1,返回上述步骤(c),以新长度重新分割相邻等长子序列并计算此时相邻等长子序列间平均相关系数,否则进入下述步骤(e);
(e)经过上述步骤(a)~步骤(d)的计算过程,得到不同长度下对序列Dwarp相邻等长分割所得子序列间平均相关系数序列如果非空,更新Ncwarp为序列中第一个数值大于0.6的元素对应位置数值,否则不更新Ncwarp;
(f)对序列Dweft进行上述步骤(a)-(e)同样操作,更新Ncweft,区别在于将所有对序列Dwarp的操作替换为对序列Dweft的操作;
第七步,矫正机织物组织点图像经纬属性:
(1)初步获取正确组织循环:
根据第六步计算得到的组织循环纱线数,并根据组织循环分布规律,将第五步初步识别后的机织物组织图矩阵分割为连续相邻排列的组织循环块,统计所有组织循环块中对应机织物组织点图像经纬属性,以统计最多经纬属性作为对应机织物组织点图像经纬属性,构成正确组织循环,机织物组织循环以公式(13)所示组织循环矩阵Csr进行表示,组织循环矩阵中第kc行、第lc列机织物组织点图像经纬属性表示为Csr(kc,lc),根据其对应机织物组织点图像经纬属性取值-1、0、1,分别对应无法判断经纬属性、纬组织点和经组织点,kc=1,2,...,Ncweft,lc=1,2,...,Ncwarp,
(2)补全未识别机织物组织点图像经纬属性:
当机织物在第六步计算所得组织循环纱线数大于2,进一步通过对组织循环矩阵Csr的操作,实现对组织循环中未识别经纬属性的机织物组织点图像根据已识别的机织物组织点图像进行二次识别,具体步骤如下:
(a)逐行扫描组织循环矩阵Csr,找出所有数值为-1的矩阵元素;
(b)当各行连续出现数值为-1的矩阵元素数量为奇数,且左右相邻数值非-1的矩阵元素数值相同,或者连续出现数值为-1的矩阵元素数量为偶数,且左右相邻数值非-1的矩阵元素数值一个数值为0,一个数值为1,则对该部分数值为-1的连续矩阵元素数值,从两侧往中间依次赋值为对应相邻数值非-1的矩阵元素数值减1所得结果的绝对值;
(c)当各行连续出现数值为-1的矩阵元素数量为奇数,且左右相邻数值非-1的矩阵元素数值一个数值为0,一个数值为1,或者连续出现数值为-1的矩阵元素数量为偶数,且左右相邻数值非-1的矩阵元素数值相同,则该部分数值为-1的矩阵元素依次根据其上下矩阵元素进行识别,识别方法与上述步骤(b)一致,区别在于判断基准矩阵元素为垂直方向相邻数值非-1的矩阵元素;
(d)对于上述步骤(b)和上述步骤(c)无法识别经纬属性的矩阵元素,令其取组织循环矩阵中出现次数最多的矩阵元素数值;
(3)矫正机织物组织图矩阵:
利用上述步骤(2)所得正确组织循环矩阵Csr,依次对上述步骤(1)分割所得组织循环块进行矫正,得到矫正后机织物组织图矩阵;
第八步,识别机织物组织结构种类并输出机织物组织图:
计算斜向相邻相同大小机织物组织点图像数量区域间所有机织物组织点图像经纬属性平均海明距离关系,并结合组织结构循环周期,对组织结构种类进行分类,具体步骤如下:
当Ncwarp或Ncweft不为2,且第七步矫正后机织物组织图矩阵中矩阵元素数值不完全一致,取第1到第Nweft-1条纬纱和第1到第Nwarp-1条经纱所有机织物组织点图像构成机织物子区域,该机织物子区域每列机织物组织点图像经纬属性标识Cam,n作为列向量,逐列串联,得到该机织物子区域机织物组织点图像经纬属性分布向量Car11,此时m取值范围为1,2,...,Nweft-1,此时n取值范围为1,2,...,Nwarp-1,同样方式,分别取第1到第Nweft-1条纬纱和第2到第Nwarp条经纱、第2到第Nweft条纬纱和第1到第Nwarp-1条经纱、第2到第Nweft条纬纱和第2到第Nwarp条经纱对应机织物组织点图像机织物子区域机织物组织点图像经纬属性分布向量Car12、Car21、Car22;
Car11和Car22根据公式(9)计算对应平均海明距离Drmean,1,计算时A1和A2分别取CR11和CR22,计算所得D即为DR1,同样根据公式(9)计算Car12和Car21平均海明距离Drmean,2,如果Drmean,1<0.35且Drmean,1<Drmean,2,该机织物左斜;如果Drmean,2<0.35且Drmean,1≥Drmean,2,该机织物右斜;否则该机织物斜向机织物组织点图像经纬属性分布不相似;定义η表示机织物倾斜情况,如果机织物左斜,令η=1;如果机织物右斜,令η=-1;否则令η=0;
机织物倾斜情况η结合第六步所得组织循环纱线数,可对该机织物组织结构种类识别,具体识别条件为:当组织循环纱线数为2,该机织物组织结构属于平纹组织;当组织循环纱线数大于2,且η≠0,该机织物组织结构属于斜纹组织;当组织循环纱线数大于2,且η=0,该机织物组织结构属于缎纹组织;
当机织物为非平纹机织物,根据矫正后机织物组织图矩阵作机织物组织图,以第二步所得纠斜后亮度图像尺寸相同大小设置正确机织物组织图尺寸,并根据第一步各纬纱与经纱分割位置绘制直线,将机织物组织图划分为小矩形区域,每个矩形区域根据分布位置对应一个机织物组织点图像,取矫正后机织物组织图矩阵中Cam,n为0所对应矩形方格设为白色,Cam,n为1所对应矩形方格设为斜纹与垂直纹交叉纹,Cam,n为-1所对应矩形方格设为斜纹,输出机织物组织图;
上述一种机织物组织结构种类的识别方法,均默认图像左上角为坐标原点,水平向右为x轴正方向,垂直向下为y轴正方向;
上述一种机织物组织结构种类的识别方法,在提及旋转角度时,均默认以水平向左为0度,顺时针旋转,尺寸大小以像素数量进行表示。
2.根据权利要求1所述一种机织物组织结构种类的识别方法,其特征在于:所述第一步机织物图像预处理中利用USB数码电子显微镜采集的机织物放大图像,该放大图像分辨率为640×480像素。
3.根据权利要求1所述一种机织物组织结构种类的识别方法,其特征在于:所述第二步亮度投影纠斜并分割组织点图像中的机织物垂直方向分辨率SVer=480像素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511002347.0A CN105550660B (zh) | 2015-12-26 | 2015-12-26 | 一种机织物组织结构种类的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511002347.0A CN105550660B (zh) | 2015-12-26 | 2015-12-26 | 一种机织物组织结构种类的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105550660A true CN105550660A (zh) | 2016-05-04 |
CN105550660B CN105550660B (zh) | 2018-11-23 |
Family
ID=55829843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511002347.0A Expired - Fee Related CN105550660B (zh) | 2015-12-26 | 2015-12-26 | 一种机织物组织结构种类的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105550660B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485288A (zh) * | 2016-12-21 | 2017-03-08 | 上海工程技术大学 | 一种色织物组织的自动识别方法 |
CN106596549A (zh) * | 2016-12-08 | 2017-04-26 | 盐城工业职业技术学院 | 一种织物组织的分析装置及其分析方法 |
CN108647687A (zh) * | 2018-04-23 | 2018-10-12 | 浙江大学 | 一种基于平移相减法的织物组织识别方法 |
WO2019011342A1 (zh) * | 2017-07-14 | 2019-01-17 | 深圳码隆科技有限公司 | 布料识别的方法、设备、电子设备及储存介质 |
CN109377489A (zh) * | 2018-10-30 | 2019-02-22 | 杭州易上弘网络技术有限公司 | 一种梭织物的组织构造的分析方法及分析系统 |
CN109377473A (zh) * | 2018-09-13 | 2019-02-22 | 新绎健康科技有限公司 | 一种定位目标取脉点的方法及装置 |
CN110288540A (zh) * | 2019-06-04 | 2019-09-27 | 东南大学 | 一种碳纤维导线x射线图像在线成像标准化方法 |
CN113584690A (zh) * | 2021-07-06 | 2021-11-02 | 神马实业股份有限公司 | 一种快速识别帘子布分切位置的穿综方法 |
CN114529550A (zh) * | 2022-04-25 | 2022-05-24 | 启东新朋莱纺织科技有限公司 | 一种基于图像处理的纺织品色牢度检测方法及系统 |
CN114580511A (zh) * | 2022-02-25 | 2022-06-03 | 南京中医药大学 | 一种基于图像亮度信息和投票机制的硫熏干姜鉴别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100026717A1 (en) * | 2007-02-16 | 2010-02-04 | Kao Corporation | Hair image display method and display apparatus |
CN104715477A (zh) * | 2015-03-05 | 2015-06-17 | 浙江工业大学之江学院 | 基于多尺度和多区域的机织物编织密度的图像分析方法 |
-
2015
- 2015-12-26 CN CN201511002347.0A patent/CN105550660B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100026717A1 (en) * | 2007-02-16 | 2010-02-04 | Kao Corporation | Hair image display method and display apparatus |
CN104715477A (zh) * | 2015-03-05 | 2015-06-17 | 浙江工业大学之江学院 | 基于多尺度和多区域的机织物编织密度的图像分析方法 |
Non-Patent Citations (1)
Title |
---|
李静 等: "织物纤维种类自动识别算法的初步研究", 《天津工业大学学报》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106596549A (zh) * | 2016-12-08 | 2017-04-26 | 盐城工业职业技术学院 | 一种织物组织的分析装置及其分析方法 |
CN106485288A (zh) * | 2016-12-21 | 2017-03-08 | 上海工程技术大学 | 一种色织物组织的自动识别方法 |
CN106485288B (zh) * | 2016-12-21 | 2023-11-28 | 上海工程技术大学 | 一种色织物组织的自动识别方法 |
WO2019011342A1 (zh) * | 2017-07-14 | 2019-01-17 | 深圳码隆科技有限公司 | 布料识别的方法、设备、电子设备及储存介质 |
CN108647687A (zh) * | 2018-04-23 | 2018-10-12 | 浙江大学 | 一种基于平移相减法的织物组织识别方法 |
CN108647687B (zh) * | 2018-04-23 | 2021-09-24 | 浙江大学 | 一种基于平移相减法的织物组织识别方法 |
CN109377473B (zh) * | 2018-09-13 | 2023-09-26 | 新绎健康科技有限公司 | 一种定位目标取脉点的方法及装置 |
CN109377473A (zh) * | 2018-09-13 | 2019-02-22 | 新绎健康科技有限公司 | 一种定位目标取脉点的方法及装置 |
CN109377489A (zh) * | 2018-10-30 | 2019-02-22 | 杭州易上弘网络技术有限公司 | 一种梭织物的组织构造的分析方法及分析系统 |
CN109377489B (zh) * | 2018-10-30 | 2020-12-11 | 杭州易上弘网络技术有限公司 | 一种梭织物的组织构造的分析方法及分析系统 |
CN110288540A (zh) * | 2019-06-04 | 2019-09-27 | 东南大学 | 一种碳纤维导线x射线图像在线成像标准化方法 |
CN113584690A (zh) * | 2021-07-06 | 2021-11-02 | 神马实业股份有限公司 | 一种快速识别帘子布分切位置的穿综方法 |
CN114580511A (zh) * | 2022-02-25 | 2022-06-03 | 南京中医药大学 | 一种基于图像亮度信息和投票机制的硫熏干姜鉴别方法 |
CN114580511B (zh) * | 2022-02-25 | 2024-05-24 | 南京中医药大学 | 一种基于图像亮度信息和投票机制的硫熏干姜鉴别方法 |
CN114529550A (zh) * | 2022-04-25 | 2022-05-24 | 启东新朋莱纺织科技有限公司 | 一种基于图像处理的纺织品色牢度检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105550660B (zh) | 2018-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105550660A (zh) | 一种机织物组织结构种类的识别方法 | |
CN105654123B (zh) | 一种机织物组织图的识别方法 | |
Zhu et al. | Yarn-dyed fabric defect detection based on autocorrelation function and GLCM | |
Pan et al. | Automatic detection of the layout of color yarns for yarn-dyed fabric via a FCM algorithm | |
CN106770323B (zh) | 基于层次聚类和Gabor滤波的纺织品瑕疵检测方法 | |
CN109767445B (zh) | 一种高精度的pcb缺陷智能检测方法 | |
Chang et al. | Fabric defect detection based on pattern template correction | |
CN109211918B (zh) | 一种基于纬纱走向的织物弓纬检测方法 | |
CN102542275A (zh) | 一种证件照背景自动识别方法及其系统 | |
Zhang et al. | A review of fabric identification based on image analysis technology | |
CN104123554B (zh) | 基于mmtd的sift图像特征提取方法 | |
CN103106645A (zh) | 一种机织物组织结构识别方法 | |
CN103234969A (zh) | 一种基于机器视觉的织物纬密度测量新方法 | |
CN106971404A (zh) | 一种鲁棒surf无人机彩色遥感图像配准方法 | |
CN114862855B (zh) | 基于模板匹配的纺织品缺陷检测方法及系统 | |
CN113222992A (zh) | 基于多重分形谱的裂纹特征表征方法及系统 | |
CN106875459B (zh) | 一种基于图像分割的彩色提花组织结构自适应均衡方法 | |
CN110458809B (zh) | 一种基于亚像素边缘检测的纱线条干均匀度检测方法 | |
WO2010015190A1 (zh) | 编织纹样式的图像分析方法 | |
CN104424475A (zh) | 图像中的条纹区域的识别方法及装置 | |
CN111191659B (zh) | 服装生产系统多形状衣架识别方法 | |
CN107945164A (zh) | 基于峰值阈值、旋转校准和混合特征的纺织品瑕疵检测方法 | |
CN104239411B (zh) | 一种基于颜色、位置聚类和角点检测的栅格状雷达的检测方法 | |
CN110428380A (zh) | 紫色土土壤图像阴影增强方法 | |
CN113516587B (zh) | 一种基于像素融合的袜子制版文件反求生成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181123 Termination date: 20211226 |
|
CF01 | Termination of patent right due to non-payment of annual fee |