模擬實際著裝的織物折皺測試及等級評價方法研究.pdf

1、織物在穿著和洗滌護理的過程中，由于揉搓、擠壓、擰絞、扭曲等外力而產(chǎn)生折痕或皺紋的現(xiàn)象稱為折皺或起皺，抵抗折皺形變的能力稱為織物的抗皺性?？拱櫳粌H是織物的基本服用性能，也是影響服裝外觀與檔次的重要性能。因此對織物抗皺性進行客觀、準確地測試和評價就顯得異常重要。然而現(xiàn)有的織物抗皺性測試的各種方法存在諸多問題，測試過程中織物所處的狀態(tài)、受力方向、發(fā)生的變形等與實際著裝時差異甚大，即現(xiàn)有韻測試方法不能真實評價織物做成服裝后實際穿著過程中的抗皺

2、能力。
　　針對這一現(xiàn)狀，本文提出一種模擬實際著裝的織物抗皺性測試新方法，搭建了測試裝置，并利用圖像處理技術對模擬裝置產(chǎn)生的折皺進行了分析，提取了折皺密度、灰度共生矩陣以及小波特征參數(shù)，進而基于信息融合技術，將這些指標融合成一個綜合折皺指標，最后利用這些特征對織物折皺等級的聚類方法以及利用神經(jīng)網(wǎng)絡技術對折皺等級進行分類識別的算法進行了研究，研究結果如下:
　　1)構建的織物抗皺性測試裝置產(chǎn)生韻折皺無論在外觀形態(tài)上，還是在專家

3、主觀評價結果上（包括起皺程度的排序、評分以及折皺等級）都與實際著裝法具有良好的一致性;且其測試穩(wěn)定性比現(xiàn)有的折皺回復角法更好。
　　2)針對折皺回復角法測試時只考慮織物經(jīng)緯向所帶來的片面性以及對經(jīng)緯向賦予相同權重所引起的欠合理性，提出應該增加45°折皺回復角的測試，并提高織物經(jīng)向抗皺性的權重，以提高檢測結果與實際著裝的吻合度，并建立了折皺密度與不同方向折皺回復角的模型，根據(jù)此模型可由折皺回復角預測實際著裝時服裝的折皺程度，無需經(jīng)過

4、工作量巨大的服裝制作及實際著裝實驗。
　　3)利用圖像處理技術，對新方法產(chǎn)生的折皺進行了特征提取與紋理分析，得到:織物折皺灰度圖像經(jīng)Sobel邊緣檢測提取的折皺密度與專家視覺評分之間存在較好的一致性，織物經(jīng)向折皺回復角與折皺密度的相關系性大于緯向，且斜向折皺回復性對實際著裝時織物的抗皺能力起重要作用;越平整的織物，灰度共生矩陣的能量和相關性越大，熵和慣性矩越小，且與織物折皺程度相關性由大到小依次是:熵、能量、相關性和慣性矩;折皺越

5、嚴重的織物經(jīng)小波分解后的三個方向（水平、垂直、斜向）的細節(jié)系數(shù)標準差越大，隨分解層數(shù)的增加，細節(jié)系數(shù)標準差呈明顯的遞增趨勢，折皺越嚴重韻織物，增加速度越快，且水平方向的細節(jié)系數(shù)標準差明顯大于垂直和斜向標準差。
　　4)利用信息融合技術，將折皺密度WD，總熵Entropy,小波分解一層時的水平細節(jié)系數(shù)標準差SH1這三項指標進行數(shù)據(jù)融合，得到了織物綜合折皺指標CWI，通過秩相關系數(shù)的檢驗，得到根據(jù)CWI數(shù)值進行的排序與專家主觀排序之間

6、具有良好的一致性，且這一綜合指標比三項單一指標能更客觀、更全面地評價織物折皺。
　　5)以WD，Entropy，SH1三項指標和以CWI這一綜合折皺指標為特征，對織物進行了三種方法的聚類分析:從指標選取來看，進行k-均值聚類以及自組織特征映射SOM網(wǎng)絡聚類時，用CWI為特征的聚類結果好于以三項單獨指標為特征，說明CWI比這三者對織物折皺的表征更符合視覺觀察的結果;從聚類方法來看，SOM神經(jīng)網(wǎng)絡的聚類結果與主觀評價結果的一致性好于系

7、統(tǒng)聚類和k-均值聚類。
　　6)以WD，Entropy, SH1以及CWI為特征，分別利用LVQ和PNN神經(jīng)網(wǎng)絡對織物折皺等級進行了分類識別，結果表明:特征向量中增加綜合折皺指標CWI可以使LVQ和PNN神經(jīng)網(wǎng)絡的預測準確率有不同程度的提高;且將LVQ與PNN串聯(lián)后組成的LVQ-PNN混合神經(jīng)網(wǎng)絡比單一的LVQ和PNN神經(jīng)網(wǎng)絡的識別率有較顯著的提高。
　　本文提出的模擬實際著裝的織物抗皺性測試方法在一定程度上彌補了現(xiàn)有測試方