纱线扭结分布特征的计算机自动识别方法.pdf
《纱线扭结分布特征的计算机自动识别方法.pdf》由会员分享,可在线阅读,更多相关《纱线扭结分布特征的计算机自动识别方法.pdf(5页珍藏版)》请在三一文库上搜索。
1、第2 7 卷第1 0 期 2 0 0 6 年1 0 月 纺织学报 J o 啪a lo f7 r e x t i l eR e s e a r c h V 0 1 2 7N o 1 0 0 c t 2 0 0 6 文章编号:0 2 5 3 9 7 2 1 ( 2 0 0 6 ) 1 0 0 0 0 9 0 5 纱线扭结分布特征的计算机自动识别方法 徐宾冈4 ,M U R R E L L SC h a r l o t t e ,陶肖明 ( 香港理工大学纺织及制衣学系,香港) 摘要纱线单位长度上的湿扭结个数是评价和衡量纱线残余扭矩的一项重要间接指标。结合数字图像和信号 处理技术,提出了一种基于纱线图
2、像的扭结分布特征的自动识别方法。该方法首先提取纱线的扭结特征曲线,进 而利用信号处理的手段实现了以若干高斯信号来自动匹配和识别纱线扭结特征曲线。实验结果表明,该方法可以 自动准确地计算出纱线湿扭结个数,同时可获得纱线扭结高度及宽度2 个几何参数。 关键词纱线;扭结;信号处理;图像处理;模式识别 中图分类号:鸭1 0 6 4 1 9文献标识码:A C o m p u t e r i z e dc h a r 觚t e r i z a t i o no ft h ey a ms n a r H n gd i s t r i b u t i O n X UB i n g a n g ,M U R R
3、 E L L SC h a r l o t t e ,T A OX i a o m i n g ( 肺m 咖o ,Z t 站酷口以抛危i ,l g ,7 k 胁n g 勋n gP 0 咖e c n 把沁r s 盼,砺n g 勋n g ,珊i M ) A b s t r a c tT h en u m b e ro fy a mw e ts n a d i n gp e ru n i tl e n g t hi sa ni m p o r t a n ti n d i r e c ti n d e xf o rt h ee v a l u a t i o no f y a r nr e 8 i
4、d l l 8 lt o r q u e Ac o H l p u t e r i z e dc h a r a c t e r i z a t i o nm e t h o df o r t h ey a ms n a r l i n gd i s t r i b l l t i o nw a sp r 。p o s e db y a p p l y i n gt h ed i g i t a li m a g ea n ds i g n a lp m c e s s i n gt e c h n i q u e s t ot h ea c t u a ly a ms n a r l i n
5、 g i m a g e s T h ey a m s n a r l i n gc h a m c t e r i s t i cc u ei sn r s t l ye x t m c t e d ,t h e ns e v e r a lG a u s ss i g n a l sw o u l db ec a l c u l a t e dt om a t c hw i t h t h ey a ms n a d i n gc h a m c t e r i s t i cc u n r e E x p e r i m e n t a lr e s u l t sr e V e a l
6、 e dt h 砒t h en u m b e ro fy a mw e ts n a d i n gc a n b ea u t o m a t i c a l l yc a l c u l a t e dw i t hah i g ha c c u r a c yb yt h ep r o p o s e dm e t h o d ,b e s i d e s ,t h eh e i g h ta n dw i d t hv a l u e s o fe a c hs n a d i n gcana l s ob eo b t a i n e d 。 K e yw O r d sy a m
7、 ;s n a d i n g ;s i g n a lp r o c e s s i n g ;i m a g ep m c e s s i n g ;p a t t e mr e c o g n i t i o n 加捻是短纤维纺纱的重要环节。在此过程中, 纱线发生弹性扭转变形,以期获得足够的强度、耐磨 性和平滑性,另一方面,纱线也同时产生大量的残余 扭矩或捻度活性。研究表明,纱线残余扭矩的存在 与其织物的许多物理性能密切相关,例如平针针织 物的扭转变形o 及机织物的表面平整性心。等。近年 来,单股无扭矩纱线技术4 1 的研究在平衡纱线残余 扭矩和提高纱线及织物性能等方面都做了许多有益 的
8、工作。要评价和衡量纱线的残余扭矩,测量纱线 的湿扭结个数是一种重要的间接手段b ,其常用方 法是利用纱线捻度测试仪来测量纱线单位长度上扭 结的捻回数。本文将信号和图像处理技术应用到纱 线扭结的几何轮廓分析中,通过对纱线扭结轮廓的 特征提取和数据拟合,以期实现纱线扭结个数及其 特征的计算机自动识别。 1基本原理 图l 为纱线扭结特征自动识别方法的基本原理 与流程,主要包括3 个部分:图像预处理、信号处理 和参数计算。首先对拍摄的纱线扭结图像进行简单 的灰度和二值化预处理,然后提取纱线直径沿其轴 向分布的曲线扭结特征曲线,并将其看作一维 的离散数字信号进行后续的处理。信号处理主要涉 及2 个变换:
9、1 ) 首先对一维扭结特征信号进行F 订 变换,从中提出幅值最大的基频正弦分量,计算扭结 沿纱线轴向波动变化的近似频率,将其作为后续 A O P ( 自适应旋转投影分解法) 1 变换的输入参数; 收稿日期:2 0 0 6 一0 1 一1 1修回日期:2 0 0 6 一0 4 1 8 作者简介:徐宾刚( 1 9 7 3 一) ,男,助理教授,博士。主要研究领域包括纺织机械与纱线力学、数字信号及图像处理等。 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 【1 0 】
10、 纺织学报第2 7 卷 2 ) A O P 变换利用输人的近似频率,可自动、精确地计 算出用以匹配扭结特征信号的一组高斯信号,并利 用这些信号参数进一步重构出扭结分布特征信号, 进而实现以若干高斯信号参数来自动识别和压缩复 杂的扭结分布特征曲线。最后,利用高斯信号参数, 可快速准确地计算出纱线扭结的个数,同时可给出 扭结高度及宽度2 个几何参数,如图2 所示。A O P 。;。 是近年发展起来的一种新型参数化时一频分解方法, 譬4 0 目前已成功应用于语音信号分析n 、引信目标特征 壁3 0 提取随3 和图像分割阳1 等领域。 蕊2 0 ( 图像预处理) 信 号 压 缩 懑k | 特征_ 0
11、提取_ 、 扭结特征信号= - 二二= o i 扭 l ;结 i ;重 i 构 ( 参数计算) ( 信号处理) F F T 变换 0 基频 A O P 变换 高斯信号参数 厂L 扭结个数扭结高度及宽度 图l 基本原理与流程示意图 参 数 提 取 图2 纱线扭结的高度和宽度 2 自动识别算法 2 1 纱线扭结的特征提取 图3 ( a ) 为一段纱线扭结的原始彩色图像,经灰 度和二值化处理后得到黑白图像,见图3 ( b ) ,再以 像素为单位,读取纱线直径沿其轴向分布的数据,得 到扭结特征曲线,如图3 ( c ) 所示。由图3 可看出,纱 线扭结的轮廓特征反映到图3 ( c ) 上,就成为纱线直
12、径沿其轴向有规律的波动,因此这条波动曲线可以 看作是纱线扭结分布的特征曲线。如果要自动识别 出图3 ( a ) 中纱线扭结的个数及每个扭结的高度和 宽度,就必须自动提取扭结特征曲线上一系列波动 的高点幅值及相邻波动低点的距离。从图3 ( c ) 还 可看出,由于扭结分布的不均匀,扭结特征曲线的波 ( a ) 纱线扭结原始图像 ( b ) 纱线扭结二值化图像 O2 0 04 0 06 0 08 0 0l O1 2 0 01 4 纱线轴向长度,像素 ( c ) 扭结特征曲线 图3 纱线扭结的特征提职 动是变频率的,而且所有高点的幅值各异,再加上纱 线图像及其预处理误差带来的曲线局部毛刺和奇异 点,
13、增大了扭结自动识别的难度。 2 2 特征信号基频提取一F F T 变换 图3 ( c ) 所示的扭结特征信号的数据长度为 l4 1 9 点,为了便于F 盯变换,设采样频率F ,为 2 0 0 点s ,数据经去均值、加胁n n i 粥窗后进行F F T 变换,得到幅值谱图4 ( a ) 。 U2 0 04 0 06 0 08 0 0l O O Ol2 0 0l4 0 0 纱线轴向长度,像素 ( b ) 扭结特征信号与基频正弦信号 图4F F T 谱图及基频正弦信号 图4 ( a ) 中幅值最大的分量就是扭结特征信号 波动的近似频率。接下来,采用频谱插值算法可精 确计算出该基频正弦分量的幅值口、频
14、率厂和相位 妒,构造出如下的基频正弦信号。 y = o s i n ( 2 咖f + 妒) + M = 5 4 s i n ( 2 7 r 2 1 4 一1 7 ) + 3 2 5 , z 。= 1 ,2 , F( 1 ) 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 第1 0 期徐宾刚等:纱线扭结分布特征的计算机自动识别方法 式中:膨、f i 分别为基频正弦信号的均值和时间;、 只分别为扭结特征信号的数据长度和采样频率。 图4 ( b ) 中的虚线为式( 1
15、) 计算所得的基频正弦 信号,比较图中的基频正弦和扭结特征信号,两者波 动的频率和幅值大体相近。但由于基频信号自身是 固定频率,所以无法自适应地去精确匹配原扭结特 征信号,且这种情况会随着扭结不均匀度的增大而 更加明显。虽然基频信号无法准确地匹配扭结特征 信号,但它仍然可以提取扭结波动的近似频率,为后 续的A O P 信号变换方法提供预处理参数。 2 3 特征信号参数提取与重构一A o P 变换 将A O P 变换应用到图3 ( c ) 中扭结特征信号的 分解和匹配,基本原理如下。 设扭结特征信号序列为q ( ) ,且基函数G = 雕 川 ,。为一经伸缩和时移的能量规一化( 即 | | g i
16、 | | = 1 ) 高斯函数。 g 。( t ) = ( 7 c 盯:) 一o 2 5 e x p 一( 一产。) 2 2 仃: ( = 0 ,1 ,)( 2 ) 式中,仃;、p ;分别为第i 个基函数g 。( ) 的方差和 均值。 记信号q ( ) 在基函数G 上的最大投影为( g , g i ) 侨,投影后的信号残差量为R :,则 g = ( q ,g i ) g 。+ R : ( 3 ) 显然g 。和R :是正交的,对信号残差量尺:可进行 同样的分解,依次类推可得 一l q = ( R :,g 。) g 。+ R ; ( 4 ) n = 0 式中,R :为第n 次分解后的信号残差量,且
17、尺:= g 。 这样,扭结特征信号q ( ) 就分解为一组高斯基信号 的组合。上述A O P 的快速算法可参考文献 9 。 由于A O P 方法在求解高斯基函数序列时会涉 及许多的经验性和试探性参数,例如分解次数须预 先假设,且基准高斯信号的近似方差需靠经验人为 试探给定,所以要应用A O P 实现扭结特征的自动识 别,就必须首先解决这2 个问题。结合扭结自身分 布的特点,分解次数的终止条件可取 一l ,( R :,氍) ( R ? ,g 。) 寺旦L 广 ( 5 ) 式( 5 ) 的物理意义是当第+ 1 次计算出来的 高斯信号权值小于前个高斯信号权值均值的1 3 时终止分解。式( 5 ) 的
18、提出是基于这样1 个假设:纱 线图片中最小扭结的高度不小于扭结平均高度的 1 ,3 ,对于一张同类纱线的扭结图片来说,这个假设 是合理的。 A O P 快速算法中,需要人为试探给定1 个基准 高斯信号的近似方差以作计算。本文结合F F T 和 A O P 变换,由F F T 计算的近似频率来自动估计出该 高斯信号的方差: 导 式( 6 ) 的数学意义是将F F r 计算出的正弦基频 分量的1 个完整周期长度,当作是基准高斯信号 仃:的分布区间,进而求解出所需近似方差。 利用F F T 提供的正弦基频频率,图3 ( c ) 中扭结 特征信号的A O P 高斯分解结果如图5 ( a ) 所示,共自
19、 动分解出1 5 个高斯信号,具体的信号参数列于 表1 。将这些高斯信号叠加还可以重构出扭结特征 信号,如图5 ( b ) 所示,可以看出两者的波动周期和 高点幅值匹配良好,高斯信号能够变频率自适应进 行信号匹配。 懈5 0 嚣o 俩3 0 饕2 0 懈5 0 嚣o _ | 叫3 0 鏊:o 02 0 04 0 06 0 08 0 0l O O Ol2 0 01 4 0 0 纱线轴向长度像素 ( a ) 纱线扭结特征信号与高斯信号 O2 0 04 0 06 0 08 1O O O1 2 0 01 4 0 0 纱线轴向长度,像素 ( b ) 纱线扭结特征信号与高斯重构信号 懈5 0 蒿t o 咖
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 纱线 扭结 分布 特征 计算机 自动识别 方法
链接地址:https://www.31doc.com/p-3722977.html