發(fā)布時間：2021-09-15 20:30

　　針對色紡織物組織點參數(shù)特征提取困難的問題,建立了基于混合色彩空間與多核學習的色紡織物組織點自動識別算法。首先,將YUV、HSV和Lab 3種色彩空間中具有相同顏色屬性的分量通道進行獨立融合,并構建混合色彩空間;在此基礎上,分別提取色紡織物組織點圖像的局部紋理統(tǒng)計特征與三階顏色矩特征,用于織物組織點特征參數(shù)的表征;最后,通過多核學習算法構建支持向量機,實現(xiàn)織物組織點特征的識別。實驗結果表明,所建立的色紡織物組織點識別算法,不僅能夠?qū)ΩI、斜紋與緞紋等典型結構的組織點進行有效識別,而且對于纖維種類、成紗工藝與織物組分的調(diào)整也具有理想的魯棒性與普適性,其平均識別率達到91. 2%。 

【文章來源】：紡織學報. 2020,41(05)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

部分色紡織物實驗樣本

部分樣本、組織點分割圖及組織結構意匠圖

部分樣本、組織點分割圖及組織結構意匠圖

【參考文獻】：
期刊論文
[1]基于原色纖維混配色織物的呈色特性與影響因素分析[J]. 袁理,代喬民,付順林,鄭力文,鄢煜塵.  紡織學報. 2018(10)
[2]結合全局與局部多樣性特征的色紡紗色度學指標測試與評價[J]. 袁理,代喬民,付順林,鄢煜塵.  紡織學報. 2018(02)
[3]基于混合色彩空間的分塊顏色特征提取算法[J]. 王民,王靜,張立材,張鑫.  激光與光電子學進展. 2018(01)
[4]基于多核學習特征融合的人臉表情識別[J]. 鐘志鵬,張立保.  計算機應用. 2015(S2)
[5]基于圖像處理技術的織物組織識別研究現(xiàn)狀[J]. 張瑞,辛斌杰.  棉紡織技術. 2015(11)
[6]LBP和GLCM融合的織物組織結構分類[J]. 景軍鋒,鄧淇英,李鵬飛,張蕾,張宏偉.  電子測量與儀器學報. 2015(09)
[7]基于多核學習支持向量機的音樂流派分類[J]. 孫輝,許潔萍,劉彬彬.  計算機應用. 2015(06)
[8]基于Lab和YUV顏色空間的農(nóng)田圖像分割方法[J]. 劉瓊,史諾.  國外電子測量技術. 2015(04)
[9]基于不同顏色空間的運動目標檢測算法分析[J]. 丁瑩,錢鋒,范靜濤,姜會林.  長春理工大學學報(自然科學版). 2012(04)
[10]融合LBP和GLCM的紋理特征提取方法[J]. 王國德,張培林,任國全,寇璽.  計算機工程. 2012(11)

碩士論文
[1]織物組織自動識別關鍵技術研究[D]. 孫佳理.浙江大學 2015



本文編號：3396760