《基于互相关函数的织物纬档检测.pdf》由会员分享，可在线阅读，更多相关《基于互相关函数的织物纬档检测.pdf（3页珍藏版）》请在三一文库上搜索。
1、第2 6 卷第6 期 2 0 0 5 年1 2 月 纺织学报 J o L n d0 fT e n d eR h V 0 1 2 6 N o6 D e c 2 0 0 5 基于互相关函数的织物纬档检测 包晓敏。汪亚明 ( 浙扛理工大学计算机视觉与模式识别中心，浙江杭州3 1 0 0 1 8 ) 摘要在纺织品的生产中，由于各种不利因素的影响，往往会产生纬档，从而降低织物的品质。在图像的检测中 应用随机过程的互相关性，对织物纬档的检测进行r 研究，分析了互相关函数值与2 幅图像相似性的关系。把模 板图像与目标图像中的子图分别看作2 个互不相关的随机过程，互相关函数是描述2 个随机过程之间的内在联系，
2、 其互相关函数的值愈大图像愈相似，否则愈不相似。经验证，实验结果表明是有效的，并町进一步实现纬档定级的 数字化。 关键词检测；互相关函数；纬档；织物 中图分类号：眄1 0 1l 文献标识码：A文章编号：0 2 5 3 9 7 2 1 ( 2 0 0 5 】0 6 0 0 3 9 - 0 3 I ) I t e c t i 叫o ff a b r i cw e f tb a rb a s e do nc r o s s - c o r r e l a t i o nf I H l c t i o n B A OX i a o m i n ，W A N GY a - m i “g ( 脑衄陀 c
3、删e r 如rc 。呷啪r 加n 村P 耐抑4 矗e 叫础如n ，z k 曲昭( 抚M n 啊 0 ，w 础e8 耐扎如M 嗍，舶“g 地帆，矗咖昭3 1 0 0 1 8 ，c 柚眦) A 埘r 鼬tD u et ot h ee t0 fd i s a d v a n t a g ef a c t o r s ，w e nb 丑工no n e np r o d u e e dl nt e x t i l 8p m d u 眦R T h 。q u a l i l yo f f a b 眦w i Ub e d e b a s e d Ar e e a r c h 蚰d e 钯c t i o n0
4、f w e h n d u c t e du s i n gc r o s 乌c o r r e l a t i o n0 f m n d mp r 0 一sd u n n g l m 8 9 ed e t e c b “g T h e 工e h t i o no ft l l ec m s sc o n e l a t I o nv d w i t I lt l l es i 唧l a n t yo ft h et w oi m 8 9 e 8 n a l y z e d T a k i “gt l eI e m p h ki m 8 9 ea n d 山e 自u b _ l m a g e
5、o ft a g e ti m 8 9 e3 s n o n 伽l 撕o nr a n d o mp m c e s s ，山e c o 丌e l 撕o n 如n c t i o n 诂d e s c “b e da st h ei 曲e r r e h i o n o f 咖 r a n d o mp 枷s e s T h eb i g g e rt h ev d u eo f 山洲o r 他I a o nf u r m t i o ni s ，l h e i m i l a rt h e 坩oi m g e B ，o r 盯s a ，A n d v e n 矗c a t l o n 。x
6、p e m e n nw e r ei l n p k I n 衄k d T h e 聘s u l t sm d i c a l e dt h a t 峙I 州h o d 诂w o r k a b l e a n dt l l ed i 百t a l i z e dg m d j ”go f 山ew e R b a r c a nb ea c c o m n I i s h e d K e yw 盯d sd e t e c n g ；c r o s sc o r r e l a t i o nf u n c t i o n ；诎b 盯；f a b 工i c 纺织品生产过程中，织物疵点的检测尤为
7、重要。 传统的织物疵点检测是通过人工视觉离线检测。近 年来许多学者对织物疵点进行了大量的研究和探 索，采用局部熵“o 、二维连续小波变换”。、傅里叶变 换、灰度共生矩阵等方法对采集的织物图像进行分 析以检测疵点，但由于疵点的种类繁多，要对每类疵 点都进行分类还是很困难的。织物疵点中，纬档织 疵占了相当一部分。由于更换纬纱以前在织布机梭 子上存在着张力积累，使得在织物宽度方向上出现 了色档，这种疵点称为换纡纬档疵，尤其对于薄型织 物更是如此。有时织物纬密仅差l 一2 纬，c m ，虽然 在坯布上看不出纬档，但经过染整处理，由于纬密不 同，其吸色深浅不同，织物会因纬密不匀而造成色 档。纬档病疵由多
8、种原因造成，其中松紧档使纬向 有明显松或紧的横条，若为格子或团花，则格形或花 形要变长或变扁。日本旭化成工业公司采用一套从 1 到5 的分级专利系统”1 ，但其定级标准完全是由 人主观决定的，没有准确的定量标准。 本文提出了基于随机过程的互相关函数检测织 物纬档的方法，并对2 幅图像进行匹配检测。 l 互相关函数的图像匹配算法 随机试验的所有可能结果都可以用随机变量的 取值做定量表示。随机过程在任意时刻的状态都是 一个随机变量。把多维随机变量的结果应用到随机 过程中，通过随机变量的统计特性来研究随机过程， 不仅可以通过随机变量的分布律来描述随机过程的 分布律，还可以用随机变量的数字特征来描述随
9、机 过程的一些数字特征”1 。 随机过程的数字特征，如同研究随机变量一样， 有时不需要完整的统计特征。实际上要想得到一个 随机过程的n 维分布律是非常不易的，因此避开实 作者简介：包晓敏( 1 9 6 5 一) ，女，副教授，学士。主要研究领域包括计算机图像处理及应用等。 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 【4 0 】 纺织学报 2 0 0 5 年第6 期 际上很难求得的n 维分布律问题，转到研究随机过 程的数字特征这一具体的问题”1 。 随机过程数
10、字特征的概念可由随机变量的数字 特征推广而来。随机过程的数字特征中有数学期 望、方差、自相关函数和互相关函数。但是一般情况 下，对于随机过程而言，诸如数学期望、方差等均是 时问的函数。 对随机过程J ( 幻，其数学期望是一个确定的时 间函数，记为E x ( t ) 或m 。( ) m ，( ) = 趴x ( t ) = l 矾( x ，) d ( 1 ) j 。 在描述2 卟随机过程之间的内在联系时，用互 相关函数的概念，需要已知2 个随机过程x ( f ) 、 y ( ) 的联合概率密度，互相关函数记为R 。( 。，t ：) 冠，( 。，2 ) = E 盖( t 1 ) l ，( 2 ) =
11、 嘁( * 与之对应的有互协方差函数，记为c 。，( f ，f ：) c 。，( # ，t ：) = E x ( t 。) 一m ，( t 。) l ，( ：) 一m ，( t ：) z m z ( # 1 ) y m y ( 2 ) 上，( ，y ，f2 ) d x d y ( 3 ) 由式( 1 ) 、( 2 ) ，化简式( 3 ) 得 c 盯( L ，t 2 ) = R z y ( t 1 ，t2 ) 一m x ( f 1 ) m r ( 2 ) ( 4 ) 若对任意。，：，都有风，( f 。，r ：) = 0 ，称j ( ) ， l ，( ) 是正交过程，此时化简式( 4 ) 得 以r
12、 ( t l ，2 ) = 一m J ( f I ) m ，( # ：) ( 5 ) 如果对任意f ，f ：都有c ，( ，f ：) = 0 ，则称 盖( ) ，y ( t ) 是互不相关的，此时化简式( 4 ) 得 R x r ( t 1 ，t 2 ) = m T ( t 1 ) m r ( f2 ) ( 6 ) 运用相关函数于图像匹配中，把2 幅图像的灰 度分布分别作为盖( ) 、王，( t ) 2 个随机变量，由于这2 幅图是独立的，故置( t ) ，y ( ) 是统计独立的2 个随 机变量，所以它们是互不相关的，此时的互相关函数 满足式( 6 ) ”3 。 图像中像素点灰度级的分布为离
13、散的 0 ，l ，2 ， ，2 5 5 1 分布，离散随机变量的数学期望叫z = 2 铀 x 以，p 为灰度级为i l 的像素点在整幅图中所 占比率，即概率m 为灰度级为i l 像素点的个数。 2 5 6 分别计算出2 幅图像的数学期望，F x = * 肌 B = l 2 和剐l ， = y 护，再计算出尺。r = 剐盖 剐y ，互 相关函数值越大则对应的2 幅图像越相似，否则越 不相似。 2 互相关函数的纬档检测 检测织物的纬档病疵，首先要明确高品质织物 的图像，把其作为模板图保存在计算机中，然后与被 检测织物的目标图像进行匹配。在目标图像中逐块 划分出与模板图像同样大小的子图图像，把模板图
14、 和目标图中的子图分别作为2 个统计独立的随机变 量x ( # ) 、y ( 1 ) ，计算互相关函数R ：，= E x 剐y ， 互相关函数的值大于某个值( 该值可根据织物品质 要求调整大小) ，则为检测到匹配织物，把它显示出 来，否则为不匹配织物不予显示。 模板图像如图l 所示， 目标图像如图2 所示。运用 随机变量的互相关函数和计 圈1 模板图像 算机视觉技术进行织物图像 匹配，实验图像是J P E G 图 像，匹配检测结果如图3 所 示，R 。，为1 45 5 5 时，匹配结果 如图3 ( a ) 所示，尺。为1 41 0 0 时，匹配结果如图3 ( b ) 所示， 尺w 为1 34
15、0 0 时，匹配结果如 图2 目标图像 图3 ( c ) 所示。 0 ) R 盯一1 45 5 5( b ) 盯。1 4 1 0 0( c ) 月盯。1 34 0 0 圈3 匹配检测结果| 奎I 3 结束语 运用互相关函数于织物纬档的检测中，在目标 图像中检测到不同相关函数值的模板图像，并明确 其位置，R 。，越大越相似，即可确定该位置的织物是 否合格。实验结果对纬档的检测提供了技术依据。 因为2 幅图像互相关函数的值越大越相似，所 以利用互相关函数的值来量化纬档的大小，定量纬 档的级别，可以定得更细、更准，为织物的品质量化 提供了有力的数据保证。由此可实现计算机实时、 在线自动检测纬档，克服
16、了人工检测容易遗漏的弊 病。但算法可进一步优化，以提高在线检测的速度。 ( 下转第4 3 页) 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 2 0 0 5 年第6 期纺织学报【4 3 】 系统收敛后，将另外5 组数据输人系统，输出结 果和专家评定结果对比如表3 所示。可以看出，系 统通过学习样本的学习具备了一定的联想识别能 力，可以正确识别陌生样本。实验相对误差小于 1 5 ，误差产生的原因是学习样本不足。图2 是预 表3 网络输出值与专家评定值的比较 1 1
17、 步选代后的网络谋差平方和 围2R B F 网络训练过程中的误差皓线 测误差曲线，从图2 看出，训练误差为1 0 ，而经过 1 1 次迭代后，误差降为1 旷”。 3 结论 R B F 把对一组样本的输入输出问题变为一个非 线形优化问题。经过多次训练后，网络具有极强的 逼近能力、分类能力，学习速度快等特点。它的自适 应和自组织能力，对织物风格主观评定的尺度，具有 较强的适应性，通过对不同样本集的训练，可以适应 特定条件下的模式识别，从而在一定程度上弥补了 以往风格评定模型中的一些缺陷。由于系统精度的 提高取决于学习样本的代表性和数量的大小，因而 系统仍需要更多的实验数据来进行完善。 参考文献 1
18、 P a nN ，Y 衄1Kc ，z h 帅sJ ，n 胡A 8 p p 嘲E h t o t h e I h j 盹d v t 删d u m j o n0 fh H ch r I d l eh ha T l i c dI 帅I 枷e s lJJT e m l l e R e h I t u k ，1 9 8 8 ，( 8 ) ：4 3 8 4 4 4 2JK a w a b a t as n e a n d 盯d l 蹦i n dA n d v s l sdH 叩d kE v d u m l MJ K p t 1 1 T e n i l eM 日c n 8 qs o c i 哼0 fJ 8
19、p a n ，1 9 帅 3 洪志贵织物风格评价的研究 J 纺织学报，1 9 9 3 ，1 4 ( 4 ) ：1 6 0 1 6 3 4 陈雁，李栋高服装颜色风格的客观评价 J 纺织学报， 2 0 0 3 ，2 4 ( 1 ) ；8 0 8 2 5 曹丽，汪亚明，包晓敏机器视觉在服装尺寸自动铡量中的应 用 J 纺织学报，2 0 0 3 2 4 ( 1 ) ：1 9 一加 _ 一I “H ( 上接第4 0 页) 参考文献： 1 卿相运，段红，魏俊昆基于局部精的织物疵点检测与识别的 研究 J j 纺织学报，2 0 0 4 ，2 5 ( 5 ) ：5 7 5 8 2 徐增渡，贡玉南，黄秀宝基于二二维
20、连续小波变换的织物疵点 检测 J 中国纺织大学学报2 0 0 0 2 6 ( 2 ) ：1 0 一1 3 ，1 9 3 卫亚明含有再生纤维素纤维的针织物中纬档的预防【J j 国 外纺织技术，2 0 0 1 ，( 1 1 ) ：2 1 4 邢彦锋电化学机械光整加工表面相关性分析 J 山东理工 大学学报( 自然科学版) ，2 0 0 3 ，1 7 ( 3 ) ：2 3 2 6 5 张晓东互相关函数法在声学测温技术中的应用研究 J 中 国电机工程学报，2 0 0 3 ，2 3 ( 4 ) ：1 8 5 1 8 8 ， 6 阿拉威采用自相关和协方差函数在光照一欧氏变化条件下 识别彩色纹理 j 红外与毫米渡学报，2 0 0 3 ，2 2 ( 5 ) ：3 2 1 3 2 6 7 朱永松基于相关系数的相关匹配算法的研究 J 信号处理， 2 0 0 3 1 9 ( 1 6J ：5 3 l 一5 3 4 呲”铲铲” 辱椒 州瞄 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark