洗后织物外观视觉特征编码与折皱评级

发布时间：2021-11-09 18:18

　　为提高洗后织物外观平整度主客观评级的一致率,提出了基于视觉特征编码与多分类支持向量机相结合的织物折皱自动评级方法。首先,将6块立体标准样板扩充至450幅具有代表性的织物洗后折皱图像作为训练集;其次,模拟人眼视觉聚焦机制,利用稀疏编码技术,分别解析9个半级图像子库的多尺度编码特征,并构建形成各级特征向量链码;最后,利用线性多分类支持向量机算法评定其余200幅测试样本。实验结果表明:该方法主客观一致率为95.1%,评级精度为0.1级,单样本评级速度小于6 s,能够满足当前织物整理剂、洗涤剂、洗护设备等护理效果的商用评级用途。 

【文章来源】：纺织学报. 2020,41(05)北大核心EICSCD

【文章页数】：6 页

【部分图文】：

部分织物试样图像

式中:m"为泛指任意一图像的尺寸，像素;p为采样窗口宽度，设定为16像素;v为步进大小，设定为6像素;表示向下取整。窗口以t个像素间隔滑动，在计算每个窗口内中心点的SIFT特征时，将窗口均分划分为16个矩形单元，每个单元梯度方向数为8，因此中心点形成128维度的特征向量。对于1幅大小为m"×m"的图像，经处理得到N个128维的特征向量，因此，如图3所示，同一样本的3个不同尺度图像，利用窗口滑动计算各自的D-SIFT特征序列;再将图3右侧3个框型内D-SIFT特征依次串联后，构建为有序D-SIFT阵列，用以表示该样本的底层特征。

利用上述稀疏编码算法，实现图像子库的视觉词汇提取。以各档样本量50幅训练图像为例，图4示出各档视觉词汇可视化结果，其中任意小方格为1个词汇，其维度为128，各维度在该子库下均有对应的投影系数。按照每档出现的频率高低分布，提取了前1 024个关键词汇(见图4(a))。视觉特征编码词汇图如图4(b)～(i)所示，分别为1.5～5级代表性视觉词汇可视化效果。

【参考文献】：
期刊论文
[1]滚筒洗涤中护理剂对织物洗后性能的影响研究[J]. 徐志凤,范伟超,刘尊峰,黎辉,丁雪梅.  中国洗涤用品工业. 2018(04)
[2]广义平均的全参考型图像质量评价池化策略[J]. 刘国军,高丽霞,陈丽奇.  光学精密工程. 2017(03)
[3]洗后织物外观平整度客观评级中的若干问题[J]. 徐平华,丁雪梅,王荣武,吴雄英.  纺织学报. 2014(12)
[4]家庭滚筒洗衣机洗涤温度对机织物外观平整性的影响[J]. 袁建荣,李兆君,吴雄英,丁雪梅.  纺织学报. 2014(07)



本文编号：3485842