[发明专利]一种基于稀疏编码的织物外观平整度评价方法

说明书

技术领域

本发明涉及织物折皱状态下平整度等级机器视觉评定问题，具体涉及织物折皱特征字码库创建、折皱分类算法，实现多种类型的织物外观平整度自动评级。

背景技术

外观平整度作为织物一项重要的美学参数，成为织物质量控制，洗衣机、烘干机及自动压烫设备的设计、洗涤剂的洗护效果评价等的重要评定依据。用户满意度与服装、织物的折皱程度较为密切。织物折皱程度通常用平整度、抗皱等级、回复角等表征，其中平整度体现了织物表面的起伏程度，通常用以表征织物护理后的外观表现。

机织物、针织物及非织造织物，宏观上正反两面都是平面。在经历消费者穿用、洗涤、干燥等过程，受到机械拉伸、压缩、弯曲、剪切、摩擦等，纤维内部应力即张力随时间的延续持续下降，表现出蠕变、松弛，形成塑性变形，织物表面发生变形。由于织物各局部产生不同程度的收缩，织物将产生整体的凹凸，呈现厘米级的凹凸不同。织物折皱程度评价是一项传统的问题，通常参照相关标准(如AATCC 124)采用人工视觉评价。该方法属于主观评价，受到个体生理、心理及环境因素的影响，精度低、再现性差，难以满足当前检测需求。因此需要通过建立相关快速、客观、精确的评价方法。

准确、有效的客观方法是评价织物外观平整度的有效途径。目前常见的做法是从某些角度，提取出局部特征，对图像模式的某几类物理性质进行数学描述，对原始空间域或频率域信息进行变换，得到特征指标，在此基础上进行综合与评定。目前应用的指标仍很难准确地评价出织物的折皱程度，与实际折皱仍存在一定的差异，各项评价指标虽与平整度等级之间存在一定的相关性，但由于模板表面的褶皱形态迥异、褶皱分布比较复杂，仅由数个指标的简单组合并不能有效地评价织物实际的折皱等级，难以模拟达到人的感官评价，主客观之间一致性较差。单纯地提取一些特征指标进行综合评价，会出现与真实折皱效应的偏差。某些指标未必能够真实反映织物特性。因此提出适应织物这一特定对象且满足于人体感官视觉的评价指标尤为重要。

专家评价过程中，对试样的评估是建立在全局的、综合的、模糊的基础上，甚至参照了历史经验进行的整体性评价，非由某一类别的细节特征所决定。因此如何把握并利用已知信息，综合出判定依据能够实现以上判断，显得尤为重要，而这种综合，应当是织物图像或三维空间信息的有效代表。人类视觉系统可以快速地处理大量的视觉信息，生物学解释了哺乳动物在长期的进化中生成了能够快速，准确，低代价地表示自然图像的视觉神经方面的能力，用较少的代价重建和存储一幅图像。因此，数字图像可以通过类似神经编码模型而提出的，可以将事物目标图像由基函数的线性叠加噪声模型来描述。

发明内容

本发明的目的是提供一种接近于人的感官评价的对织物的折皱程度的评价方法。

为了达到上述目的，本发明的技术方案是提供了一种基于稀疏编码的织物外观平整度评价方法，包括以下步骤：

步骤1、提取各个织物图像的底层特征，包括以下步骤：

步骤1.1、构建尺度空间，实现尺度空间极值化；

步骤1.2、寻找图像在各尺度上的极值点作为特征点，当前尺度下的极值点为在当前尺度及上下两层的26个领域中，所查找出的最大或最小值；

步骤1.3、通过拟合三维二次函数以确定各特征点的位置和尺度，同时去除低对比度和不稳定的边缘相应点，以增强匹配稳定性，提高抗噪声能力，接着给每个特征点赋值一个方向参数；

步骤1.4、通过特征点的位置信息、所处尺度信息及方向信息，确定相应的SIFT特征区域，通过对特征点周围的SIFT特征区域进行分块，计算块内梯度直方图，从而生成独特性的SIFT特征向量，每个SIFT特征向量为一个SIFT描述子x，从而每幅图像描述为SIFT描述子的集合X＝[x₁，...，x_M]^T∈R^M×D，式中，M为SIFT描述子的总个数，D为特征空间的维度；

步骤2、对步骤1.4得到的SIFT描述子的集合X＝[x₁，...，x_M]^T∈R^M×D利用稀疏编码算法得到一组基向量来更高效地表示X，也就是字典，再利用特征编码对字典的每个基分配最为合适的权重，使其能够正确的表示样本特征；

步骤3、使用支持向量机的方法对步骤2得到的字典进行分为预先设定的折皱类别，从而建立建立不同折皱等级的字码库；

步骤4、获得织物图像后，基于字码库实现不同织物的折皱等级评定。