纺织品图案的主结构算法以及分层预处理

　　这篇纺织论文投稿发表了纺织品图案的主结构算法以及分层预处理，论文提出一种惩罚算子在加权最小二乘法处理纺织品图案过程中对主结构和纹理进行不同程度的模糊处理以剔除纹理，保留主结构，解决最小二乘法求解过程中大型稀疏矩阵求解耗时长的问题。

　　关键词：纺织论文投稿,织物主结构提取,加权最小二乘法

　　目前，智能制造已成为中国制造业的重点发展方向，而机器视觉作为智能制造设备感知信息的核心技术受到越来越广泛的关注[1]。作为传统劳动力密集型行业，纺织品加工在基于机器视觉的纺织品检测、切割加工等智能自动化设备方面有着巨大的潜力[2]。对于许多涉及纺织品智能识别与检测技术都需要提取纺织品的主结构信息，如纺织图案形状大小偏差检测、纺织品缺陷识别、床单窗帘经编织造后沿花边切割等。由于传统基于模板匹配的机器视觉只适用于刚性物体，对具有柔性的纺织品应用效果不理想，目前中国多数纺织品加工企业对于床单、窗帘沿花边切割还采取人工电热丝切割的方式，而对纺织品图案形状大小偏差检测、纺织品缺陷识别也采用人工尺具检测。

　　Krishnan等[8]为出现在各种计算机图形应用领域的离散泊松方程提出一个新的多级预处理方案。该方法通过去除领域内潜在的细微级变量之间的弱连接以及对这些变化的补偿，并在所得到的较小系统上递归地重复该稀疏过程可得到较好的加速效果;但文中根据邻域内粗细变量的拓扑关系选择不同的稀疏方法加大了时间消耗，且在迭代过程中不能抑制矩阵条件数的增长。本文采用分层预处理器对稀疏矩阵进行预处理以减少时间消耗，并在构建分层预处理器过程中使用一种更简单有效的稀疏与补偿方法用于划分强弱连接。

　　1主结构提取算法

　　1.1主结构的概念

　　图1为纺织品主结构与纹理示意图。图中右上角是空间重复纹理的局部放大图，右下角是含有主结构信息区域的局部放大图。本文的目的是快速剔除重复纹理的同时保留主结构信息，以利于后续的纺织品轮廓提取以及纺织品图案形状位置偏差检测处理。

　　1.2惩罚算子的提出

　　图像处理中采用加权最小二乘法来进行保边滤波，在保留边界的同时对图像进行模糊处理。

　　1.3惩罚算子有效性验证

　　为验证本文提出的惩罚算子的有效性，采用了Xu等[9]的纺织品纹理图案样本库，此样本库包含了50张纺织图案，以及对应的人工标出的主结构图案，如图2所示。本文使用的每张图像为从样本库中随机提取出大小为29像素×29像素点区域的方式生成样本块，并根据人工标出的主结构图将样本块分为主结构样本块和纹理样本块。图2(b)、(c)分别是主结构样本块和纹理样本块的示例。每张图片生成主结构样本块和纹理样本块各2500个，这样就建立了1个主结构样本块和纹理样本块各125000张的样本库。

　　为验证惩罚算子的有效性，需要证明惩罚算子能在主结构区域像素点和纹理区域像素点附近产生不同的值。对样本库中每一个样本块根据式(4)、(5)计算图像中心像素点处惩罚算子Mx，p(u)和My，p(u)的值，参数σ的值定为5。图3示出对整个样本库每个样本计算惩罚算子的值而得出的主结构样本块和纹理样本块的Mx，p(u)+Mx，y(u)值分布的概率直方图。可以看出，本文提出的惩罚算子的值在纹理样本中分布大多数集中在0附近，而其在主结构样本上中主要在区间0～0.014都有分布，所以惩罚算子可有效区分主结构区域与纹理区域。

　　1.4算法的应用实例

　　图4示出应用算法1对纺织品图案提取主结构的示例，其中迭代次数为4次。图4(a)示出大小为250像素×250像素的纺织品图案的1个示例，图像在提取主结构后，可用于后续的形状位置偏差检测。图4(b)示出提取主结构的效果展示。图4(c)是本实验室基于机器视觉的纺织品图案沿轮廓切割项目中的实际图像，大小为1280像素×1024像素。此项目中图像处理的目标是提取出纺织品花边所在的轮廓位置以用于切割加工，而使用本文算法提取主结构可减少纹理对提取花边的干扰。

　　在目前国内很多纺织品加工企业中，纺织品本身品质良莠不一，纺织图案各区域的浓密程度不一，还存在小的纺织缺陷的干扰，这使提取纺织品轮廓信息难度加大，图4(c)示例了这种情况，同时比较了不同系数λ的提取效果，增大λ的值可加大模糊程度，从一致性很差的纺织品中提取主结构，有利于后续的轮廓提取。

　　2分层预处理

　　2.1分层预处理算法

　　算法1中大规模稀疏矩阵直接求逆会消耗大量时间，在流水线轮廓切割或形状位置偏差检测等实时性要求高的场景下时间代价不可接受，本文采用一种分层预处理的方案以减少算法中矩阵求逆的时间消耗，定义为算法2。

　　2.2分层预处理效果分析

　　为验证预处理对方程求解时间消耗的影响，收集类似图4(c)的纺织品图像1000张，并从中提取出1024像素×1024像素、512像素×512像素及256像素×256像素的图案各1000张，从图4(a)纺织图案中提取出含有主结构的大小为128像素×128像素和64像素×64像素的图案各1000张，组成一个用于测试算法时间的样本库，以测试样本中图像作为输入u，由式(7)中的L=I+λ(DTxAxDx+DTyAyDy)求出预处理前的矩阵L。再由算法2构建分层预处理器F(x)。

　　检测并记录求解方程Lx=b和经预处理后方程F(x)=b所消耗的时间。所用CPU为Inteli5-4460，主频3.2GHz，内存16GB，平台为MatLab2012a。表1示出预处理前后矩阵求解的时间消耗。由表1中不同图案大小的平均求解时间及预处理前后平均求解时间的对比可看出，对于较小的图案(如64像素×64像素的图案)，预处理的加速效果不明显，随着图案大小的增加，预处理前后时间之比越来越大，加速效果越来越明显。

　　3结论

　　本文经大量样本测试验证了惩罚算子在主结构和纹理附近可产生不同大小的权重值。由于提取主结构过程中稀疏矩阵的求逆时间消耗较大，本文采用分层预处理对加权最小二乘法处理纺织品图案过程中大型稀疏矩阵的求解进行加速，经实验检测，可在不影响提取主结构效果的同时有效降低稀疏矩阵的条件数以减少求逆时间消耗，加快主结构的提取速度。

　　作者：田俊杰 张李超 赵星 白宇 单位：华中科技大学 材料成型与模具技术国家重点实验室

　　推荐阅读：《江苏纺织》本刊1982年创刊，是江苏纺织行业唯一一份为全行业服务的综合性月刊，经过多年的发展，该杂志目前已成为江苏纺织服装企业交流宣传的阵地，成为行业内具有一家影响力的杂志。中国加入WTO以后，纺织服装业的发展将迎来新的春天。

转载请注明来自发表学术论文网：http://www.fbxslw.com/nylw/16349.html