《纺织品表面纹理的图像分析方法》由会员分享，可在线阅读，更多相关《纺织品表面纹理的图像分析方法（4页珍藏版）》请在金锄头文库上搜索。
1、第 ? ?卷第?期卯!年?月中国纺织大 学学 报 # % 摘要回顾了 用于纺织 品表面纹理的 图像分析方 法,其中着重介绍了纺织品表面纹理特征的描述方法、分析方 法和模式分类方 法,并以一些常用纺织 品为对象,对这些方 法 的有效性作了 比较。关健词周期 性表征纺织 品表面纹理形成的规律性。在织物 中与织物 的重复单元即基本组织有关。在地毯中,当簇绒形成有规律时,称地毯纹理有好的周 期性。这种 周期性随地毯的老化而增强或减弱。74?方向性当纹理的度量值与所选择的度量方向有关时,则称该纹理表现出明显的方向性。好的周期性一定有好的方向性,反之不然。在织物中,周期性明显的平纹和斜纹等组织 均表现良好
2、的方向性。在经纬纱线密度一致的情况下,平纹织 物在经向、纬向和?: ?斜向均有明 显的方向性=而斜纹织物的斜向万向性与斜纹组 织 本身的类型密切相关。在地毯织物 中,一幅本来不 具方向性的地毯,会由于老化,如 簇绒沿某方向塌陷或缠结,而产生方向性。非织造布和纤维复合材料的力学性能 则与它们的表面纤维取向有密切关系。74:连续 性表征纺织 品某些指标或特征在其表面分布 的均匀性或一致性。当这些连续性遭到明显破坏时,则一般认为该纺织 品发生 了变异,如在 织 物、地毯、非织造布和棉网等纺织 品表面形成疵点。另外,通过度量这种一致性或连续性,还可评价纺织品 的某些性能指标,如地毯的老化程度和棉网及非
3、织造布的表面均匀性。在地毯织 物的整幅绒面中,若簇绒的大小、形状和取向以及簇绒间的间距保持大致不变,则认为该纹理有良好的连续性。而当地毯发生老化时,簇绒的某些特征会产生较大变化或一些簇绒发生塌陷和缠结,而使地毯测因7收稿日期。当对象纹理沿某一方向趋于粗糙时,则该方向的自相关函数值随图像移位量的增加而下降的速度将趋于缓慢。因此,纹理的粗糙度可通过 自相关函数值的变化来反映。较为常用 的方法是将 自相关函数值下降至7 时的图像移位量作为纹理粗糙程度的度量指标。另外,通过计算各方向 自相关函数间 的相关性可估计纹理的方向性。互相关函数可用来确定两幅纹理图像的匹 配程度,这种方法可用于地毯质量 的评价
4、和检测方面,如在比较标准地毯纹理与经过使用或处理过的地毯纹理时,可计算它们的互相关函数来确定两者的 匹配程度,从而确定后者纹理的老化程度。?474傅立叶功率谱分析法自相关函数的傅立叶变换为傅立叶功率谱。傅立叶功率谱可用于对纺织品结构参数进行识别。织物纹理图像的傅立叶功率谱极值包含了丰富的织物结构信息,通过将它们进行傅立叶反变换可有效地提取织物的结构特征?。这种方法比直接从原始图像中提取结构信息更为容易,更为准确。傅立叶功率谱还可以分析纺织品纹理的粗糙性和方向性,它一般将功率谱表示成极坐标形式。通过分析极角和极径可决定纹理的粗糙性和方向性。在地毯纹理的分析中,极径可用来度 量地毯纹理的粗糙程度=
5、极角对应于功率谱分量沿某一轴线的聚类程度,因而可用于表示地毯纹理的方向性。在评价地毯纹理的方向性时,有时也可分析傅立叶功 率谱 的 角相关函数。在角度为? 3时,相关函数值最大=随着角度的增加,函数值逐渐减小。地毯纹理的方向性越是明显,函数值下降速度越快。另外,傅立叶功率谱还可用 于度量纺织品纹理的周期性和连续性,检测其表面纹理的变异 区域。功率谱峰值的大小和位置反映了纹理的周期性。在织物疵点的自动识别中,首先对织物纹理 图像进行傅立叶变换,并在频域上提取纹理特征统计量,通过比较有疵点织物和无疵点织物的这些参数来对所检织物进行评判。基于傅立叶功率谱的纹理分析方法 的不足在于如具有某共同特性像素
6、点 的最大连通集=然后选择基本单元的特性,如灰度和边缘方向=最后选择不同基本单元间的空域关系。?4?47灰度共生矩 阵分 析法灰度共生矩阵已被广泛地应用在诸如木材及金属表面缺陷的自动检测中。纺织品纹理分析也可采用这种方法。琉44 , 从灰度共生矩阵中抽取了能量、嫡、惯性、相关等纹理特征统计量来对地毯质量进行评价,如能量反映了纹理的均 匀性,滴反映了纹理的复杂性。近年来,灰度共生矩阵已被较多的用 于织物和地 毯纹理的周期性和粗糙性卜川等一些指标的度量中。在织物疵点 的自动识别 中,也可采用灰度共生矩阵,如 将其与神经网络?相结合对织物疵点进行自动检测。与自相关函数相比,灰度共生矩阵其所包含的纹理
7、信息 量相当丰富,从灰度共生矩阵可以推出自相关函数,反之则不然。因而,作为一种纹理分析工具,灰度共生矩阵所能刻划 的纹理种类多,精度高=它的最大不足在于灰度共生矩阵本身 的计算和相应纹理特征的提取需进行大量 的计算,从而难以用 于工业实时质量检测 中那些对检测速度有较高要求的场合,如织物疵点的在线检测等。?4?4?灰度游程矩阵分析法灰度游程矩阵可用于度量纺织 品纹理的粗糙性,纹理越粗,长游程出现的概率越大。7戏4:4 将其用于地毯质量 的客观评价中,从灰度游程矩阵中提取长游程显著性和短游程显著性等统计量来度量地毯纹理的粗糙性。除了以上两种 方法外,选择不同的基本单元及特性和不同的空域关系,能得
8、到不同 的基于结构一统计的纹理分析方法,如灰度偏差法、邻域灰度相关统计 量法 等。?4墓于纹理模型 的纹 理分 析方 法?447差分 方程模 型差分方程模型包括%模型、模型和% 认模型,它们 均可用 于纹理的建模。其中,%模型最为常用。?44?滋3 随机场 模型滋。随机场模型赴”可用于检测纺织 品表面纹理的变异区域。3 。等人?将+ 6 3 、随机场纹理模型应用 于织物疵点的 自动检测。织物表面可以认为是由一种有规律的重复的纹理 与疵点 的纹理组成,其特征可通过+正3 随机场模型参数来表征。标准织物的纹理模型是确定的,其参数在同一图像分辨率 下是恒定的。织物上如带有疵点,将会引起纹理模型参数的
9、变化。通过检测这些参数的变化,可以确定织物表面有无疵点,但这种方法的 图像数据处理量较大,因而比较费时。另外,五山3 随机场模型还能刻划纺织品纹理的方向性等特征。?44分形模 型分维数是描述分形特征的定量参数,它是定量一个客体复杂性、规则性和粗糙性的几何尺度。其 中,计盒维数是一种常用的分维数。它可用于度量织物纹理 图案的复杂性划,从而对图案的美观性作出评价。研究表明纷织品表面纹理的模式分类方 法当从一幅纺织 品纹理图像中提取纹理特征参数后,有时需对纹理进行模式分类。特别在检测 出纹理的变异区域疵点 后,需对疵点的类别作出判断,以便分析疵点形成的原 因。常用 的纺织品纹理分类方法有贝叶斯分类法
10、和神经网络分类法等。47贝叶斯分类 法1, 。:4”提取出具体疵点 的纹理特征向量,根据判决函数对疵点进行分类。但这种分类方法 的不足在于它假设各类疵点出现的先验概率相等,且每类疵点的条件概率均为正态分布,而实际情况经常与假设不符,因而影响了分类的精度。4?神经网络分 类法(一 3 。,4 吕采用 神经网络对织 物疵点进行分类。他首先从织物图像灰度共生矩阵中提取纹理特征7 7?中国纺织大学 学 报第? ?卷向量,然后以该纹理特征向量作为后馈神经网络的输入,通过疵点样本的训练,实现了对疵点 的分类。与 其它分类方法相比,神经分类器除具有并行处理和快速响应能力外,其容错性能也很高=并且避免了模板分
11、类器中 阂值的选取和贝 叶斯分类法 中假设的必要,因而作为一种智能模式分类方法,其应用将越来越广泛。?展望许多纺织品表面均表现为一定的纹理特征,除了目前研究得较多的织物和地毯纹理外,棉网、纱线、非织造布以及复合材料的结构等一系列与纹理有关的评价指标和在线质量检测均可通过纹理分析来实现。随着纹理分析对象的拓展,纹理特征的描述方法会更加丰富=就纺织品纹理分析方法而言,除了以上所列举的外,还有其它许多在非纺织领域中用得较为成功 的分析方法 ,相信它们也能在纺织 品纹理分析中找到成功 的应用 例子,鉴于纹理模型方法正逐渐受到人们关注,它在纺织品纹理分析中的应用前景也十分广泛=而纺织品纹理的模式分类也将
12、逐渐融入新的方法,如模糊聚类法和智能分类法。总之,纺织纹理分析是纺织科技发展中的一个重要课题,因此,必须加强纺织学科与其它有关学科的紧密结合和相互渗透,才能加速纹理分析理论和方法在纺织领域中的应用,同时不断提高纺织纹理分析的水平。参考文献皿功目,7男, 加7/4伍衅,时二崛4二. 巨. 7? 7 7名词”7:4, 。% + 6 3功+ ,78!8,:84 二53 6 巨。,6 + 压。,+ .场日名面嗯,78 !:,?8一:/. 47四名人叨7 ; + 冤印./ 3 .)+ 6 4, 工过%咫如几己,7卯:, :刃玩04,时 36衅/+ 6即4( ,+ 为过产“卜肠山.团,78! !,7?一7
13、? :!0 4撅跳嗯】翅名 .,巴由双面诫 355创叮+ . 泣山,4,巴 %肠因6朋7,7卯 ,7, 一: :.即记 】面4们以4 飞扫 77珍5 脚6 + .二4,6 。击。沂叨,吐 + .4,习丑%既毗团功已,7更科,麟 ?7 ?7一03 ,4 户叱+ .迁苗词细匕4丁目 %概毗3 36 .过,7卯:,:一7 ?7 36%4、 灯3让口3 .) 翻,对 , 己 ( ,4+ 儿过择 坛二 .( . 4,78! ,:87 ?山 .)4 3刃口 +恤详面3 .3 ,巴心 ,+ 6 、 叱,对址+工记山4( , + 的.司朽7 :+ . 址,78 87,7一!? !巧,璐肠。47,皿以世灯7:+ . 山面 司四 33 6 仪山了#。娜杯略+ 4,刘且%二口】 6助7,7性洲,砧:! 7一:!7 14山唱面,? 月口;一肠87 !7一乳田,4口 + 口州血详面3 .3 )+ 五公玉。 叱+ .6匕五众 6+ , 汕+ 563 . 6 +3 . + 556 3+ 3址 + . 36 6 + .吻 + 6 6 4, 比+ 6山 6 3.+ . ,仙+ +5 53+ + . + 饭6 36 位+ 6 4竹5 6 3 3 +556 3 + +3 + 玩. 3 6仙6 。叨 +65 + .+ + 6 35盯4歼阳6 ,汕+ 助己幽,甲 6,+ 6 如 3.,3 玩访6
