[发明专利]基于三维图像与二维图像特征结合的织物平整度评价方法

权利要求书

1.基于二维图像与三维图像特征结合的织物平整度评价方法，其特征在于，步骤如下：

第一步，在标准图像采集环境下采集样本数据；

对同一样本，分别采用侧面光采集装置与双目立体视觉装置采集其二维图像和三维图像，得到二维图像的灰度信息及三维图像的深度信息；

第二步，对采集所得图像进行预处理；

所述对图像进行预处理的步骤，包括：

2.1分别对步骤1所得二维图像和三维图像进行裁剪，去除图像背景信息，得到像素尺寸为m×n的图像，对裁剪后的二维图像和三维图像分别进行降噪处理；

2.2对降噪处理后的二维图像进行均衡化处理，得到亮度均衡的二维图像；

2.3对亮度均衡的二维图像灰度值进行归一化；

第三步，对图像曲面进行分割，得到一组曲线；

所述对图像曲面进行分割的步骤，包括：

对步骤2.3所得二维图像，分别提取其每行和每列的灰度值信息，得到一组m+n条灰度值曲线；

对步骤2去除图像背景信息后的三维图像，分别提取其每行和每列的深度值信息，得到一组m+n条深度值曲线；

第四步，对步骤3所得曲线进行特征提取；

所述对曲线进行特征提取的步骤，包括：

对上述所得m+n条灰度值曲线，分别求其方差，得到一包含m+n个方差值的行向量；对上述由各曲线方差组成的行向量，分别求其均值A₁，方差D₁及中位数M₁；

对上述所得m+n条深度值曲线执行相同的操作，得到其均值A₂，方差D₂，及中位数M₂；

将二维图像与三维图像的特征值组成特征向量，得到一个包含6属性特征向量T，T＝[A₁,D₁,M₁,A₂,D₂,M₂]；

第五步，采用支持向量机对织物平整度等级进行预测；

通过对织物平整度标准模板及织物样本执行步骤一至步骤四提取其褶皱特征，组成包含6属性特征向量T的集合；以标准模板以及已知平整度等级织物样本的特征向量作为训练集，训练支持向量机模型，其余织物样本的特征向量集作为测试集，验证支持向量机的预测结果。

2.如权利要求1所述基于二维图像与三维图像特征结合的织物平整度评价方法，其特征在于，第四步中，所述的均值A、方差D、中位数M分别按下述方法计算：

设各曲线方差组成的行向量为v＝[x₁,x₂,x₃...x_m+n]，则

将向量v按照数值大小等分成n份，n为奇数，则每份数据的间隔划分的n个区间分别为[A_min,A_min+t],[A_min+t,A_min+2t],……[A_min+(n-1)t,A_max]，统计第组数据的平均值即为向量v的中位数。