[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

说明书

本发明属于织物外观平整度评定技术领域，涉及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。所述的方法步骤如下：第一步，分别采集标准模板及织物样本的二维图像和三维图像，获取其灰度信息和深度信息；第二步，对采集所得二维图像和三维图像分别进行预处理；第三步，对预处理所得图像按照行和列进行曲面分割；第四步，求解曲线方差，提取方差特征，组成多维特征向量；第五步，采用支持向量机对织物平整度等级进行预测，获得客观评价结果。本发明将二维图像灰度信息和三维图像深度信息进行结合，避免单一维度图像在表征织物平整度方面的不足，并将曲面的平整度问题转化为更易求解的曲线弯曲程度问题，得到的结果更加直观、可靠。

技术领域

本发明属于织物外观平整度评定技术领域，涉及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。

背景技术

织物在洗涤及使用过程中会受到外力作用产生形变形成褶皱。在纺织品质量控制与贸易的过程中，纺织品的外观性能是一个极为重要的指标，而织物的平整度又对纺织品的外观性能产生直接影响，因此建立一套准确、稳定的织物平整度评定系统，帮助改善纺织品的外观性能是十分有必要的。

对于织物平整度等级的评定，目前主要采用主观评定方法，即标样对照法。上述方法是以美国AATCC-124标准样卡或中国GB/13796-2009标准样卡为参考模板，在标准环境下，将试样与标准样卡进行视觉对照，从而得到评定结果。此方法较为快速便捷，但是由于人工评定易受主观因素及环境的影响，评定结果精度低，再现性差。从20世纪90年代开始，国内外研究学者开始利用图像处理技术来评价织物的平整度，大多对织物二维图像或三维图像进行图像分析，如傅里叶变换、小波变换、灰度共生矩阵等，提取织物褶皱特征，以此表征织物的平整度等级。上述特征在一定程度上能够对织物的褶皱信息做出正确表征，但是准确度仍有待提高，因此将织物二维信息与三维信息相结合，可获得更多织物表面信息来表征织物外观性能。

发明内容

本发明目的是提供一种接近人类视觉感官的织物平整度自动评价系统，以提高对织物平整度评价的效率，本发明提供了一种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，避免了人工评级带来的主观误差。

本发明的技术方案如下：

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，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：