為提高洗后織物外觀(guān)平整度主客觀(guān)評(píng)級(jí)的一致率,提出了基于視覺(jué)特征編碼與多分類(lèi)支持向量機(jī)相結(jié)合的織物折皺自動(dòng)評(píng)級(jí)方法。首先,將6塊立體標(biāo)準(zhǔn)樣板擴(kuò)充至450幅具有代表性的織物洗后折皺圖像作為訓(xùn)練集;其次,模擬人眼視覺(jué)聚焦機(jī)制,利用稀疏編碼技術(shù),分別解析9個(gè)半級(jí)圖像子庫(kù)的多尺度編碼特征,并構(gòu)建形成各級(jí)特征向量鏈碼;最后,利用線(xiàn)性多分類(lèi)支持向量機(jī)算法評(píng)定其余200幅測(cè)試樣本。實(shí)驗(yàn)結(jié)果表明:該方法主客觀(guān)一致率為95.1%,評(píng)級(jí)精度為0.1級(jí),單樣本評(píng)級(jí)速度小于6 s,能夠滿(mǎn)足當(dāng)前織物整理劑、洗滌劑、洗護(hù)設(shè)備等護(hù)理效果的商用評(píng)級(jí)用途。 

【文章來(lái)源】：紡織學(xué)報(bào). 2020,41(05)北大核心EICSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

部分織物試樣圖像

式中:m"為泛指任意一圖像的尺寸，像素;p為采樣窗口寬度，設(shè)定為16像素;v為步進(jìn)大小，設(shè)定為6像素;表示向下取整。窗口以t個(gè)像素間隔滑動(dòng)，在計(jì)算每個(gè)窗口內(nèi)中心點(diǎn)的SIFT特征時(shí)，將窗口均分劃分為16個(gè)矩形單元，每個(gè)單元梯度方向數(shù)為8，因此中心點(diǎn)形成128維度的特征向量。對(duì)于1幅大小為m"×m"的圖像，經(jīng)處理得到N個(gè)128維的特征向量，因此，如圖3所示，同一樣本的3個(gè)不同尺度圖像，利用窗口滑動(dòng)計(jì)算各自的D-SIFT特征序列;再將圖3右側(cè)3個(gè)框型內(nèi)D-SIFT特征依次串聯(lián)后，構(gòu)建為有序D-SIFT陣列，用以表示該樣本的底層特征。

利用上述稀疏編碼算法，實(shí)現(xiàn)圖像子庫(kù)的視覺(jué)詞匯提取。以各檔樣本量50幅訓(xùn)練圖像為例，圖4示出各檔視覺(jué)詞匯可視化結(jié)果，其中任意小方格為1個(gè)詞匯，其維度為128，各維度在該子庫(kù)下均有對(duì)應(yīng)的投影系數(shù)。按照每檔出現(xiàn)的頻率高低分布，提取了前1 024個(gè)關(guān)鍵詞匯(見(jiàn)圖4(a))。視覺(jué)特征編碼詞匯圖如圖4(b)～(i)所示，分別為1.5～5級(jí)代表性視覺(jué)詞匯可視化效果。

【參考文獻(xiàn)】：
期刊論文
[1]滾筒洗滌中護(hù)理劑對(duì)織物洗后性能的影響研究[J]. 徐志鳳,范偉超,劉尊峰,黎輝,丁雪梅.  中國(guó)洗滌用品工業(yè). 2018(04)
[2]廣義平均的全參考型圖像質(zhì)量評(píng)價(jià)池化策略[J]. 劉國(guó)軍,高麗霞,陳麗奇.  光學(xué)精密工程. 2017(03)
[3]洗后織物外觀(guān)平整度客觀(guān)評(píng)級(jí)中的若干問(wèn)題[J]. 徐平華,丁雪梅,王榮武,吳雄英.  紡織學(xué)報(bào). 2014(12)
[4]家庭滾筒洗衣機(jī)洗滌溫度對(duì)機(jī)織物外觀(guān)平整性的影響[J]. 袁建榮,李兆君,吳雄英,丁雪梅.  紡織學(xué)報(bào). 2014(07)



本文編號(hào)：3485842