混纺纱线中纤维分布测试算法.docVIP

混纺纱线中纤维分布测试算法 　　摘要：本文提出一种混纺纱线中纤维识别算法，为纱线中纤维转移指数的测试提供了一种可靠的测试模式。关键词：图像处理；网格参数；神经网络；纤维转移指数 　　中图分类号：TS107.6 文献标志码：B 　　The Test Algorithm for Fiber Distribution of Blended Yarns 　　Abstract： In this paper， the author proposed an algorithm for identifying fibers of blended yarns. For testing fiber migration index of yarns， it is a reliable test mode. 　　Key words： image processing； mesh parameter； neural network； fiber migration index 　　混纺纱中各组分的纤维在纱截面的径向所处的位置，及其分布数量不是均匀一致的，某一组分的纤维可能优先分布在外层，而另一组分的纤维可能优先分布在内层。由于各种纤维的物理机械性能不同，不同组分纤维在纱截面中的优先分布，会明显影响纱线的强伸性、耐磨性和染色性等。 　　测定和分析混纺纱中纤维径向分布的方法很多，通常是哈氏切片法。传统的方法通过人工检测和识别纤维，已不能满足现代纤维检测和识别的要求。随着图像处理技术的发展，数字图像处理技术已渗透入纺织业全过程产业链，用计算机代替传统的手工劳动是必然趋势。 　　本文提出了一种混纺纱线中纤维识别算法，提出以几何形态与网格参数组成纤维截面特征，采用神经网络进行分类，有效处理了粘连纤维，为纱线中纤维转移指数的测试提供了一种可靠的测试模式。 　　 1 纱线截面图像预处理 　　用哈氏切片器制取试样后，在显微镜上摄取混纺纱的黑白照片，经过筛选，选出对比度最好的照片。经过A/D转换数字化了的原始图像，经处理后呈512×512像素的图像。 　　1.1 图像校正 　　由于存在噪声、光照不均匀和清晰度差等弊病，要获得一幅失真小、背景与对象完全分离、清晰度好的图像，需要平滑处理，本文采用中值滤波及直方图均化，经平滑处理后的细节更加清楚（图 1）。 　　1.2 对象分割及去躁处理 　　图像分割是将数字图像划分为互不相交的区域的过程，可以有效地提取出纤维区域。考虑到图像的直方图分割法依赖于波谷的提取，本文采用自适应阈值法来分割图像。 　　由于噪声普遍存在于数字图像中，会在纤维区域中产生非肤色的噪声，所以对二值图要进行去噪处理。即在以每一个纤维像素为中心的 5 × 5 像素邻域内统计纤维像素的个数，当超过半数时，中心点保留为纤维，否则认为是非纤维。 　　膨胀是数学形态学中的一种基本运算，对填补图像分割后物体中的空洞很有用，其数学表达式为： 　　（1） 　　在公式中S表示膨胀后的二值图像集合，B表示用来进行膨胀的结构元素，结构元素内的每一个元素取值为 0 或1，X表示二值化后的像素集合。为了尽可能保留纤维区域的 　　去噪与膨胀操作有效地去除了零星噪声点，使纤维区域变得更完整光滑。 　　 2 模式识别和分类 　　本研究采用常用的汉密尔顿（Hamilton）转移指数分析法来测定和分析混纺纱中纤维径向分布。本文重点探讨一种纤维截面形态识别方法。 　　2.1 纤维截面特征提取 　　识别纤维时，必须首先找出使计算机正确分类识别的规则和标准。该实验的目的是计算机识别不同纤维，因此首先提取能鉴别两种不同纤维的特征量。在特征参数的选择上很多学者进行了一些探讨，其主流是提取纤维截面形状特征，如链码、傅立叶描述子或小波等。 　　本文根据纤维截面的特点，采用最能反映纤维差别的几何和形态特征与图像局部特征相结合。引入图像局部特征目的在于将粘连纤维截面区域与单根纤维区别开来，几何和形态特征包括：（1）粗细：纤维截面的面积，用像素点表示；（2）圆形度：它的幅值反映了被测量物体边界的复杂程度；（3）矩形度：它反映一个物体矩形度的一个参数是矩形拟合因子。 　　图像局部特征选用文字识别用到的网格特征，首先对纤维边缘轮廓图所有候选块的高度进行归一化，将所有块的高度都归并为16。提取特征时选取块的大小为16 × 16，将其分成 4 × 4 份网格，求出每个网格中边缘点数占整个大块边缘点数百分比，组成16维的特征。由离散傅立叶变换（discrete Fourier transform，DFT）的计算公式可知，位移仅仅影响DFT的角度，而幅值则不受影响，有更佳的学习效果，因此本文使用纤维区内16维数的DFT作为特征。 　　2.2 训练与识别 　　本文采用 3