基于多光源图像融合的织物纱线分割研究

Fabric image segmentation is a basic issue in fabric structure analysis. In recent years, fabric texture segmentation has received wide attention from researchers in both computer and textile communities. Due to the complexity of the micro-scale structure and texture of fabrics, the fabric structure analysis is still conducted by manual inspection, which is very time-consuming and tedious work. Fabric image segmentation models are dependent on the imaging conditions, the material surface characteristics as well as the size of the sample areas. For this reason, the modeling process of the theoretical segmentation models should be based on the fabric image acquisition methods. This project proposes a new image acquisition method and theoretical segmentation models for fabric yarn segmentation at the micro-scale level. First, the micro-structure image of fabric yarns is obtained by using an image fusion technique through multiple light sources, which is used to reduce the interferences of the light shadows on the yarn surface to the segmentation models. Second, a color mixture model and a yarn region descriptor are proposed according to the characteristics of the fabric images to describe the color and region of yarns. New segmentation models for color yarn separation are then developed by coupling between the image structure-texture decomposition model and the segmentation models based on fuzzy region competition. Third, the fast numerical algorithms are designed for the new models and the experimental validation is conducted to develop an accurate yarn segmentation system. This study will help to improve the level of information technology in fabric production and promote technological progress of textile industry.

织物图像分割是织物结构分析的基本问题。近年来，织物图像分割受到了纺织界和计算机界国内外研究者的广泛关注。由于织物微观结构和纹理的复杂性，其结构参数的分析还依赖于人工进行，存在耗时费力等缺点。织物图像的分割模型与样品的成像条件、材料表面特征以及样品面积大小有关，因此，理论模型的构建应从织物图像获取方式出发。本项目提出一种新的织物纱线微观结构图像获取方法和理论分割模型。首先，利用一种基于多光源成像的图像融合方法获取新的织物纱线微观结构图像，以降低纱线表面的光影对分割模型的消极影响。然后，根据织物图像特点提出一种基于混合颜色空间模型的颜色表征方法和纱线区域算子，并将图像结构-纹理分解模型耦合到分割理论模型，提出基于模糊区域竞争的彩色纱线分割理论模型。最后，设计模型的快速求解算法，通过数值实验验证建立精确的纱线分割系统。项目的研究将有助于提升纺织生产信息化技术水平，促进纺织行业技术进步。

近年来织物图像的智能识别和设计成为织物图像处理的一个新研究热点。本项目的研究源于纺织工业织物图像分析和设计过程中面临的纱线分割难题，采用理论分析、计算模拟和现场数据验证相结合的途径，通过提高织物图像采集过程中纱线成像质量和提出合适的纱线分割理论模型，研究织物彩色图像的区域分割和纱线分割的问题。. 本项目基于多光源成像的图像采集方法构建了不同的织物纱线分割描述算子和理论分割模型，采用基于变分框架下的模糊区域竞争的理论模型设计了织物纱线分割模型的快速求解算法，具体主要包括：.1. 在研究织物图像微观三维结构的成像规律过程中，提出了一种简单且有效的基于多光源成像的彩色图像融合方法获得了图像采集阶段光照效果更加均匀的织物纱线图像，为纱线表面形状的精确分割奠定了基础，有效降低了织物空隙间纱线边缘阴影区域对分割模型的消极影响。.2. 针对织物图像中纱线结构的特点，提出了采用纹理-结构分解方法的基本思想构建织物纱线区域分割模型，通过将混合颜色空间模型的颜色表征向量、基于局部区域的纱线特征描述算子、结构-纹理分解模型耦合到凸与非凸的多区域模糊分割理论模型，研究和设计了不同的快速求解算法，从而获得了更加精确的纱线分割效果。.3. 提出了宏观和微观尺度相结合的多尺度织物纱线识别方法，结合结构-纹理分解模型和近规则纹理建模和分析的方法有效解决了传统的织物纱线分割方法不能处理区域面积较大的纱线分割和识别问题。通过耦合结构-纹理分解模型和织物彩色图像区域分割模型，我们的方法可以应用到织物纹样色彩的识别和颜色设计，进一步拓展了织物纱线图像分割的应用领域，揭示了织物纱线分割技术和织物图像设计领域的内在联系和规律。. 项目的研究成果对解决实际生产中纱线识别和织物配色的问题具有重要的理论意义和应用价值。共发表SCI论文3篇，申请发明专利3项。