紡織品圖案的主結構算法以及分層預處理

　　這篇紡織論文投稿發(fā)表了紡織品圖案的主結構算法以及分層預處理，論文提出一種懲罰算子在加權最小二乘法處理紡織品圖案過程中對主結構和紋理進行不同程度的模糊處理以剔除紋理，保留主結構，解決最小二乘法求解過程中大型稀疏矩陣求解耗時長的問題。

　　關鍵詞：紡織論文投稿,織物主結構提取,加權最小二乘法

　　目前，智能制造已成為中國制造業(yè)的重點發(fā)展方向，而機器視覺作為智能制造設備感知信息的核心技術受到越來越廣泛的關注[1]。作為傳統(tǒng)勞動力密集型行業(yè)，紡織品加工在基于機器視覺的紡織品檢測、切割加工等智能自動化設備方面有著巨大的潛力[2]。對于許多涉及紡織品智能識別與檢測技術都需要提取紡織品的主結構信息，如紡織圖案形狀大小偏差檢測、紡織品缺陷識別、床單窗簾經編織造后沿花邊切割等。由于傳統(tǒng)基于模板匹配的機器視覺只適用于剛性物體，對具有柔性的紡織品應用效果不理想，目前中國多數紡織品加工企業(yè)對于床單、窗簾沿花邊切割還采取人工電熱絲切割的方式，而對紡織品圖案形狀大小偏差檢測、紡織品缺陷識別也采用人工尺具檢測。

　　Krishnan等[8]為出現在各種計算機圖形應用領域的離散泊松方程提出一個新的多級預處理方案。該方法通過去除領域內潛在的細微級變量之間的弱連接以及對這些變化的補償，并在所得到的較小系統(tǒng)上遞歸地重復該稀疏過程可得到較好的加速效果;但文中根據鄰域內粗細變量的拓撲關系選擇不同的稀疏方法加大了時間消耗，且在迭代過程中不能抑制矩陣條件數的增長。本文采用分層預處理器對稀疏矩陣進行預處理以減少時間消耗，并在構建分層預處理器過程中使用一種更簡單有效的稀疏與補償方法用于劃分強弱連接。

　　1主結構提取算法

　　1.1主結構的概念

　　圖1為紡織品主結構與紋理示意圖。圖中右上角是空間重復紋理的局部放大圖，右下角是含有主結構信息區(qū)域的局部放大圖。本文的目的是快速剔除重復紋理的同時保留主結構信息，以利于后續(xù)的紡織品輪廓提取以及紡織品圖案形狀位置偏差檢測處理。

　　1.2懲罰算子的提出

　　圖像處理中采用加權最小二乘法來進行保邊濾波，在保留邊界的同時對圖像進行模糊處理。

　　1.3懲罰算子有效性驗證

　　為驗證本文提出的懲罰算子的有效性，采用了Xu等[9]的紡織品紋理圖案樣本庫，此樣本庫包含了50張紡織圖案，以及對應的人工標出的主結構圖案，如圖2所示。本文使用的每張圖像為從樣本庫中隨機提取出大小為29像素×29像素點區(qū)域的方式生成樣本塊，并根據人工標出的主結構圖將樣本塊分為主結構樣本塊和紋理樣本塊。圖2(b)、(c)分別是主結構樣本塊和紋理樣本塊的示例。每張圖片生成主結構樣本塊和紋理樣本塊各2500個，這樣就建立了1個主結構樣本塊和紋理樣本塊各125000張的樣本庫。

　　為驗證懲罰算子的有效性，需要證明懲罰算子能在主結構區(qū)域像素點和紋理區(qū)域像素點附近產生不同的值。對樣本庫中每一個樣本塊根據式(4)、(5)計算圖像中心像素點處懲罰算子Mx，p(u)和My，p(u)的值，參數σ的值定為5。圖3示出對整個樣本庫每個樣本計算懲罰算子的值而得出的主結構樣本塊和紋理樣本塊的Mx，p(u)+Mx，y(u)值分布的概率直方圖�？梢钥闯觯�本文提出的懲罰算子的值在紋理樣本中分布大多數集中在0附近，而其在主結構樣本上中主要在區(qū)間0～0.014都有分布，所以懲罰算子可有效區(qū)分主結構區(qū)域與紋理區(qū)域。

　　1.4算法的應用實例

　　圖4示出應用算法1對紡織品圖案提取主結構的示例，其中迭代次數為4次。圖4(a)示出大小為250像素×250像素的紡織品圖案的1個示例，圖像在提取主結構后，可用于后續(xù)的形狀位置偏差檢測。圖4(b)示出提取主結構的效果展示。圖4(c)是本實驗室基于機器視覺的紡織品圖案沿輪廓切割項目中的實際圖像，大小為1280像素×1024像素。此項目中圖像處理的目標是提取出紡織品花邊所在的輪廓位置以用于切割加工，而使用本文算法提取主結構可減少紋理對提取花邊的干擾。

　　在目前國內很多紡織品加工企業(yè)中，紡織品本身品質良莠不一，紡織圖案各區(qū)域的濃密程度不一，還存在小的紡織缺陷的干擾，這使提取紡織品輪廓信息難度加大，圖4(c)示例了這種情況，同時比較了不同系數λ的提取效果，增大λ的值可加大模糊程度，從一致性很差的紡織品中提取主結構，有利于后續(xù)的輪廓提取。

　　2分層預處理

　　2.1分層預處理算法

　　算法1中大規(guī)模稀疏矩陣直接求逆會消耗大量時間，在流水線輪廓切割或形狀位置偏差檢測等實時性要求高的場景下時間代價不可接受，本文采用一種分層預處理的方案以減少算法中矩陣求逆的時間消耗，定義為算法2。

　　2.2分層預處理效果分析

　　為驗證預處理對方程求解時間消耗的影響，收集類似圖4(c)的紡織品圖像1000張，并從中提取出1024像素×1024像素、512像素×512像素及256像素×256像素的圖案各1000張，從圖4(a)紡織圖案中提取出含有主結構的大小為128像素×128像素和64像素×64像素的圖案各1000張，組成一個用于測試算法時間的樣本庫，以測試樣本中圖像作為輸入u，由式(7)中的L=I+λ(DTxAxDx+DTyAyDy)求出預處理前的矩陣L。再由算法2構建分層預處理器F(x)。

　　檢測并記錄求解方程Lx=b和經預處理后方程F(x)=b所消耗的時間。所用CPU為Inteli5-4460，主頻3.2GHz，內存16GB，平臺為MatLab2012a。表1示出預處理前后矩陣求解的時間消耗。由表1中不同圖案大小的平均求解時間及預處理前后平均求解時間的對比可看出，對于較小的圖案(如64像素×64像素的圖案)，預處理的加速效果不明顯，隨著圖案大小的增加，預處理前后時間之比越來越大，加速效果越來越明顯。

　　3結論

　　本文經大量樣本測試驗證了懲罰算子在主結構和紋理附近可產生不同大小的權重值。由于提取主結構過程中稀疏矩陣的求逆時間消耗較大，本文采用分層預處理對加權最小二乘法處理紡織品圖案過程中大型稀疏矩陣的求解進行加速，經實驗檢測，可在不影響提取主結構效果的同時有效降低稀疏矩陣的條件數以減少求逆時間消耗，加快主結構的提取速度。

　　作者：田俊杰 張李超 趙星 白宇 單位：華中科技大學 材料成型與模具技術國家重點實驗室

　　推薦閱讀：《江蘇紡織》本刊1982年創(chuàng)刊，是江蘇紡織行業(yè)唯一一份為全行業(yè)服務的綜合性月刊，經過多年的發(fā)展，該雜志目前已成為江蘇紡織服裝企業(yè)交流宣傳的陣地，成為行業(yè)內具有一家影響力的雜志。中國加入WTO以后，紡織服裝業(yè)的發(fā)展將迎來新的春天。

轉載請注明來自發(fā)表學術論文網：http:///nylw/16349.html