论文摘要
在针织产品的工业设计中,对织物分析与识别需要测试密度、线圈长度、未充满系数等参数,这些参数是影响针织物的物理机械性能的主要因素。此外,来样加工或仿制设计通常需要分析针织物的组织结构。以往这些参数的测试和织物结构分析主要是依靠人工借助放大镜、照布镜等工具来完成。这种方法对技术人员的经验和视力要求很高。同时分析与识别的周期也相对较长且分析过程单调而乏味,因而存在不可避免的人工误差。因此,为了解决在人工分析与测量针织物结构及参数时容易产生误差以及费时费力等问题,有必要研制能代替人工对各种织物面料的类别、纱线参数等进行有效自动检测与分析的系统。利用图像采集设备将已有织物的图像采集到计算机,并利用有效的识别算法,从织物的图像中提取出所要的织物信息并对织物及其组织结构自动检测识别,进而能正确计算分析织物图像,得出织物的类别、组织规律及技术参数。本文研究了利用计算机图像处理与模式识别技术对图像采集设备采集的针织物图像进行自动参数提取与分析和组织结构识别的方法,提出了针织物面料自动识别的流程与技术路线,讨论了怎样的织物图像的获取与预处理才能有效地反映织物的特征信息和参数。然后通过图像处理算法提取出与织物参数有关的图像特征,并通过这些特征直接或者间接的测量出针织物的密度、纱线直径、线圈长度、面积孔隙率、未充满系数等主要的物理指标。利用灰度和得到组织循环的波谱图,再进行小波变换消除锯齿状波峰,通过差分法求得波峰位置和数量,进而计算出织物的横纵密；利用纱线细度指标与纱线直径的转换关系,通过对织物图像进行最优阈值化处理,然后计算出纱线的直径进而计算出纱线的细度的方法,利用同样的方法可以求得面积孔隙率；并将它们的计算结果与人工测量结果进行了比较和分析,表明该技术可以快速、准确的实现针织物参数的测量。对于织物组织结构的识别,本文先利用二维小波变换的预处理及其低频、高频信号特征的描述与提取。再利用灰度共生矩阵提取图像中灰度的空间相关特性即角二阶矩、熵、对比度、相关度,作为织物的表征参数,用于表征织物组织。然后使用LVQ学习矢量算法的神经网络对织物进行分类,从而达到了织物组织结构的自动识别,并分析了此算法的特征与优势。本论文基于MATLAB进行研究开发,借助MATLAB的强大功能,实现快速高效的运算和图像处理,并提出了一种识别简单单面纬编针织物组织结构纹理基本特征的方法。