[发明专利]基于数据识别图形的纺织布料智能印染方法及系统

权利要求书

1.基于数据识别图形的纺织布料智能印染方法，其特征在于，包括：

获取染色后布料的表面图像并进行图像分割获得印花区域图像；

对所述印花区域图像进行连通域分析获得各连通区域，并将所述连通区域划分为预设尺寸的多个图像块；

对图像块进行角点检测获得图像块中的关键点，并基于获取的各关键点对图像块进行超像素分割得到分割后的色块，分别根据各关键点对应的色块的颜色均值以及关键点的邻接色块的颜色均值，获得各关键点的透明度；

根据关键点的透明度将图像块中的所有关键点聚类成两类，其中一类为重影关键点集合，该重影关键点集合中的关键点的透明度高，另一类为非重影关键点集合；

利用重影关键点集合的关键点与在非重影关键点集合中随机抽取的重影关键点组成关键点组集合，所述非重影关键点集合中随机抽取的重影关键点的个数与重影关键点集合中关键点的个数相同；

对组成的关键点组集合进行KM匹配获得最佳关键点集合，并利用各图像块中的最佳关键点集合的匹配值、偏移一致性及最佳关键点集合中关键点的透明度差异值，计算各图像块的异常概率；

根据图像块的异常概率分别判断各图像块是否存在重影缺陷，当至少一个图像块存在重影缺陷时，染色后布料中存在重影缺陷，并将存在重影缺陷的图像块组成重影区域。

2.根据权利要求1所述的基于数据识别图形的纺织布料智能印染方法，其特征在于，对组成的关键点组集合进行KM匹配获得最佳关键点集合，包括：

对关键点组集合中关键点进行匹配获得各关键点对，所述关键点对中包含一个非重影关键点以及一个重影关键点；

将关键点对中非关键点的邻域内纹理分布与重影关键点的邻域内纹理分布的相似度作为关键点对的权重；

获得对关键点组集合中关键点进行匹配时各关键点对的权重，并将各关键点对的权重之和作为匹配结果的匹配值，将匹配值取得最大时对应的匹配结果作为关键点组集合的待选匹配结果；

获得各关键点组集合对应的各待选匹配结果的匹配值中的最大值，将该最大值对应的关键点组集合作为最佳关键点集合。

3.根据权利要求2所述的基于数据识别图形的纺织布料智能印染方法，其特征在于，利用各图像块中的最佳关键点集合的匹配值、偏移一致性及最佳关键点集合中关键点的透明度差异值，计算各图像块的异常概率，包括：

式中为图像块的异常概率，表示图像块的最佳关键点集合的匹配值，表示最佳关键点集合的偏移一致性，表示最佳关键点集合中关键点的透明度的差异均值，表示双曲线正切函数；

其中，最佳关键点集合的偏移一致性

式中表示最佳关键点集合中所有关键点对的向量模长均值，表示第i个关键点对的向量模长，表示第r个关键点对的向量，表示第q个关键点对的向量，为非重影关键点集合中关键点的数量。

4.根据权利要求1所述的基于数据识别图形的纺织布料智能印染方法，其特征在于，分别根据各关键点对应的色块的颜色均值以及关键点的邻接色块的颜色均值，获得各关键点的透明度，包括：

获得关键点对应的色块的颜色值以及该关键点的邻接色块的颜色均值的方差；所述颜色均值包括在红、绿以及蓝色通道中像素值的均值；将所述方差的倒数作为关键点的透明度。

5.根据权利要求1所述的基于数据识别图形的纺织布料智能印染方法，其特征在于，对染色后布料的表面图像进行图像分割获得印花区域图像，包括：

分别对红、绿以及蓝色通道设置相应的预设阈值范围，将染色后布料的表面图像中均满足各通道相应的预设阈值范围的像素点的像素值保持不变，并将染色后布料的表面图像中在任一通道中不满足相应的预设阈值范围的像素点的像素点置0，获得图像分割得到的印花区域图像。

6.根据权利要求1所述的基于数据识别图形的纺织布料智能印染方法，其特征在于，根据关键点的透明度将图像块中的所有关键点聚类成两类，所采用的聚类方法为K-means。

7.根据权利要求1所述的基于数据识别图形的纺织布料智能印染方法，其特征在于，所述方法还包括：根据重影缺陷常区域的分布情况确定形成重影缺陷的原因。