应用图像分析技术评估织物起球等级

探讨了应用图像分析技术对织物起球进行客观的等级评估.首先介绍了应用Wold分解纹理模型从织物图像中分离出毛球信息,然后对提取的毛球信息进行阈值化处理,再以毛球的面积百分比、总数和分布等三个特征指标对起球等级进行客观评估.运用上述技术途径对素色、印花及色织的简单与复杂组织等7种织物样品进行起球等级的客观评估,结果与专家的人工主观评定极为吻合.     

复杂纹理织物的起球图像采集及预处理方法

针对织物起球等级客观评估中复杂织物纹理干扰起球图像分割的问题,提出一种新的起球图像采集及预处理方法.首先采集同一织物的多角度光照投影图像,该图像混合有不变场景的复杂底纹和光照投影变化的起球信息;然后应用独立成分分析方法,对多角度光照起球图像进行独立成分分解;再利用频谱特征分析方法分离出属于织物底纹的独立分量,以重构出滤除织物复杂底纹的起球图像.试验结果表明,该方法能有效地滤除各种起球织物图像中的复杂底纹,为复杂纹理织物的起球等级客观评估提供可能.     

基于Wold纹理模型和分形理论的织物疵点检测

应用基于Wold纹理模型,从织物纹理中提取非确定性随机结构.通过正常纹理和疵点纹理中随机结构的表面维分形特征曲线比较,以距离为判别标准定位疵点.几种典型织物疵点的分析表明,基于Wold纹理模型和分形理论的分析方法能准确地检测出织物表面的多种疵点.     

基于多随机场遥感图像分割

结合二维Wold分解技术来对遥感图像进行分割，将图像分解为确定性随机场和纯不确定性随机场，通过调整它们之间的比例关系，来加强纹理边缘，从而改善马尔可夫标记场模型对纹理边缘过平滑的现象．实验对城区目标进行提取，结果表明本方法的有效性优于纯马尔可夫随机场所采取的分割方法．     

织物图像中起球特征值的提取与分析

研究了织物图像中的起球特征值与起球等级之间的关系.对13个起球特征如毛球个数、毛球面积、毛球体积、毛球分行维等进行描述和提取,对15幅织物图像中的特征值与起球等级的相关性、可分离性和近似函数关系进行了分析.根据分析结果,选取10个特征值作为起球等级客观评定的依据.     

基于高斯-马尔可夫随机场模型的织物纹理特征参数提取方法

将高斯-马尔可夫随机场用于织物纹理的建模.在估计模型参数时,采用不完全 Cholesky共轭梯度法.获得特征参数后,通过纹理合成方法,仿真原始纹理图像.试验表明:仿真织物纹理图像与真实织物纹理图像具有较为一致的视觉效果,从而论证了高斯-马尔可夫随机场模型对织物纹理建模的有效性.     

变分分解模型的模糊增强算法

将分解模型应用到模糊增强算法中,用有界变分(BV)函数描述图像的结构信息,空间G描述图像的纹理信息,提出一种基于变分分解(BV-G)模型的模糊增强算法.给出算法原理和实现步骤,并通过多组对比实验验证该算法的可行性.     

TV模型的结构纹理图像修复方法

针对TV模型无法修复纹理的现状,结合改进的TV方法,提出一种新的结构纹理图像修复方法.该方法首先获取待修复区域的纹理方向,然后将,TV模型在纹理方向上差分化求解.其保留了结构修复的特征,同时可以修复"Y"形甚至"X"形结构纹理缺失.实验表明,该算法能高效、稳定地处理破损区域的图像信息.     

基于三维扫描技术检测针织物的起毛起球特征值

利用三维扫描仪获取了针织物表面坐标数据,在等间距网络规整预处理和小波分析降噪处理后,研究了毛球与背景分离的方法,并通过相关算法和计算机处理获取了毛球的个数、面积和体积等特征值.试验结果表明,该方法可以自动检测针织物起毛起球特征值,具有较高精度和较好可视性,并且不受针织物色彩及纹理的影响.     

基于BRDF算法的机织物表面外观模拟

为了增强织物表面纹理的真实感效果,在原来简单的纱线模型基础上再考虑光照模型因子,由纱线的双向反射分布函数绘制出织物的细微结构.提出了织物交织的光照效果生成算法及其在机织物模拟中的应用,经过BRDF算法改良的织物模拟系统,能够模拟出织物表面的细致纹理,对于质地粗糙、复杂纹版组织的大型提花织物等模拟效果更佳.