基于纖維圖像的橫截面輪廓提取和識別技術(shù)

郭榮幸

( 廣州纖維產(chǎn)品檢測研究院，廣東 番禺 511440)

?

基于纖維圖像的橫截面輪廓提取和識別技術(shù)

郭榮幸

( 廣州纖維產(chǎn)品檢測研究院，廣東 番禺 511440)

摘要：為了提高檢驗效率和準(zhǔn)確性，嘗試研究和開發(fā)纖維橫截面智能化軟件，實現(xiàn)纖維多焦面融合、纖維邊緣輪廓自動提取、纖維特征識別。試驗得出：采用區(qū)域劃分的方法可更好的實現(xiàn)多焦面纖維圖像融合為單焦面圖像，利用光斑擴(kuò)散模型的多點擴(kuò)散法，可實現(xiàn)各種纖維形態(tài)的探測，建立人工神經(jīng)網(wǎng)絡(luò)可成功識別纖維種類。

關(guān)鍵詞：橫截面；多焦面融合；輪廓提??；自動識別

中國是紡織品進(jìn)出口和使用大國，同時擁有豐富的各種天然紡織纖維。麻纖維強(qiáng)度高、吸濕透氣性好、具有防霉抗菌作用，但纖維剛度大，褶皺恢復(fù)能力差。棉纖維具有吸濕性性好、穿著舒適的特點，但纖維抗皺性能差。再生纖維素纖維

可紡性、懸垂性能好，但是粘纖濕強(qiáng)不高，莫代爾容易起絨，萊賽爾易出現(xiàn)勾絲起洞。這些纖維混紡制品可以使纖維獲得更好的性能，越來越受到消費者的青睞。同時混紡制品中各纖維的含量影響織物風(fēng)格、性能以及價格，所以對混紡產(chǎn)品的定量分析十分重要。纖維成分含量檢測項目主要有兩種方法：化學(xué)溶解定量分析法、顯微鏡物理定量分析法。檢測方法依據(jù)FZ/T 01057.1-2007至FZ/T 01057.9-2007、GB/T 2910系列標(biāo)準(zhǔn)、FZ/T 01101-2008、GB/T 16988-2013、FZ/T 30003-2009、SN/T 0756-1999、AATCC 20A-2013等相關(guān)標(biāo)準(zhǔn)，化學(xué)溶解定量分析方法有較多的弊端，其一，受時間、溫度、試劑、環(huán)境等方面的影響導(dǎo)致測出的纖維百分比含量與實際含量有較大的差異。其二，需要大量的高濃度的鹽酸、硫酸、硝酸及DMF等有機(jī)試劑，這些試劑的成本很高，同時會產(chǎn)生高腐蝕性的化學(xué)廢液。其三，長期接觸腐蝕性、揮發(fā)性的化學(xué)試劑也會對檢查人員的身體健康造成不良影響。

顯微鏡物理定量分析法檢測是一種綠色環(huán)保的技術(shù)，但是目前，麻、棉、再生纖維素纖維混紡品使用顯微鏡物理法定量分析除進(jìn)行根數(shù)測量外還需要橫截面積測量。在橫截面積測量的過程中，采用人眼觀察纖維在顯微鏡下的成像并判斷纖維種類，人工手繪出不同纖維的輪廓，掃面圖像后進(jìn)行人工單個點取面積。檢驗人員的技術(shù)水平、經(jīng)驗知識等方面的差異會影響結(jié)果的準(zhǔn)確性，所以此方法費時、費力、準(zhǔn)確性不高[1]。近年來，計算機(jī)硬件和軟件技術(shù)的發(fā)展推動了紡織纖維檢測的自動化研究。為了提高檢驗效率和準(zhǔn)確性，嘗試研究和開發(fā)纖維橫截面智能化軟件，實現(xiàn)纖維多焦面融合、纖維邊緣輪廓自動提取、纖維特征提取和目標(biāo)識別分類。

1多焦面融合

在顯微鏡對纖維橫截面圖像采集的過程中，多焦面問題存在成為制約獲得清晰圖像的關(guān)鍵。目前解決多焦面的問題主要采用數(shù)字處理技術(shù)進(jìn)行圖像合成[2]。

在纖維和紡織品實際檢測過程中，一般采用哈式切片法制作纖維橫截面切片[3]。由于刀片傾斜角不當(dāng)、刀片鈍等原因的存在，經(jīng)常出現(xiàn)切片厚薄不均、切削平面不平整等問題，這直接導(dǎo)致多焦面問題的存在，如圖1和圖2所示。

圖1　萊賽爾、莫代爾橫截面切片　圖2　棉、粘纖橫截面切片

由于多焦面的存在，顯微鏡在聚焦搜索過程中無法找到唯一一個聚焦平面。將多焦面圖片的清晰區(qū)域重構(gòu)到一幅圖像上，是獲取完整信息的前提。在多焦面融合成單焦面研究的主要方法有小波變換的圖像采集法、反向濾波器的融合方法和區(qū)域劃分的多焦面融合法[4]。雖然采用小波變換的方法得到的融合圖像清晰，但是圖像的質(zhì)量下降。采用反向濾波器的融合方法雖然圖像質(zhì)量高，但是方法復(fù)雜，不能滿足顯微鏡及時性的要求。為了滿足顯微圖像獲取的速度和質(zhì)量，采用區(qū)域劃分的方法。該方法基于化整體為局部、合局部成整體的思想，將切片整體的聚焦分解為子區(qū)域的聚焦。圖3和圖4所示為采用區(qū)域劃分法多焦面融合前后的圖像。由圖3和圖4可知，采用區(qū)域劃分法能較好的實現(xiàn)多焦面圖像向單焦面圖像的融合。

圖3　不同焦面的圖像　　圖4　合并成完整清晰的圖片

2纖維邊緣輪廓自動提取

不同纖維的橫截面形態(tài)不同，纖維邊緣自動提取的傳統(tǒng)方法是輪廓跟蹤算法，該方法簡便、直觀，易于實現(xiàn)，但它無法分離相互溶結(jié)的目標(biāo)個體，輪廓跟蹤存在無法獲得準(zhǔn)確的圖像邊界的問題。人眼在多目標(biāo)的環(huán)境中首先看到的是目標(biāo)最亮的部分，而不是目標(biāo)的邊緣[5]。人眼首先通過發(fā)光體定位目標(biāo)，再根據(jù)發(fā)光體周圍光線的衰減情況判斷目標(biāo)輪廓。基于這一人眼視覺原理，建立光斑擴(kuò)散模型對纖維橫截面圖像的個體纖維輪廓探測，基本步驟為：(1)搜索光斑：探測到圖像中的纖維個體位置；(2)確定光斑擴(kuò)散的初始點：找出纖維截面內(nèi)部光斑矩形框的中心點即光斑射線的發(fā)散點；(3)光斑擴(kuò)散：使射線從中心點呈放射性向邊緣延伸，探測到纖維截面輪廓邊緣時終止；(4)記憶纖維個體輪廓，以集合的形式存儲數(shù)據(jù)，為特征參數(shù)的提取提供依據(jù)[6]。利用光斑擴(kuò)散模型對光斑進(jìn)行一次性探測的過程中，每個光斑只有一個擴(kuò)散中心，纖維截面中高曲部分會出現(xiàn)探測不到的現(xiàn)象。研究后發(fā)現(xiàn)一個光斑使用多個擴(kuò)散點可以探測到全部纖維的輪廓。由圖5和圖6所示，采用多點擴(kuò)散的方法，不僅可以探測低屈曲的纖維截面，而且高屈曲纖維截面也可完全探測出來，更接近纖維的真實輪廓。

圖5　纖維橫截面圖　　　圖6　纖維橫截面輪廓提取圖

3纖維橫截面特征識別

人工神經(jīng)網(wǎng)絡(luò)是模擬人腦結(jié)構(gòu)和激勵行為的并行非線性系統(tǒng)，在人臉識別、手寫體識別等問題上的大量實際應(yīng)用和仿真實驗表明它具有較好的學(xué)習(xí)能力和泛化性能。人工神經(jīng)網(wǎng)絡(luò)在很多領(lǐng)域有重要的應(yīng)用，包括模式識別與圖像處理、控制與優(yōu)化、金融預(yù)測與管理、通訊等[7-9]。人工神經(jīng)網(wǎng)絡(luò)在紡織領(lǐng)域也有重要的應(yīng)用。天然纖維、再生纖維素纖維的截面形態(tài)特征千差萬別，利用人工神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、自組織和自適應(yīng)的特征可對這些纖維特征進(jìn)行識別[10]。在對纖維截面特征提取的過程中，特征參數(shù)的選擇應(yīng)該具備4個條件：(1)可區(qū)分性，特征值應(yīng)具有明顯的差異；(2)可靠性，對同類對象的特征值應(yīng)比較接近。(3)獨立性，所有的特征彼此之間不相關(guān)；(4)數(shù)量少，用于統(tǒng)計和測試的樣本數(shù)量隨特征維數(shù)呈指數(shù)關(guān)系增長[11]。纖維特征的選取一般包括：面積，周長，離散度，波動率，周長，異形系數(shù)，延展度，圓整度，充滿度，中腔面積，矩形度等。圖7為纖維輪廓自動提取圖，圖8為建立人工神經(jīng)網(wǎng)絡(luò)后成功對纖維輪廓特征提取后對纖維種類識別圖。

圖7　纖維截面輪廓自動提取圖　　圖8　纖維截面輪廓自動識別圖

4結(jié)語

(1)采用區(qū)域劃分的方法對多焦面纖維圖像融合為單焦面圖像，滿足顯微圖像獲取的速度和質(zhì)量的要求。

(2)采用光斑擴(kuò)散模型的多點擴(kuò)散法探測纖維截面輪廓，不僅高屈曲纖維截面可完全探測出來，而且更接近纖維的真實輪廓。

(3)建立人工神經(jīng)網(wǎng)絡(luò)可成功識別纖維種類。

參考文獻(xiàn)：

[1]王朝莉. 基于橫截面圖像分析的纖維異形度的指標(biāo)特征和異形纖維種類的自動識別[D]. 上海：東華大學(xué), 2006.

[2]A.Kubota and K.Aizawa, Inverse filters for reconstruction of arbitrarily focused images from two differently focused images

[C].∥IEEE Int. Conf. on Image Processing(Ⅰ)Vancouver, Canada，2000：101-104.

[3]趙書經(jīng). 紡織材料實驗教程[M]. 北京：中國紡織出版社，1989:6-11.

[4]丁喻洋. 紡織纖維顯微圖像的自動聚焦及多焦面問題的研究[D].上海：東華大學(xué), 2006.

[5]章海軍. 視覺及其應(yīng)用技術(shù)[M]. 杭州：浙江大學(xué)出版社,2004:62-69.

[6]楊寶娣. 混紡紗截面圖像的輪廓探測模型與纖維識別分類方法[D]. 蘇州：蘇州大學(xué),2009.

[7]王旭，王宏，王文輝. 人工神經(jīng)網(wǎng)元絡(luò)原理與應(yīng)用[M]. 沈陽：東北大學(xué)出版社,2000.

[8]邵軍力，張景，魏長華. 人工智能基礎(chǔ)[M]. 北京:電子工業(yè)出版社,2000.

[9]戴葵. 神經(jīng)網(wǎng)絡(luò)實現(xiàn)技術(shù)[M]. 長沙：國防科技大學(xué)出版社,1998.

[10]宗亞寧. 棉麻纖維圖像分析及自動檢測技術(shù)的研究[D]. 上海：東華大學(xué), 2006.

[11]趙麗紅. 人臉檢測和識別算法的研究與實現(xiàn)[D]. 上海：東華大學(xué), 2006.

專利名稱：一種用于文物保護(hù)的絲織物的制備方法

專利申請?zhí)枺篊N201210118790.4

公開號：CN102634995A

申請日：2012.04.20

公開日：2012.08.15

申請人：浙江理工大學(xué)

本發(fā)明公開了一種用于文物保護(hù)的絲織物的制備方法，包括如下步驟：A)配制Na2CO3溶液，將市售普通絲織物放入其中，浸泡攪動；B)將含色素天然植物洗凈，和水放入容器中，加熱至水煮沸后萃取，將萃取液過濾后取出，重復(fù)操作，將萃取液混合備用；C)將經(jīng)過步驟A)處理后的絲織物放入步驟B)取得的混合液中，浸染后取出，晾干；D)取干辣椒、花椒、細(xì)辛、丁香、靈香草、水，保溫浸泡過濾，得到濾液；E)將經(jīng)過步驟C)處理后的絲織物放入步驟D)得到的濾液中浸泡后取出，晾干。本發(fā)明所制作的絲織品安全、無毒，與古代絲綢文物風(fēng)格接近，是一種很好的絲綢文物的加固襯托材料。

專利名稱：一種用于文物保護(hù)的蠶絲絲網(wǎng)的制備方法

專利申請?zhí)枺篊N201210119389.2

公開號：CN102634996A

申請日：2012.04.20

公開日：2012.08.15

申請人：浙江理工大學(xué)

本發(fā)明公開了一種用于文物保護(hù)的蠶絲絲網(wǎng)的制備方法，包括如下步驟：A)用中秋誘導(dǎo)3眠蠶繭繅制細(xì)纖生絲，將其制成細(xì)纖蠶絲絲網(wǎng)；B)配制Na2CO3溶液，將步驟A中的蠶絲絲網(wǎng)放入其中，浸泡攪動；C)將含色素天然植物洗凈，和水放入容器中，加熱至水煮沸后萃取天然植物色素，將萃取液過濾后取出；重復(fù)操作3次，每次的萃取液混合在一起，備用；D)將經(jīng)過步驟B)處理后的蠶絲絲網(wǎng)放入步驟C)取得的混合液中，浸染后取出，晾干。本發(fā)明在對蠶絲絲網(wǎng)進(jìn)行脫膠、老化處理的基礎(chǔ)上，用古代絲織品常用的植物染料對其進(jìn)行染色，所制作的蠶絲絲網(wǎng)安全、無毒，與古代絲綢文物風(fēng)格接近，是一種很好的絲綢文物的修復(fù)加固材料。

收稿日期：2015-11-24