織物單向懸垂性的評價(jià)方法

， ，，，，

(浙江理工大學(xué)先進(jìn)紡織材料與制備技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，杭州 310018)

織物單向懸垂性的評價(jià)方法

梅帆，陳潔，裘柯檳，李澤華，王遠(yuǎn)遠(yuǎn)，周華

(浙江理工大學(xué)先進(jìn)紡織材料與制備技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，杭州 310018)

在基于窗簾式自然懸掛的單向懸垂性測試方法的基礎(chǔ)上，為了綜合反映織物單向懸垂特性，建立一種新的織物單向懸垂性評價(jià)體系。通過對懸垂投影曲線數(shù)據(jù)優(yōu)化處理、提出一種提取單向懸垂性特征參數(shù)的新算法，并利用這些特征參數(shù)借助模糊聚類算法建立一種織物單向懸垂性評價(jià)方法。模糊聚類結(jié)果顯示：利用提取的特征參數(shù)進(jìn)行模糊聚類所得評定結(jié)果與人為主觀評定結(jié)果一致，表明這些特征參數(shù)能綜合反映織物的單向懸垂特性；該評價(jià)方法可行，為評價(jià)織物單向懸垂性提供新途徑。

單向懸垂；特征參數(shù)；模糊聚類；數(shù)據(jù)處理

0 引 言

織物懸垂性是指織物因自重而下垂的性能，反映織物的懸垂程度和懸垂形態(tài)[1]，是決定織物視覺美感的一個(gè)重要因素，一直以來是國內(nèi)外研究人員的研究重點(diǎn)。在懸垂性測試方面，傳統(tǒng)懸垂性測試方法大多基于傘式投影法[2]，在傘式投影法中，試樣受到的是垂直于試樣平面的力，然而在很多情況下，如西裝、窗簾、帷幕這類織物受到的是平行于重力方向的作用力[3]，因此傘式投影法在測試窗簾這類織物時(shí)與其在使用中實(shí)際受力狀態(tài)不符，存在局限性，而且不能直觀反映織物在自然懸掛狀態(tài)下的三維懸垂形態(tài)。關(guān)于織物懸垂性三維測量技術(shù)已有大量報(bào)道[4-5]，但對于織物三維懸垂形態(tài)方面的測試研究，仍處于探索階段。近年來沈偉[6]等提出了一種全新的織物單向懸垂性測試方法，其測量方法是將試樣以自然懸掛的方式，通過3D掃描儀掃描得到試樣的深度圖像，并將深度圖像經(jīng)過點(diǎn)云拼接[7]建立三維模型，最后通過對試樣三維模型的處理獲取單向懸垂投影曲線，并利用曲線上的特征來反映織物三維懸垂特性?？椢飭蜗驊掖剐詼y量方法與傳統(tǒng)傘式投影法相比，更能直觀地反映織物在實(shí)際使用中的綜合懸垂性能。

本文在前人提出的基于窗簾式自然懸掛的織物單向懸垂性測試方法[8]基礎(chǔ)上，通過對懸垂投影曲線的處理，提取曲線中能夠表達(dá)織物懸垂特性的特征參數(shù)，并利用這些特征參數(shù)對織物懸垂性進(jìn)行模糊聚類分析，將聚類分析結(jié)果與人為主觀評價(jià)織物懸垂性的評定結(jié)果進(jìn)行對比分析，建立一種新的織物單向懸垂性評價(jià)體系。

1 單向懸垂投影曲線的優(yōu)化

單向懸垂投影曲線是在3D掃描儀建立的試樣三維模型上，通過一水平截面截取試樣模型底部所獲得。選擇底部是由于底部受夾持影響最小，最能反映織物在自然狀態(tài)下的懸垂特性。由于試樣三維模型是許多微小三角形逼近原三維實(shí)體的數(shù)據(jù)模型，因此投影曲線實(shí)際是由水平截面與這些微小三角形的交點(diǎn)或交線進(jìn)行首尾相連而成的一條曲線。然而這樣獲得的投影曲線比較粗糙，為了確保下一步特征點(diǎn)提取的順利進(jìn)行，需要對投影曲線加以優(yōu)化，減少曲線中噪聲點(diǎn)以消除干擾。

本文采取的曲線優(yōu)化方法是利用高斯濾波消除高斯噪聲的方法對投影曲線進(jìn)行降噪處理。高斯濾波是指利用高斯模板對數(shù)據(jù)進(jìn)行逐點(diǎn)卷積處理的過程，不同的模板決定著不同的濾波效果。本文中模板構(gòu)成為{1、1、3、1、1}，遍歷次數(shù)為5次，效果如圖1(b)所示，對比圖1(a)、(b)中局部箭頭所指處放大圖(c)、(d)可以看出，優(yōu)化后既保留曲線特征，又減少噪聲點(diǎn)干擾。

圖1 投影曲線優(yōu)化效果圖

2 單向懸垂性特征參數(shù)的提取

在獲得優(yōu)化的懸垂投影曲線基礎(chǔ)上，利用曲線上的特征來獲取能夠表征織物單向懸垂特性的特征參數(shù)?？椢飸掖剐苑謶掖钩潭群蛻掖剐螒B(tài)兩類指標(biāo)，由于測試儀器限制，目前主要用代表懸垂程度的懸垂系數(shù)來表示懸垂性能，不夠合理。周堅(jiān)明等[9]研究表明，人們主觀評判織物懸垂性好壞，更多是綜合懸垂形態(tài)的影響，因此單向懸垂性特征參數(shù)也必須包含懸垂程度和懸垂形態(tài)2類指標(biāo)，其中反映懸垂程度的指標(biāo)有單向懸垂系數(shù)，反映懸垂形態(tài)的指標(biāo)主要包括峰高、峰寬、曲率、彎曲指數(shù)及各指標(biāo)的變異系數(shù)。

2.1 單向懸垂系數(shù)

文獻(xiàn)[8]中提出單向懸垂系數(shù)的定義及計(jì)算方法，單向懸垂系數(shù)F反映織物的單向懸垂程度，其算法為：

(1)

其中：L0為試樣的寬度；L1為試樣折疊寬度；L2為試樣懸垂寬度。示意圖如圖2所示。

圖2 織物懸垂示意圖

2.2 峰高及其變異系數(shù)

峰高定義為波峰點(diǎn)到相鄰兩波谷點(diǎn)水平高度距離的平均值，如圖3所示。峰高反映曲線的凹凸程度，峰高變異系數(shù)反映懸垂形態(tài)在縱向上的勻稱性。

圖3 峰高定義

假設(shè)某一波峰點(diǎn)到相鄰兩波谷點(diǎn)的水平高度為d1、d2,那么峰高h(yuǎn)為：

(2)

其中：d1，d2分別為波峰點(diǎn)的縱坐標(biāo)與相鄰波谷點(diǎn)的縱坐標(biāo)之差。

設(shè)某一懸垂投影曲線的波峰數(shù)為n，峰高為hi(i=1，2，3,…，n)，則平均峰高h(yuǎn)為：

(3)

(4)

2.3 峰寬及其變異系數(shù)

距離峰點(diǎn)1/2個(gè)峰高長度的水平線與曲線的兩個(gè)交點(diǎn)的水平距離定義為峰寬，如圖4所示。峰寬變異系數(shù)反映織物懸垂形態(tài)在橫向上的勻稱性。

圖4 峰寬定義

計(jì)算峰寬d的關(guān)鍵是得到這兩個(gè)交點(diǎn)的橫坐標(biāo)，由于曲線是由平面與三角形的交線連接而成，坐標(biāo)不是逐點(diǎn)連續(xù)，兩個(gè)交點(diǎn)不一定落在現(xiàn)有坐標(biāo)點(diǎn)上，為了準(zhǔn)確得到交點(diǎn)的坐標(biāo)，可以通過線性插值的方法計(jì)算出準(zhǔn)確交點(diǎn)。例如：假設(shè)交點(diǎn)(x，y)在坐標(biāo)點(diǎn)(xn-1，yn-1)，(xn，yn)之間，則可以利用這幾個(gè)點(diǎn)之間的關(guān)系可以得到如下關(guān)系式：

(5)

式中:y即交點(diǎn)縱坐標(biāo)可以由波峰點(diǎn)縱坐標(biāo)求出，設(shè)某一波峰點(diǎn)縱坐標(biāo)為y1，則

(6)

其中：h為峰高。

由式(5)和式(6)可以解出x，同理也可以解出另一個(gè)交點(diǎn)x′，那么峰寬d為：

d=|x-x′|

(7)

(8)

(9)

2.4 曲率及曲率變異系數(shù)

曲率可以反映曲線的彎曲程度。離散點(diǎn)曲率半徑的計(jì)算比較復(fù)雜[10-11]，但可采用近似求解法，即第i個(gè)數(shù)據(jù)點(diǎn)的曲率半徑，可近似為求經(jīng)過鄰近三個(gè)數(shù)據(jù)點(diǎn)di-1，di，di+1的圓弧半徑ρi，ρi用下列公式求出：

(10)

因此可以求出第i個(gè)數(shù)據(jù)點(diǎn)處的曲率ki=1/ρi。

鄰近點(diǎn)的選擇不同會(huì)有不同的結(jié)果，本文需要近似的計(jì)算出波峰點(diǎn)處的曲率來代表波峰的曲率，由于波峰點(diǎn)附近數(shù)據(jù)點(diǎn)密集且間距不同，取相鄰數(shù)據(jù)點(diǎn)計(jì)算曲率時(shí)誤差較大，不能代表波峰的曲率，經(jīng)試驗(yàn)表明，當(dāng)波峰點(diǎn)與所取兩點(diǎn)組成的弧線長度L1占波峰點(diǎn)與計(jì)算峰寬時(shí)所尋兩交點(diǎn)所組成的弧線長度L2的1/3時(shí)能滿足要求，示意圖如圖5所示。

圖5 取點(diǎn)示意圖

(11)

腰椎矢狀面MRI示L4/L5、L5/S1椎間盤Pfirrmann分級［7］Ⅱ～Ⅲ級退行性變，右峽部裂區(qū)T1及T2加權(quán)像低信號，相鄰骨質(zhì)T1及T2加權(quán)像白灰信號；L4，5相鄰棘突T1及T2加權(quán)像呈不規(guī)則高信號，提示峽部裂上、下方及L4，5相鄰棘突骨損傷，后者明顯。L5棘突近橫向裂隙處T1及T2加權(quán)像低信號；杵狀棘突末端信號正常（圖5）。

(12)

2.5 彎曲指數(shù)及其變異系數(shù)

彎曲指數(shù)定義為相鄰兩個(gè)波谷點(diǎn)之間的曲線長度與峰寬的比值。彎曲指數(shù)反映波形的彎曲程度，其值越大，波形越是瘦高。彎曲指數(shù)變異系數(shù)可以反映懸垂形態(tài)整體勻稱性，變異系數(shù)越小，織物懸垂形態(tài)看起來越是優(yōu)美。

彎曲指數(shù)ε的計(jì)算公式如下：

(13)

其中：l為相鄰兩波谷之間的曲線長度；d為峰寬。

(14)

(15)

3 測試與評價(jià)

提取到以上特征參數(shù)后，可以利用這些特征參數(shù)并借助模糊聚類方法建立一個(gè)評價(jià)織物單向懸垂性的評價(jià)體系。在試樣面料選擇上，由于本文并不是探討織物組織結(jié)構(gòu)或材料與懸垂性的關(guān)系，只需要選擇具有不同懸垂性特征的面料即可，因此本文挑選了具有棉、毛、絲綢、輕薄型、厚重型等不同懸垂風(fēng)格的30塊面料試樣，試樣高度取50 cm，寬度取100 cm。

由10位紡織專業(yè)或服裝專業(yè)并且熟悉織物懸垂性的人員組成的評判小組對30塊試樣在懸垂程度和美感程度方面進(jìn)行主觀綜合評定，將30塊試樣分為四個(gè)等級，分別從各等級的試樣中選取一塊最具有代表性的試樣，共四塊試樣作為評價(jià)織物單向懸垂性的參考樣本，分別代表“好”、“較好”、“中等”、“差”4個(gè)等級，編號為1、2、3、4，在織物單向懸垂性測試系統(tǒng)下測得參考樣本的各項(xiàng)特征指標(biāo)，測得數(shù)據(jù)如表1所示。

表1 參考樣本特征指標(biāo)數(shù)據(jù)

從剩余26塊試樣中隨機(jī)挑選8塊試樣作為測試樣本(編號為5—12)，測得其各項(xiàng)特征指標(biāo)(如表2所示)。提取這8塊測試樣本和4塊參考樣本的9項(xiàng)特征指標(biāo)數(shù)據(jù)進(jìn)行模糊聚類，模糊聚類主要有下列3個(gè)步驟。

表2 測試樣本特征指標(biāo)數(shù)據(jù)

a)數(shù)據(jù)標(biāo)準(zhǔn)化

為了使不同量綱的數(shù)據(jù)也能進(jìn)行比較，通常需要對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化變化[12]，將數(shù)據(jù)壓縮在區(qū)間[0，1]上。本文采取的數(shù)據(jù)標(biāo)準(zhǔn)化的方法是極差變換，公式為：

(16)

其中：n為樣本數(shù)，m為特征參數(shù)的個(gè)數(shù)。

12個(gè)樣本以及每個(gè)樣本的9個(gè)特征指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化后矩陣如下：

b) 建立模糊相似矩陣

建立模糊相似矩陣也稱為標(biāo)定，即標(biāo)出衡量被分類對象相似程度的統(tǒng)計(jì)量rij。本文采取的方法是最大最小法，公式如下：

(17)

其中：n為樣本數(shù)，m為特征參數(shù)個(gè)數(shù)。

經(jīng)過計(jì)算后得到模糊相似矩陣如下：

c) 聚類

本文采取聚類方法是傳遞閉包法，通過平方法求出傳遞閉包，將標(biāo)定獲得模糊相似矩陣改造成模糊等價(jià)矩陣，并通過從大到小改變閾值λ(λ∈[0,1])得到不同水平截集，在不同截集水平下進(jìn)行聚類，最后通過確定最佳閾值λ得到最好分類結(jié)果。求得模糊等價(jià)矩陣如下所示：

動(dòng)態(tài)聚類結(jié)果如下所示：

當(dāng)λ=0.9時(shí)，分為12組，{1} {2} {3} {4} {5} {6} {7} {8} {9} {10} {11} {12}；

當(dāng)λ=0.8時(shí)，分為5組，{1} {2，12} {3，6，7，10，11} {4，9，5} {8}；

當(dāng)λ=0.7時(shí)，分為4組，{1，8} {2，12} {3，6，7，10，11} {4，9，5}；

當(dāng)λ=0.6時(shí)，分為2組，{1，8} {2，3，4，5，6，7，9，10，11，12}；

當(dāng)λ=0.5時(shí)，分為1組，{1，2，3，4，5，6，7，8，9，10，11，12}；

關(guān)于如何確定最佳閾值λ，本文采取方法是用F統(tǒng)計(jì)量，將λ所對應(yīng)每個(gè)值的分類情況作F統(tǒng)計(jì)量，統(tǒng)計(jì)結(jié)果如表3所示。

表3 不同分組中λ對應(yīng)的F

由表3可知，當(dāng)λ等于0.7時(shí)，F(xiàn)值最大，說明類與類之間差異最大，分類最好。在此次隨機(jī)挑選8塊試樣中，8號樣品與1號樣品分為一類，單向懸垂性評價(jià)等級為“好”，12號與2號為一類，評價(jià)等級為“較好”，6、7、10、11與3號為一類，評價(jià)等級為“中等”5、9與4號為一類，評價(jià)等級為“差”。分類結(jié)果與人為主觀評價(jià)分類結(jié)果一致。

4 結(jié) 論

本文在基于窗簾式自然懸掛的織物單向懸垂性測試方法基礎(chǔ)上，通過對懸垂投影曲線優(yōu)化處理、提出新的提取單向懸垂性特征參數(shù)的方法，并進(jìn)行模糊聚類測試分析；通過隨機(jī)挑選的8塊試樣中各項(xiàng)數(shù)據(jù)顯示，這些特征參數(shù)可以綜合反映織物單向懸垂特性；利用這些特征參數(shù)借助模糊聚類分析方法提出一種新的織物單向懸垂性評價(jià)方法。模糊聚類結(jié)果顯示這種分類評價(jià)方法與人為主觀評價(jià)分類結(jié)果一致。

[1] 周詳,周靜.織物懸垂性影響因素分析[J].上海紡織科技,2006,34(10):16-17.

[2] 徐軍,姚穆.傘式織物動(dòng)態(tài)懸垂測試裝置的研制與應(yīng)用[J].上海紡織科技,1998,26(3):55-56.

[3] MEI Z H, SHEN W, WANG Y, et al. Unidirectional fabric drape testing method[J]. Plos One,2015,10(11):1-15.

[4] THILAGAVATHI G, NATARAJAN V. Development of a method for measurement of fabric three-dimentional drape and studies on influencing factors[J]. Indian Journal of Fiber &Textile Research,2003,28(1):41-49.

[5] 沈毅,周華,尹紅媛,等.ZYF-3型織物懸垂三維測試儀的研究[J].紡織學(xué)報(bào),2008,29(1):118-122

[6] 沈偉.基于Kinect傳感器的織物單向懸垂性測試方法研究[D].杭州:浙江理工大學(xué),2014.

[7] 郭連朋,徐向?qū)?徐萬朋,等.基于Kinect傳感器的物體三維重建[J].四川兵工學(xué)報(bào),2014,35(11):119-123.

[8] 梅再歡,沈偉,周華,等.織物單向懸垂性特征參數(shù)的提取[J].浙江理工大學(xué)學(xué)報(bào),2016,35(3):346-347.

[9] 周堅(jiān)明,吳震世,李述文.織物懸垂形態(tài)美觀性的研討[J].中國紡織大學(xué)學(xué)報(bào),1998,24(2):44-45.

[10] 韓江,江本赤,夏鏈,等.基于輪廓關(guān)鍵點(diǎn)的B樣條曲線擬合算法[J].應(yīng)用數(shù)學(xué)和力學(xué),2015,36(4):425-426.

[11] ZHOU K, WANG G J, JING H Z, et al. NURBS interpolation based on expolential smoothing forecasting [J]. The International Journal of Advanced Manufacturing Technology,2008,39(11/12):1190-1196.

[12] 蔡靜穎.模糊聚類算法及應(yīng)用[M].北京:冶金工業(yè)出版社,2015:26-27.

EvaluationMethodofFabric’sUnidirectionalDrapability

MEIFan,CHENJie,QIUKebing,LIZehua,WANGYuanyuan,ZHOUHua

(The Key Laboratory of Advanced Textile Materials and Manufacturing Technology,Ministry of Education, Zhejiang Sci-Tech University, Hangzhou 320018, China)

Based on the method of testing unidirectional drapability of curtain-type natural suspension, a new evaluation system of fabric’s unidirectional drapability was established to fully reflect fabric’s unidirectional drapability. By optimizing the data of the curve of draping projection, a new algorithm was proposed for extracting characteristic parameters of fabric’s unidirectional drapability, and a new evaluation method of fabric’s unidirectional drapability was established based on the characteristic parameters with the fuzzy clustering algorithm. The results of fuzzy clustering show that the evaluation result obtained by fuzzy clustering based on the characteristic parameters is consistent with the artificial subjective evaluation result, indicating that these characteristic parameters can fully reflect fabric’s unidirectional drapability; the evaluation method is feasible, providing a new way for evaluating fabric’s unidirectional drapability.

unidirectional drapability; characteristic parameter; fuzzy clustering; data processing

10.3969/j.issn.1673-3851.2017.11.001

2017-06-16 網(wǎng)絡(luò)出版日期： 2017-10-10

梅 帆(1992-)，男，湖北黃岡人，碩士研究生，主要從事紡織計(jì)算機(jī)應(yīng)用方面的研究。

周 華，E-mail:hzzh@zstu.edu.cn

TS107.3

A

1673- 3851 (2017) 06- 0753- 06

(責(zé)任編輯：廖乾生)