混合色彩空间与多核学习的色纺织物组织点识别

doi:10.13475/j.fzxb.20190804708

纺织学报 ›› 2020, Vol. 41 ›› Issue (05): 58-65.doi: 10.13475/j.fzxb.20190804708

混合色彩空间与多核学习的色纺织物组织点识别

龚雪¹, 袁理¹^,²(), 刘军平³, 杨亚莉¹, 刘沐黎¹, 柯政涛¹, 鄢煜尘⁴

1.武汉纺织大学电子与电气工程学院, 湖北武汉 430200
2.武汉纺织大学湖北省纺织新材料与先进加工技术省部共建国家重点实验室培育基地, 湖北武汉 430200
3.武汉纺织大学数学与计算机学院,湖北武汉 430200
4.武汉大学电子信息学院, 湖北武汉 430072

收稿日期:2019-08-08 修回日期:2020-02-18 出版日期:2020-05-15 发布日期:2020-06-02
通讯作者: 袁理
作者简介:龚雪(1996—),女,硕士生。主要研究方向为图像处理与模式识别。
基金资助:
湖北省自然科学基金项目(2014CFB754);湖北省教育厅科学技术研究计划青年人才项目(Q20141607);中国纺织工业联合会科技项目(2018035);中国纺织工业联合会科技项目(2014072)

Recognition of colored spun fabric interlacing point based on mixed color space and multiple kernel learning

GONG Xue¹, YUAN Li¹^,²(), LIU Junping³, YANG Yali¹, LIU Muli¹, KE Zhengtao¹, YAN Yuchen⁴

1. School of Electronic and Electrical Engineering, Wuhan Textile University, Wuhan, Hubei 430200, China
2. State Key Laboratory for Hubei New Textile Materials and Advanced Processing Technology, Wuhan Textile University,Wuhan, Hubei 430200, China
3. School of Mathematics and Computer Science, Wuhan Textile University, Wuhan,Hubei 430200, China
4. Electronic Information School, Wuhan University, Wuhan, Hubei 430072, China

Received:2019-08-08 Revised:2020-02-18 Online:2020-05-15 Published:2020-06-02
Contact: YUAN Li

摘要/Abstract

摘要：

针对色纺织物组织点参数特征提取困难的问题,建立了基于混合色彩空间与多核学习的色纺织物组织点自动识别算法。首先,将YUV、HSV和Lab 3种色彩空间中具有相同颜色属性的分量通道进行独立融合,并构建混合色彩空间;在此基础上,分别提取色纺织物组织点图像的局部纹理统计特征与三阶颜色矩特征,用于织物组织点特征参数的表征;最后,通过多核学习算法构建支持向量机,实现织物组织点特征的识别。实验结果表明,所建立的色纺织物组织点识别算法,不仅能够对府绸、斜纹与缎纹等典型结构的组织点进行有效识别,而且对于纤维种类、成纱工艺与织物组分的调整也具有理想的鲁棒性与普适性,其平均识别率达到91.2%。

关键词: 色纺织物, 组织点识别, 混合色彩空间, 多核学习, 支持向量机

Abstract:

Aiming at the difficulty in extracting feature parameters of colored fabric interlacing points, an automatic recognition algorithm for such interlacing points based on mixed color space and multiple kernel learning was established. Firstly, the channel having the same color properties among the three-color spaces of YUV, HSV and Lab was fused to construct a mixed color space. On this basis, the local texture features and the third-order color moment features of the image of colored fabric interlacing points were extracted to represent the interlacing points. Finally, support vector machine was constructed by multi-kernel learning algorithm to recognize interlacing point features. The experimental results indicate that the established recognition algorithm can not only effectively recognize the interlacing points in plain, twill and satin weave fabrics, but also has ideal robustness and universality for the adjustment of fabric components and yarn forming process. The average recognition rate achieved in this research reaches 91.2%.

Key words: colored spun fabric, interlacing point recognition, mixed color space, multiple kernel learning, support vector machine

中图分类号:

TS101.9

龚雪, 袁理, 刘军平, 杨亚莉, 刘沐黎, 柯政涛, 鄢煜尘. 混合色彩空间与多核学习的色纺织物组织点识别[J]. 纺织学报, 2020, 41(05): 58-65.

GONG Xue, YUAN Li, LIU Junping, YANG Yali, LIU Muli, KE Zhengtao, YAN Yuchen. Recognition of colored spun fabric interlacing point based on mixed color space and multiple kernel learning[J]. Journal of Textile Research, 2020, 41(05): 58-65.

图/表 12

表1

图1

表2

图2

表3

表4

表5

图3

表6

图4

表7

表8

参考文献 17

[1]	张瑞, 辛斌杰. 基于图像处理技术的织物组织识别研究现状[J]. 棉纺织技术, 2015,45(11):80-84.
	ZHANG Rui, XIN Binjie. Research status of fabric weave identification based on image processing technology[J]. Cotton Textile Technology, 2015,45(11):80-84.
[2]	常利利, 马俊, 邓中民, 等. 基于灰度共生矩阵的织物组织结构差异分析[J]. 纺织学报, 2008,29(10):43-46.
	CHANG Lili, MA Jun, DENG Zhongmin, et al. Study on identification of fabric texture based on gray-level co-occurrence matric[J]. Journal of Textile Research, 2008,29(10):43-46.
[3]	景军锋, 邓淇英, 李鹏飞, 等. LBP和GCLM融合的织物组织结构分类[J]. 电子测量与仪器学报, 2015,29(9):1406-1412.
	JING Junfeng, DENG Qiying, LI Pengfei, et al. Fabric structure classification based on LBP and GLCM fusion[J]. Journal of Electronoc Measurement and Instrumention, 2015,29(9):1406-1412.
[4]	商琳, 杨育彬, 王亮, 等. 基于颜色共生矩阵的纹理检索算法MCM[J]. 南京大学学报, 2004,40(5):540-547.
	SHANG Lin, YANG Yubin, WANG Liang, et al. An image texture retrieval algorithm based on color co-occurrence matrix[J]. Journal of Nanjing University, 2004,40(5):540-547.
[5]	孙佳理. 织物组织自动识别关键技术研究[D]. 杭州:浙江大学, 2015: 3-26.
	SUN Jiali. Research of key algorithms used in automatic recognition of woven fabric structures[D]. Hangzhou: Zhejiang University, 2015: 3-26.
[6]	丁莹, 钱锋, 范静涛, 等. 基于不同颜色空间的运动目标检测算法分析[J]. 长春理工大学学报(自然科学版), 2012,35(4):1-4.
	DING Ying, QIAN Feng, FAN Jingtao, et al. Study on moving object detection algorithm based on different color space[J]. Journal of Changchun University of Science and Technology(Natural Science Edition), 2012,35(4):1-4.
[7]	庞晓敏, 闵子建, 阚江明. 基于HIS和LAB颜色空间的彩色图像分割[J]. 广西大学学报(自然科学版), 2011,36(6):976-980.
	PANG Xiaomin, MIN Zijian, KAN Jiangming. Color image segmentation based on HIS and LAB color space[J]. Journal of Guangxi University(Natural Science Edition), 2011,36(6):976-980.
[8]	刘琼, 史诺. 基于Lab和YUV颜色空间的农田图像分割方法[J]. 国外电子测量技术, 2015,34(4):39-42.
	LIU Qiong, SHI Nuo. Farmland image segmentation based on Lab and YUV color spaces[J]. Foreign Electronic Measurement Technology, 2015,34(4):39-42.
[9]	王民, 王静, 张立材, 等. 基于混合色彩空间的分块颜色特征提取算法[J]. 激光与光电子学进展, 2018,55(1):258-264.
	WANG Min, WANG Jing, ZHANG Licai, et al. Block color feature extraction algorithm based on mixed color space[J]. Laser and Optoelectronics Progress, 2018,55(1):258-264.
[10]	袁理, 代乔民, 付顺林, 等. 结合全局与局部多样性特征的色纺纱色度学指标测试与评价[J]. 纺织学报, 2018,39(2):157-164.
	YUAN Li, DAI Qiaomin, FU Shunlin, et al. Global and local diversity features-fused colorimetry index testing and evaluation of colored spun yarns[J]. Journal of Textile Research, 2018,39(2):157-164.
[11]	包晓敏, 曹作宝, 汪亚明, 等. 基于嗅觉神经网络的组织识别[J]. 纺织学报, 2011,32(4):52-56.
	BAO Xiaomin, CAO Zuobao, WANG Yaming, et al. Fabric pattern recognition based on olfactory neural network[J]. Journal of Textile Research, 2011,32(4):52-56.
[12]	孙辉, 许洁萍, 刘彬彬. 基于多核学习支持向量机的音乐流派分类[J]. 计算机应用, 2015,35(6):1753-1756. doi: 10.11772/j.issn.1001-9081.2015.06.1753
	SUN Hui, XU Jieping LIU Binbin. Music genre classification based on multiple kernel learning and support vector machine[J]. Journal of Computer Applications, 2015,35(6):1753-1756. doi: 10.11772/j.issn.1001-9081.2015.06.1753
[13]	钟志鹏, 张立保. 基于多核学习特征融合的人脸表情识别[J]. 计算机应用, 2015,35(S2):245-249.
	ZHONG Zhipeng, ZHANG Libao. Facial expression recognition based on multi-feature fusion by multi-kernel SVM[J]. Journal of Computer Applications, 2015,35(S2):245-249.
[14]	SHEN Jiajia, ZHOU Xiang. Spectrophotometric colour matching algorithm for top-dyed mélange yarn based on an artificial neural network[J]. Coloration Technology, 2017,133:341-346. doi: 10.1111/cote.2017.133.issue-4
[15]	WEI Chunao, WAN Xiaoxia, LI Junfeng. Color prediction model for pre-colored fiber blends based on modified Stearns-Noechel function[J]. Dyes and Pigments, 2017,147:544-551. doi: 10.1016/j.dyepig.2017.08.012
[16]	袁理, 代乔民, 付顺林, 等. 基于原色纤维混配色织物的呈色特性与影响因素分析[J]. 纺织学报, 2018,39(10):38-43.
	YUAN Li, DAI Qiaomin, FU Shunlin, et al. Analysis of color rendering characteristics and influencing factors of primary color fiber mixed color fabrics[J]. Journal of Textile Research, 2018,39(10):38-43. doi: 10.1177/004051756903900107
[17]	王国德, 张培林, 任国全, 等. 融合LBP和GLCM 的纹理特征提取方法[J]. 计算机工程, 2012,38(11):199-201. doi: 10.3969/j.issn.1000-3428.2012.11.061
	WANG Guode, ZHANG Peilin, REN Guoquan, et al. Texture feature extraction method fused with LBP and GLCM[J]. Computer Engineering, 2012,38(11):199-201. doi: 10.3969/j.issn.1000-3428.2012.11.061

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

样本编号	捻系数	染色纤维质量分数/%
样本编号	捻系数	白色	红色	绿色
SS41A	330	30.00	35.00	35.00
SS43A	370	30.00	35.00	35.00
SS51A	330	30.00	34.75	35.25
SS53A	370	30.00	34.75	35.25
SS61A	330	30.00	34.50	35.50
SS63A	370	30.00	34.50	35.50
SS71A	330	30.00	34.00	36.00
SS73A	370	30.00	34.00	36.00
SS81A	330	30.00	33.00	37.00
SS83A	370	30.00	33.00	37.00
SS41D	330	30.00	35.00	35.00
SS43D	370	30.00	35.00	35.00
SS51D	330	30.00	34.75	35.25
SS53D	370	30.00	34.75	35.25
SS61D	330	30.00	34.50	35.50
SS63D	370	30.00	34.50	35.50
SS71D	330	30.00	34.00	36.00
SS73D	370	30.00	34.00	36.00
SS81D	330	30.00	33.00	37.00
SS83D	370	30.00	33.00	37.00
SS41F	330	30.00	35.00	35.00
SS43F	370	30.00	35.00	35.00
SS51F	330	30.00	34.75	35.25
SS53F	370	30.00	34.75	35.25
SS61F	330	30.00	34.50	35.50
SS63F	370	30.00	34.50	35.50
SS71F	330	30.00	34.00	36.00
SS73F	370	30.00	34.00	36.00
SS81F	330	30.00	33.00	37.00
SS83F	370	30.00	33.00	37.00

样本编号	染色纤维质量分数/%			说明
样本编号	白色	大红或黑色	金黄或蓝色	说明
17001	95.05	3.93	1.02	无
17004	93.60	3.90	2.50	无
17005	93.10	3.90	3.00	无
17006	94.96	3.06	1.98	无
17008	94.10	3.90	2.02	无
17008-1	94.10	3.90	2.02	捻系数300
17014	93.75	4.70	1.55	无
17015	94.01	3.53	2.46	无
17016	94.10	3.90	2.00	短绒棉
17017	94.10	3.90	2.00	长绒棉
17018	92.00	4.00	4.00	无
17020	88.00	4.00	8.00	无
17021	90.00	2.00	8.00	无
17022	89.00	3.00	8.00	无
17023	88.10	4.00	7.90	无
17024	91.00	3.00	6.00	无
17025	92.00	2.00	6.00	无
17026	88.00	4.00	8.00	捻系数54
17027	91.00	3.00	6.00	无
17028	92.00	2.00	6.00	无

权重 (高斯∶线性)	各类织物中组织点的识别率/%				组织点的平均识别率/%
权重 (高斯∶线性)	平纹	斜纹	缎纹		组织点的平均识别率/%
0.0∶1.0	88.1	87.4	65.2	80.23
0.1∶0.9	93.1	92.4	71.7	85.73
0.2∶0.8	93.2	91.4	74.8	86.47
0.3∶0.7	93.7	91.0	74.5	86.40
0.4∶0.6	93.3	89.6	74.1	85.67
0.5∶0.5	93.7	90.4	76.7	86.93
0.6∶0.4	94.5	92.8	76.7	88.00
0.7∶0.3	93.9	91.8	76.7	87.47
0.8∶0.2	94.1	94.4	81.0	89.83
0.9∶0.1	94.5	95.4	83.7	91.20
1.0∶0.0	92.7	95.8	83.0	90.50

组织结构	样本编号	白色、红色、绿色纤维质量比	组织点识别率/%	组织点平均识别率/%
平纹	SS41A	30.00∶35.00∶35.00	98	95.2
	SS51A	30.00∶34.75:35.25	98
	SS61A	30.00∶34.50:35.50	93
	SS71A	30.00∶34.00∶36.00	92
	SS81A	30.00∶33.00∶37.00	95
斜纹	SS41D	30.00∶35.00∶35.00	98	96.8
	SS51D	30.00∶34.75:35.25	100
	SS61D	30.00∶34.50:35.50	90
	SS71D	30.00∶34.00∶36.00	98
	SS81D	30.00∶33.00:37.00	98
缎纹	SS41F	30.00∶35.00∶35.00	84	83.4
	SS51F	30.00∶34.75:35.25	86
	SS61F	30.00∶34.50:35.50	81
	SS71F	30.00∶34.00∶36.00	82
	SS81F	30.00∶33.00∶37.00	84

组织结构	样本编号	白色、红色、绿色纤维质量比	组织点识别率/ %	组织点平均识别率/%
平纹	SS43A	30.00∶35.00∶35.00	94	93.8
	SS53A	30.00∶34.75∶35.25	97
	SS63A	30.00∶34.50∶35.50	89
	SS73A	30.00∶34.00∶36.00	93
	SS83A	30.00∶33.00∶37.00	96
斜纹	SS43D	30.00∶35.00∶35.00	94	94.0
	SS53D	30.00∶34.75∶35.25	94
	SS63D	30.00∶34.50∶35.50	92
	SS73D	30.00∶34.00∶36.00	96
	SS83D	30.00∶33.00∶37.00	94
缎纹	SS43F	30.00∶35.00∶35.00	84	84.0
	SS53F	30.00∶34.75∶35.25	81
	SS63F	30.00∶34.50∶35.50	83
	SS73F	30.00∶34.00∶36.00	89
	SS83F	30.00∶33.00∶37.00	83

混合色彩空间与多核学习的色纺织物组织点识别

Recognition of colored spun fabric interlacing point based on mixed color space and multiple kernel learning

RichHTML

PDF (PC)

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 17

相关文章 15

Metrics

本文评价

推荐阅读 0

样本编号	白色、大红、金黄纤维质量比	组织点识别率/%	组织点平均识别率/%	样本编号	白色、黑色、蓝色纤维质量比	组织点识别率/%
17001	95.05∶3.93∶1.02	96	95.8	17018	92.00∶4.00∶4.00	93	93.5
17004	93.60∶3.90∶2.50	98		17020	88.00∶4.00∶8.00	94
17005	93.10∶3.90∶3.00	96		17021	90.00∶2.00∶8.00	88
17006	94.96∶3.06∶1.98	96		17022	89.00∶3.00∶8.00	90
17008	94.10∶3.90∶2.02	97		17023	88.10∶4.00∶7.90	90
17008-1	94.10∶3.90∶2.02	93		17024	91.00∶3.00∶6.00	92
17014	93.75∶4.70∶1.55	97		17025	92.00∶2.00∶6.00	94
17015	94.01∶3.53∶2.46	95		17026	88.00∶4.00∶8.00	96
17016	94.10∶3.90∶2.00	95		17027	91.00∶3.00∶6.00	98
17017	94.10∶3.90∶2.00	95		17028	92.00∶2.00∶6.00	100

实验方法	各类织物中组织点的识别率/%				组织点的平均识别率/%
实验方法	平纹	斜纹	缎纹		组织点的平均识别率/%
方法1	86.4	92.0	85.2	87.87
方法2	66.4	93.4	73.0	77.60
方法3	92.7	95.8	83.0	90.50
本文方法	94.5	95.4	83.7	91.20

实验方法	各类织物中组织点的识别率/%		组织点的平均识别率/%
实验方法	纤维的颜色组成白色、大红、金黄	纤维的颜色组成白色、黑色、蓝色	组织点的平均识别率/%
方法1	89.2	92.8	91.00
方法2	55.0	59.0	57.00
方法3	90.0	94.8	92.40
本文方法	95.8	93.5	94.65

[1]	夏海浜, 黄鸿云, 丁佐华. 基于迁移学习与支持向量机的服装舒适度评估[J]. 纺织学报, 2020, 41(06): 125-131.
[2]	石康君, 王静安, 高卫东. 基于傅里叶频谱特征的织物平整度客观评级[J]. 纺织学报, 2019, 40(11): 50-56.
[3]	刘沐黎, 袁理, 杨亚莉, 刘军平, 程哲, 龚雪, 纪昌俊, 鄢煜尘. 基于混合色彩空间独立特征的色纺面料颜色表征模型[J]. 纺织学报, 2019, 40(09): 62-69.
[4]	陶开鑫, 俞成丙, 侯颀骜, 吴聪杰, 刘引烽. 基于最小二乘支持向量机的棉针织物活性染料湿蒸染色预测模型[J]. 纺织学报, 2019, 40(07): 169-173.
[5]	袁理, 王丹书, 谷迁, 屠劭杰, 熊莹, 袁浩然, 刘军平, 鄢煜尘. 基于光谱泛相似测度的色纺纱线与织物间呈色规律[J]. 纺织学报, 2019, 40(02): 30-37.
[6]	袁理代乔民付顺林郑力文鄢煜尘. 基于原色纤维混配色织物的呈色特性与影响因素分析[J]. 纺织学报, 2018, 39(10): 38-43.
[7]	李佳平沈国康欧耀明孟想辛斌杰. 应用连续投影算法及最小二乘支持向量机的单组分纺织品识别[J]. 纺织学报, 2018, 39(08): 46-51.
[8]	金关秀张毅楼永平祝成炎. 应用粗糙集和支持向量机的熔喷非织造布过滤性能预测[J]. 纺织学报, 2018, 39(06): 142-148.
[9]	张陆佳林兰天陈春敏申炎仃高琮. 基于主成分分析的纤维拉伸断裂声发射信号识别[J]. 纺织学报, 2018, 39(01): 19-24.
[10]	张建新张银露胡旭东. 光谱优化处理结合多层次支持向量机的混合染液浓度检测方法[J]. 纺织学报, 2017, 38(07): 90-94.
[11]	李东万贤福汪军. 采用傅里叶描述子和支持向量机的服装款式识别方法[J]. 纺织学报, 2017, 38(05): 122-127.
[12]	陈孝之谢莉青. 织物颜色配准到标准色卡的计算机识别与仿真[J]. 纺织学报, 2016, 37(05): 150-154.
[13]	应乐斌, 戴连奎, 吴俭俭, 孙国君. 基于纤维纵向显微图像的棉／亚麻单纤维识别[J]. 纺织学报, 2012, 33(4): 12-18.
[14]	艾解清高济彭艳斌. 基于离散粒子群算法的织物疵点特征选择[J]. 纺织学报, 2011, 32(11): 53-57.
[15]	张秀美;孙永剑;郭亮伟. 面向大批量定制的基于改进的LS-SVM服装需求预测模型[J]. 纺织学报, 2010, 31(5): 141-145.