贾卡经编织物花纹图案的自动识别.pdfVIP

第 28 卷 第 3 期 武 汉 纺 织 大 学 学 报 Vol.28 No.3 2 0 1 5 年 0 6 月 J O U R N A L O F W U H A N T E X T I L E U N I V E R S I T Y J u n . 2 0 1 5 贾卡经编织物花纹图案的自动识别 1 2* 1 张 勇 ，邓中民 ，马 俊 （1. 武汉纺织大学 数学与计算机学院，湖北 武汉 430200; 2. 武汉纺织大学 纺织科学与工程学院，湖北 武汉 430200 ） 摘 要：在一般的花型设计和检测印染织物花型是否走样的过程中，都需要将花纹提取出来。为了快速地将织物 花纹图案提取出来，提高花纹设计效率，本文主要基于织物图像的颜色特征，对织物图像建立高斯混合模型，然 后根据后验概率的排序大小，并对织物图像的不同层次进行相应的标注，从而标记出所需的织物花纹。结果表明： 该方法能有效地将完整的花纹提取出来，准确度高，速度快，具有一定的实用价值。 关键词 ：聚类算法；高斯混合模型；花纹提取；颜色特征 中图分类号：TS101.9 文献标识码：A 文章编号：2095 －414X(2015)03 －0045 －04 在传统的花型设计过程中，对于给定的来样图，需要将织物的花纹识别与提取出来。另一方面，在印 染织物的检测过程中，经常会出现印染花型与客户需求不一致的现象，即“花型走样”，该过程依然需要 将织物的花纹提取出来。一般地，上述工艺过程必须依赖人力完成，主要通过 PS 绘图软件进行抠图和手 工绘制意匠图等方式，但这样的设计过程，已经不能满足现代化的设计要求。为了提高工作效率，减少不 必要的资源消耗，迫切的需要一种数字化技术来完成织物花纹的自动识别与提取。 织物花纹的自动识别实质上是图像分割。图像分割是实现自动图像分析和模式识别的首要问题，它根 据图像的某些特征或特征集合的相似性准则，对图像像素进行分组聚类。但针对不同的应用背景，各种图 像分割算法都有一定的局限性，即没有一种通用的图像分割算法能适合各种应用背景。针对织物图像的分 割，目前对此研究较少，主要集中于运用图像处理的方法，虽然取得了一定的成果，但仍有不足之处。 据此，本文主要研究对象是贾卡经编织物，鉴于贾卡经编织物表面颜色特征呈现出的差异性，提出了 基于高斯混合模型的织物花纹识别算法，该方法是一种基于统计模式识别的分割方法，具有快速和适应性 广泛的特点。实验表明，该方法对于贾卡经编织物图像分割效果良好，能很好的将织物花纹提取出来。 1 高斯混合模型(GMM) 1.1 高斯混合模型(GMM)原理 GMM 是一种常用的数学模型，被广泛应用于语言、图像识别等方面，取得了良好的效果。设定有 N 个 点组成了指定的数据集 X (x ,x ,L ,x )，将数据集X 在 d 维空间中的对应的点作为一定分布的样本 1 2 n 值，则此分布可由 M 个高斯密度函数的加权平均所表示，此概率密度函数的一般表达式为 M M P (x ) λ G (x,µ ,=Σ ),λ ≥0且 λ 1 （1 ） ∑ j j j