基于絨毛深度信息的織物起毛起球計算機自動評級研究.pdf

1、目前，紡織服裝面料起毛起球性能常用的評定方式是將摩擦后的面料與標準樣照進行目測比對，由測試人員肉眼觀察后主觀評判起毛起球等級。該檢測方法參照于2009年就開始實施的國標GB/T4802系列，方法陳舊、成本高、效率低、穩(wěn)定性差，還容易受到測試人員主觀情緒等因素影響。因此，針對織物起毛起球性能的計算機視覺客觀評價方法成為人們關注的研究課題。
　　本課題研究目標是基于計算機圖像處理技術，研發(fā)針對織物起毛起球性能的自動檢測和評級系統(tǒng)，從而

2、實現(xiàn)無人工干預情況下，對織物起毛起球性能客觀、準確的評價。
　　現(xiàn)有的織物起毛起球視覺客觀評定研究中，計算機處理的織物圖像多為二維灰度圖像或三維圖像。在二維圖像中，鑒于毛球和織物表面在光照下的灰度強度不一致，毛球檢測的基本方法為利用灰度閾值分割毛球和織物表面。這種方法容易受到面料上不規(guī)則印花的干擾，僅適用于對素色和有周期性紋理的織物進行毛球檢測。同時二維圖像丟失了毛球的表面深度數(shù)據(jù)，而這是分割毛球和織物表面的關鍵信息。三維圖像的獲

3、取方法主要有激光掃描法、雙目立體相機，除此之外，陳霞自制了毛球序列切片采集設備以獲得毛球的高度。三維圖像采集設備的缺點是成本較高、安裝和使用復雜，并且因設備放大倍數(shù)限制采集不到絨毛信息?，F(xiàn)有對二維圖像或三維圖像的研究均是基于對毛球的檢測和特征提取，尚未有針對絨毛的研究。絨毛對織物手感與外觀有很大影響，起毛起球時首先產(chǎn)生絨毛，絨毛聚集纏繞后形成毛球，因此絨毛是起毛起球性能評價的關鍵因素。針對以上不足，本文對織物起毛起球性能客觀評價的研究需

4、要解決兩個關鍵問題，一是開展絨毛層面的起毛起球性能的研究，這需要圖像采集設備具有足夠的放大倍數(shù)使絨毛成像清晰；二是獲取織物表面、絨毛及毛球的三維高度信息。基于此，本文在顯微鏡下采集織物序列多焦面圖層，利用Depth From Focus（DFF）技術通過聚焦獲得織物表面及絨毛的三維深度數(shù)據(jù)，以此展開對織物起毛起球性能客觀評定的研究。
　　本文研究的基本思路是通過在顯微鏡下采集的同軸多焦面序列光學圖層重建織物表面及絨毛的深度信息，并

5、提取織物表面基準平面，實現(xiàn)絨毛和織物本體的分割，根據(jù)絨毛覆蓋率、覆蓋體積、粗糙度、絨毛最大高度和絨毛集中高度等若干特征參數(shù)定量計算不同摩擦時間（馬丁代爾儀測試的轉數(shù)等）下的起毛起球等級，研發(fā)出織物起毛起球等級計算機自動評定系統(tǒng)，并將本文客觀評定的起毛起球等級與人工目測結果進行對比。
　　本文主要對織物起毛起球自動評級系統(tǒng)的硬件架構和軟件算法設計進行了深入研究。研究內容包括：基于序列圖層重建織物表面及絨毛深度的研究；建立織物表面基準

6、平面以提取絨毛的研究；提取組合特征參數(shù)利用支持向量分類器自動評級的研究。同時，以棉纖維機織物和針織物為樣本，對織物在不同摩擦時間（轉數(shù)）下的絨毛集聚態(tài)、特征參數(shù)和起毛起球等級展開研究，以建立織物起毛起球隨摩擦時間變化的動態(tài)表征。本文主要研究內容可概括如下：
　?。?）硬件平臺構建和圖像采集方案
　　檢測系統(tǒng)的構建主要包括光源系統(tǒng)的設計和顯微鏡系統(tǒng)與計算機之間數(shù)據(jù)傳輸?shù)脑O計。針對顯微鏡自帶鹵素背光無法穿透厚型織物的問題，選用L

7、ED環(huán)狀光源固定在顯微鏡物鏡上提供前向照明。計算機通過串口控制載物臺的三軸精確移動，攝像頭通過USB2.0數(shù)據(jù)線將圖像數(shù)據(jù)輸入計算機。兩者結合使硬件系統(tǒng)具備了平臺自動化控制和圖像采集的功能。
　　圖像采集方案的研究主要包括單視野下多圖層圖像采集方案和多視野掃描平臺行進方案。通過對顯微鏡平臺沿x，y，z三軸方向單步長移動距離和顯微系統(tǒng)景深范圍的測量，確定了圖層間深度距離、采集圖層數(shù)、切換視野時載物臺平移步長值等參數(shù)。并針對多視野掃描

8、中電機齒輪齒條傳動模式會產(chǎn)生回程誤差的缺陷，設計了能消除此種誤差的載物臺行進路線。
　　（2）序列圖像深度重建算法設計
　　本文提出了基于像素清晰度的序列圖像深度重建方案。重建深度圖像的思路為在圖層中沿深度方向尋找平面位置的清晰度峰值點，其所在圖層序號即為該點深度。算法的關鍵在于選擇合適的清晰度評判方法。本文提出了基于自適應區(qū)域選擇的梯度方差清晰度評價算法，解決了傳統(tǒng)評價算子抗噪能力弱、固定區(qū)域劃分導致的深度不連續(xù)等問題。通

9、過預重建深度圖像、提取絨毛、分解四層子圖像、標記連通區(qū)域和計算最大內切圓半徑等步驟，算法能自適應選擇評價區(qū)域。實驗表明，該方法不僅能正確測量像素點清晰度，且抗噪能力強，從而獲得準確的深度信息。
　　（3）基于深度對絨毛和織物本體的分割技術研究
　　本文研究了基于織物基準平面的絨毛和織物本體的分割算法。通過若干位于織物表面基點建立基準面的擬合平面方程，從而實現(xiàn)對基準面上方的目標，也就是絨毛的提取。重點討論了織物表面基點的選?。?/p>

10、獲得了所有點的深度信息后，首先沿深度不連續(xù)邊緣兩側選取種子點；經(jīng)Meanshift漂移，深度相似的點聚類形成若干分裂片；將深度和法向量共同作為閾值，從所有分裂片中篩選出織物表面分裂片，作為擬合平面的基點。實驗結果證明擬合的基準平面對織物表面深度的預測準確。
　?。?）基于組合特征和支持向量機（SVM）的織物起毛起球自動評級算法研究
　　提取了絨毛覆蓋率、覆蓋體積、最大高度、集中高度和粗糙度五個特征參數(shù)作為SVM的輸入端，輸出

11、端為織物起毛起球等級。本文選擇了72塊不同顏色和花型的機織物和針織物，每塊織物選取3個檢測區(qū)域，共216個檢測區(qū)域來檢驗織物起毛起球自動評級方法的實驗效果。通過計算各特征參數(shù)在不同大小區(qū)域下的穩(wěn)定性，對檢測區(qū)域包含的視野個數(shù)進行了探討。選用支持向量機建立織物起毛起球分類模型，并通過網(wǎng)格尋優(yōu)法確定模型最佳參數(shù)。通過對216組數(shù)據(jù)的交叉驗證，系統(tǒng)對起毛起球等級判斷的準確率達到89.02％。
　?。?）起毛起球性能隨摩擦時間變化的動態(tài)表

12、征研究
　　目前常用的織物起毛起球評價方法是將織物按照標準在儀器上完成模擬起球，根據(jù)面料起毛起球程度評定等級。然而，織物的起毛起球是一個動態(tài)的過程，某一轉數(shù)下的起毛起球狀態(tài)不能全面得描述織物在整個起毛起球的過程。本研究通過建立摩擦轉數(shù)觀測點，觀察各摩擦階段的絨毛顯微形態(tài)。計算覆蓋面積率、覆蓋體積和粗糙度這三個特征參數(shù)，建立與摩擦轉數(shù)關系的變化曲線。同時，評定織物樣本的起毛起球等級，建立等級與摩擦轉數(shù)之間的關系曲線，并與人工目測等級