[发明专利]一种用于织物分割的纹理特征匹配方法及装置有效

专利信息
申请号: 201811423853.0 申请日: 2018-11-27
公开(公告)号: CN109785283B 公开(公告)日: 2021-05-04
发明(设计)人: 姚迅;马力克;孙春雨;张丽岩 申请(专利权)人: 佛山市奥策科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/73;G06T7/10;G06T7/33
代理公司: 广州嘉权专利商标事务所有限公司 44205 代理人: 谢泳祥
地址: 528200 广东省佛山市南海区狮山镇*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 用于 织物 分割 纹理 特征 匹配 方法 装置
【说明书】:

发明公开了一种用于织物分割的纹理特征匹配方法及装置,预先获取成品织物的图像,作为标准图像,获取到需要识别的图像作为输入图像,通过检测两图中不同尺度下的满足不变性的特征点,对输入图像中与标准图像相似的区域进行匹配,并获得输入图像中成品织物变形情况,进一步获取输入图像中成品织物的边界,能自动识别大的织物块中小的成品织物,并能由此产生自动切割路径,与自动切割装置一起配合能够完成大的织物的自动切割工序,大量节省人力资源成本并提高效率,纺织企业只需要用到与该方法结合的上位机控制切割机来分割织物,可降低织物分割时的资源消耗,提高织物分割的效率。

技术领域

本公开涉及图像处理领域,具体涉及一种用于织物分割的纹理特征匹配方法及装置。

背景技术

在纺织制造业中,为了提高生产效率以及工艺要求,纺织出来的织物往往是一整块由多个花纹相同的独立织物构成的大的织物。例如如果要生产一块地毯,一般成品地毯的尺寸小于生产设备所能加工出来的织物的尺寸,为了提高生产效率,纺织出来的织物由多块地毯组成。如果要生产出成品地毯,需要对这样一块大的织物进行分割,使得各个小的成品织物分离出来。目前,大多数纺织企业在进行织物分割的时候,都是通过人工操作来分离具有相同花纹的织物。这种方式劳动强度大,速度慢,效率低,费时费力,成本高,还容易出错,使织物容易受到损害,从而给纺织企业带来不必要的经济损失。

发明内容

本公开提供一种用于织物分割的纹理特征匹配方法及装置,预先获取成品织物的图像,作为标准图像,通过按照在工作面上的CCD传感器获取到需要识别的图像作为输入图像,通过检测两图中不同尺度下的满足不变性的特征点,对输入图像中与标准图像相似的区域进行匹配,并获得输入图像中成品织物变形情况,进一步获取输入图像中成品织物的边界,能自动识别大的织物块中小的成品织物,并能由此产生自动切割路径。

为了实现上述目的,根据本公开的一方面,提供一种用于织物分割的纹理特征匹配方法,所述方法包括以下步骤:

步骤1,对原始图像进行平滑降噪处理;

步骤2,检测图像的特征点;

步骤3,对特征点进行筛查与定位;

步骤4,进行特征点匹配;

步骤5,特征点集聚类;

步骤6,计算标准图像到输入图像的仿射变换;

步骤7,根据图像角点计算出待匹配图像的顶点;

步骤8,合并顶点和聚类,更新顶点和边矩阵;

步骤9,输出路径与分割结果。

进一步地,在步骤1中,所述对图像进行平滑降噪处理的方法为,令原始图像u0通过高斯核Gσ卷积得到高斯模糊的图像ut,数学形式为:

其中,表示二维高斯核函数,在已知σ的条件下,将原始图像在线性时间不变的条件下进行平滑降噪处理,

其中,F,F-1分别表示傅里叶变换及逆变换算子,“o”表示算子的作用,“*”表示算子的伴随,算子的伴随即共轭转置,λ为正则参数。

进一步地,在步骤2中,所述检测图像的特征点的方法为,

通过DOG差分高斯检测图像的特征点,使用DOG差分高斯算子进行检测,算子定义为:

D(x,y,σ)=[G(x,y,kσ)-G(x,y,σ)]*I(x,y);

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于佛山市奥策科技有限公司,未经佛山市奥策科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811423853.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top