紋理抑制平滑濾波及其在織物圖案識別中的應(yīng)用.pdf

1、隨著計算機技術(shù)的快速發(fā)展，紡織業(yè)正朝著自動化方向迅速發(fā)展。紡織業(yè)的自動化不僅僅是紡織設(shè)備的高度自動化，還包括與之相關(guān)的紡織品設(shè)計、檢測、分類等諸多方面。隨著圖像采集技術(shù)的提高以及數(shù)字圖像處理技術(shù)的快速發(fā)展，織物表面信息獲取和分析，如織物參數(shù)分析、組織識別、織物質(zhì)量檢測、織物圖案識別等，可以通過計算機來代替?zhèn)鹘y(tǒng)的人工完成。人們可以利用高分辨率的掃描儀、照相機等圖像采集設(shè)備來采集織物圖像，然后利用計算機圖像處理技術(shù)進行加工處理。但是掃描獲取

2、的織物圖像很難準確反映織物表面的真實信息：首先，由于織物通常是由不同顏色或不同原料的紗線按一定的沉浮規(guī)律交錯織成，隨著經(jīng)紗或緯紗重疊組數(shù)的變化，形成的織物色影豐富、層次多變，但是紗線之間的縫隙顏色往往偏暗，相同顏色的紗線區(qū)域會形成一定的紋理；其次，織物不是一個理想的平面結(jié)構(gòu)，在掃描光照下，由于紗線呈一定的圓柱形結(jié)構(gòu)，同一紗線的中心和邊緣之間存在過渡顏色；再次，掃描過程由于布料放置不平整，使得織物圖像產(chǎn)生局部色差，甚至形成偽圖案；此外，由

3、于掃描圖像文件往往采用有失真的JPEG壓縮，不同顏色的紗線之間存在過渡色，使得圖案輪廓變得模糊。這些因素的存在，使得掃描獲取的織物圖像很難反映織物圖像的真實內(nèi)容，不利于織物圖像組織結(jié)構(gòu)提取、織物花型設(shè)計、織物顏色分析、圖像檢索及圖案識別等后續(xù)處理。因此，在進行織物圖像分析、檢索、圖案識別等處理之前，首先需進行織物圖像預(yù)處理，預(yù)處理結(jié)果往往決定著這些圖像處理結(jié)果的有效性和準確性。
　　在計算機圖像處理學(xué)中，通常運用平滑濾波器對圖像進

4、行預(yù)處理，目前已形成了一些比較經(jīng)典的平滑濾波器，如均值濾波、中值濾波、高斯濾波。但是這些經(jīng)典濾波器在平滑圖像的同時常常也會產(chǎn)生大量圖像細節(jié)的丟失，往往達不到預(yù)期的平滑效果。在實際的圖像處理過程中，圖像邊緣是圖像描述、識別目標和解釋圖像的一個重要特征。因此，理想圖像平滑處理，應(yīng)該在平滑的同時盡量不丟失有效圖案信息。隨著數(shù)字圖像處理技術(shù)的發(fā)展以及數(shù)學(xué)理論的引入，已經(jīng)出現(xiàn)了一些邊緣保持平滑濾波算法，如各向異性擴散、雙邊濾波、基于最小二乘濾波、

5、L0梯度最小化、全變差及相對全變差模型等，在特定的應(yīng)用場合它們可以產(chǎn)生很好濾波效果。但是，對于掃描織物圖像的平滑，這些邊緣保持濾波算法仍未能取得很好的效果。
　　針對織物掃描圖像的特點，本文對織物圖像平滑濾波算法開展了研究，并在此基礎(chǔ)上對典型的織物圖像進行圖案識別，主要研究內(nèi)容包括以下幾方面：
　?。?）針對織物掃描圖像的特點，提出一種紋理抑制平滑濾波快速方法。該方法在高斯濾波器的基礎(chǔ)上，重新構(gòu)建濾波系數(shù)，根據(jù)空間距離、色彩

6、距離和鄰域梯度距離調(diào)整鄰域像素點的累加權(quán)值，對圖像的每一個像素點進行線性濾波，使得在平滑圖像的同時，有效保持不同紗線之間的邊緣，從而保留織物圖像中的圖案，并采用分段線性的方法實現(xiàn)了對紋理抑制平滑濾波算法的加速。
　　（2）提出一種基于紋理抑制平滑濾波快速方法和Adaboost多特征融合的織物圖案識別方法。首先運用紋理抑制平滑濾波算法來對掃描織物圖像進行預(yù)處理，抑制圖像中的紗線紋理信息，保留圖案的結(jié)構(gòu)信息；然后提取平滑圖像的邊緣方向

7、直方圖、最大穩(wěn)定極值區(qū)域特征和灰度共生矩陣特征等3類特征，建立特征數(shù)據(jù)庫；最后根據(jù)特征數(shù)據(jù)庫，采用Adaboost算法融合這3類特征建立分類器，對織物掃描圖案進行識別。
　　通過實驗表明本文提出的平滑濾波算法能夠較好濾除掃描織物圖像紗線紋理，保持織物圖案的真實邊緣，并通過分段線性的方法實現(xiàn)了對紋理抑制平滑濾波算法的加速。在紋理抑制平滑濾波的基礎(chǔ)上提出的基于Adaboost多特征融合的織物圖案識別方法具有較高的識別率。
　　本