[发明专利]基于遗传—模糊聚类算法的织锦纹样分色方法

权利要求书

1.一种基于遗传—模糊聚类算法的织锦纹样分色方法，其特征在于，包括以下步骤：

步骤1：扫描或其它方式向系统输入织景纹样，系统获取织景纹样图像；

步骤2：向系统输入纱线的线密度和织物经纬密度；

步骤3：系统对纹样进行预处理：色彩增强、去噪点和渐变色处理；

步骤4：系统按照五色经二色纬或单色经四色纬的经纬色纱配置模型，进行遗传—模糊聚类的分色；

步骤5：系统对纹样分色后，通过颜色模型转换，形成有RGB数据的色块；

步骤6：系统根据纹样色块的RGB数据和经纬色纱配置模型，在自身的组织库中为每个纹样色块自动寻找和选择相对应的织物组织；

步骤7系统按照遗传算法搜索全局最优方式，在既定的经纬纱线的线密度和织物的经纬密度前提下，自动调整经织物组织的选择和配置，直到经纬色纱与织物组织配合后的RGB数据接近与前面纹样分色后每个色块的RGB；

步骤8：分色完成。

2.根据权利要求1所述的方法，其特征在于，所述步骤3中，在渐变色处理时，用HSV空间的颜色直方图来描述图像的颜色特征，通过对颜色模型进行分析，将颜色的H、S、V这3个分量按照人的感知、用颜色梯度的图像特征点的匹配计算方法进行等间隔的量化，使其进一步变换得到像素的色相、彩度值，从而使二维的颜色直方图的峰谷特性更加明显，便于聚类；运用模糊隶属度函数，用最大隶属原则进行分类，对于各主色的隶属度相近的像素根据周围像素的隶属度进行分辨。这样有利于过渡色彩的处理，分色结果局部优化，减少噪声。

3.根据权利要求1所述的方法，其特征在于，所述步骤4中，在经纬色纱配置模型时，采用C(青)、M(品红)、Y(黄)、G(绿)、K(黑)、W(白)六种基原色对彩色图象进行分色，经纬色纱组合为以下2种模型：第一种：经组合：红、黄、蓝、绿、黑(或白)，纬组合：黑、白，形成五色经二色纬的经起花；第二种是：经组合：白(或黑)，纬组合：C(青)、M(品红)、Y(黄)、K(黑)，形成单色经四色纬的重纬起花形式。

4.根据权利要求1所述的方法，其特征在于，所述步骤4中，在聚类算法的基础上，将遗传算法应用于聚类算法，具体操作过程有：

(1)利用人机交互确定C、M、Y、K四色的标准值，并据此构建模糊子集；

(2)进行色彩空间模型转换，把二维的彩色直方图引入加权系数中，优化目标函数，确定每个模糊子集合的隶属度函数式，计算彩色图像中的各像素点的隶属度；根据最大隶属度原则把像素点归并；

(3)对彩色图象按C、M、Y、K四色进行聚类，优化目标函数的迭代算法，用势函数对隶属函数矩阵进行调整，建立遗传算法的适应度函数，选择初始化群体、对每个个体交叉、变异的操作，搜索全局最优的聚类中心，并进行优化搜索计算。

5.根据权利要求4所述的方法，其特征在于，所述步骤4中，在遗传算法中，变异率P_m和交叉率P_c，采用自适应P_c和P_m方法，用适合度函数来衡量算法的收敛状况，其表达式见式(1)和式(2)，其中f_max为群体中最大适应度值；f_min最小适应度值；f_a为每代群体的平均适合值；f_c为要杂交两个个体中较大的适应度值；f为要进行变异个体的适应度值；f_max-f_a体现了群体的收敛程度；

pm=(fmax-fc)2(fmax-fmin)(fmax-fmin),fc>fa,fmax-fcfmax-fmin,fc≤fa---(1)]]>

pc=(fmax-f)2(fmax-fmin)(fmax-fa),f>fa,fmax-ffmax-fmin,f≤fa---(2)]]>

而对变异率P_m则根据进化过程进行适当调整，确定初始变异率为0.103，调整策略为当(f_max-f_min)/f_max≤20％时，变异率变为0.1045，算法的结束条件为(f_max-f_min)/f_max≤8％。