評價服裝穿著起皺程度的圖像處理及特征提取方法
【專利摘要】本發(fā)明公開了一種評價服裝穿著起皺程度的圖像處理及特征提取方法。目前常用的圖像濾波在突出織物折皺特征的同時，也大幅度提高了圖像中的邊緣，還會把一些折皺細節(jié)當作噪聲去除，這嚴重影響了折皺特征值提取的準確性。本發(fā)明的步驟：服裝折皺部位的圖像采集；利用分數(shù)微分算法對折皺圖像進行卷積濾波；折皺特征參數(shù)提?。挥嬎闼@取的膝蓋、肘部和大腿根部這三個折皺部位圖像的折皺度，并求出總折皺度。本發(fā)明提出采用分數(shù)微分算法對折皺圖像進行預處理，然后再提取折皺度作為評價服裝穿著起皺程度的指標，不僅改善了折皺細節(jié)提取的效果，還提高了評價結果與肉眼觀察的吻合性和一致性，從而使檢測精度大大提高。
【專利說明】
評價服裝穿著起皺程度的圖像處理及特征提取方法
技術領域
[0001] 本發(fā)明屬于紡織服裝性能測試領域，尤其涉及一種評價服裝穿著起皺程度的圖像 處理及特征提取方法。
【背景技術】
[0002] 折皺是指服裝在穿著、保管過程中受到彎曲、洗滌、人體運動等因素的影響，使服 裝產(chǎn)生難以恢復原來平整狀態(tài)的變形。這種折皺不僅影響穿著美觀性，而且折皺區(qū)域易受 到嚴重磨損，加快服裝破損。因此對其進行客觀、準確的評價尤為重要。目前服裝折皺的評 價主要通過DP等級，這是一種簡單、直接的主觀評價方法，但結果易受到環(huán)境、評價人員心 理等因素的影響。同時，等級評定需要多名專業(yè)人士評價，耗時、耗力。
[0003] 隨著信息技術的發(fā)展，圖像處理技術在紡織服裝領域得到了廣泛的應用。運用圖 像處理技術可以更加快速、客觀地評價服裝表面的平整度，彌補了主觀評價的不足。從上個 世紀90年代開始，國內外的學者就采用各種圖像處理的方法，提取表征織物折皺等級的特 征值，進行客觀等級評定。
[0004] 目前關于圖像處理技術在織物平整度中的應用已經(jīng)取得了一定的成果，但仍然存 在以下不足:特征提取前進行的預處理，如圖像增強、圖像濾波去噪、圖像灰度均衡化等手 段，對改善圖像的清晰度和質量，去除噪聲，突出圖像特征等起重要作用。但是目前常用的 圖像濾波方法，如中值濾波、線性濾波、自適應濾波等，在突出織物折皺特征的同時，也大幅 度提高了圖像中的邊緣，還會把一些折皺細節(jié)當作噪聲去除，這嚴重影響了折皺特征值提 取的準確性。

【發(fā)明內容】

[0005] 本發(fā)明的目的在于針對以上織物起皺圖像處理及特征提取中存在的問題，提出一 種新的評價服裝穿著起皺程度的圖像處理及特征提取方法。
[0006] 本發(fā)明的上述技術目的是通過以下技術方案實現(xiàn)的：一種評價服裝穿著起皺程度 的圖像處理及特征提取方法，它包括以下步驟：
[0007] 步驟1.服裝折皺部位的圖像采集。服裝經(jīng)穿著起皺后，運用1/2.3英寸、2010萬像 素的CCD傳感器，獲取穿在人體上的膝蓋、肘部和大腿根部這三個起皺嚴重部位的折皺圖 像，并將采集后的這三個折皺圖像輸入計算機裁剪成同樣的尺寸大小，以便于統(tǒng)一參數(shù)，然 后對每個折皺圖像進行步驟2和3的處理。
[0008] 步驟2.利用分數(shù)微分算法對折皺圖像進行卷積濾波。將分數(shù)微分算法的卷積濾波 運用到折皺圖像中，會使折皺紋理細節(jié)隨高頻信號的增強而被大幅度的提升，折皺紋理總 體趨勢也有所保留，從而對折皺細節(jié)的提取起到良好的效果。
[0009] (1)引入差分函數(shù)。將一元信號u(t)的區(qū)間[a，t]按k=l的距離進行平均等分，得 吐
分割數(shù)?？傻贸鲂盘杣 (t)的V階分數(shù)微分差值：
[0011] 式中，Γ為伽馬函數(shù)，η!為η的階乘。
[0012] (2)對折皺圖像進行差分形式轉化。MXN像素的二維折皺圖像f(x，y)的連續(xù)區(qū)間 只能以圖像像素為單位，等分間隔k只能為1，即折皺圖像在(x b，xa)，ye (yb，ya)按k=l 的距離進行平均等分，得到nx = [ Xb-Xa ]，ny = [ yb-ya]的分割數(shù)。因此可以得到f (X，y)對X和y 的V階偏微分差值近似表達式為：
[0013]
[0014]
[0015]
[0016]
[0017] (3)對p = 1，2，3，…，7中的每個值構造(2ρ+1 )β( 2p+l)的算子模板，首先考慮X方向 和y方向，然后再考慮兩個斜向45度方向上像素的影響，從而得到八個對稱方向的算子模 板。
[0018] (4)在M X N的折皺圖像f (x，y)上，用上述構造的每個算子模板對f (X，y)進行卷積 濾波，其表達式為：
[0019]
C1 )
[0020] 式中，w(s，t)是構造的算子模板。為了得到一幅完整的經(jīng)過增強處理的圖像，必須 對χ = 0，1，2，···，Μ-1和γ = 0，1，2，···，Ν-1依次應用到式(1)，以保證圖像所有像素得到計算。
[0021] (5)為了綜合分析不同算子模板對圖像增強的效果，將3*3,5*5,7*7,…，15*15不 同的算子模板w(s，t)對圖像增強處理的結果進行對比，最后選擇紋理細節(jié)增強效果最佳的 算子模板。
[0022] 步驟3.折皺特征參數(shù)提取。圖像經(jīng)分數(shù)微分算法卷積濾波處理后，提取折皺度C作 為表征評價折皺程度的指標，其計算核心是建立方向角局部邊緣的概率直方圖。具體步驟 如下：
[0023] (1)計算每個像素處的梯度向量。梯度向量是指像素點周圍灰度值增加最快的方 向，分為水平梯度△ H、垂直梯度△ V。梯度向量的極坐標為：
[0024]
[0025]式中，I AGl是水平、垂直梯度的平均值，γ是梯度角。
[0026] (2)構誥方向角局部仂緣概率直方圖：
[0027]
[0028]式中，NY(k)是當 I AG| 2T且(2k-l)/2n<0/ji< (2k+l)/2n時像素的數(shù)量，T表示閾 值。方向角局部邊緣概率直方圖對于具有明顯起伏特征的圖像會表現(xiàn)出峰值，對于無明顯 起伏特征的圖像則表現(xiàn)得比較平坦。
[0029] (3)圖像總體的起伏程度可以通過計算直方圖中峰值的尖銳程度獲得，歸一化后 的折皺度計算公式為：
[0030；
[0031]式中，P代表直方圖中的第一個峰值，nP為直方圖中最后一個峰值。對于某個峰值， Wp代表該峰值兩側谷底距離，而是波峰中心位置，#是該峰值兩側谷底之間的像素相對 該波峰中心位置的距離，r是歸一化因子。
[0032] 步驟4.計算所獲取的膝蓋、肘部和大腿根部這三個折皺部位圖像的折皺度，分別 記作Ci蓋、Oh?、并求出總折皺度C總=Qg蓋+Cwarf CiUf翻?？傉郯櫠菴總的數(shù)值越大，說明該 服裝穿著起皺程度越嚴重。
[0033] 本發(fā)明的有益效果：
[0034] 現(xiàn)有常用的圖像濾波方法有：中值濾波、線性濾波、自適應濾波等，均為整數(shù)微分 算法，在突出織物折皺特征的同時，圖像中的邊緣也被大幅度提高，同時一些折皺細節(jié)會當 作噪聲去除，這嚴重影響了折皺特征值提取的準確。針對這一現(xiàn)象，本發(fā)明提出采用分數(shù)微 分算法對折皺圖像進行預處理，然后再提取折皺度作為評價服裝穿著起皺程度的指標，不 僅改善了折皺細節(jié)提取的效果，還提高了評價結果與肉眼觀察的吻合性和一致性，從而使 檢測精度大大提尚。
【附圖說明】
[0035]圖1為本發(fā)明的流程圖。
【具體實施方式】
[0036] 以下結合附圖，對本發(fā)明的技術方案作進一步具體說明。
[0037] 圖1是本發(fā)明的技術路線圖，結合圖1本發(fā)明的實施步驟為：
[0038]步驟1.服裝折皺部位的圖像采集。服裝經(jīng)穿著起皺后，運用1/2.3英寸、2010萬像 素的CCD傳感器，獲取穿在人體上的膝蓋、肘部和大腿根部這三個起皺嚴重部位的折皺圖 像。經(jīng)反復實驗發(fā)現(xiàn)，服裝穿著在人體上，在傳感器距離起皺部位28cm處獲取的折皺圖像最 完整，更有利于后期處理。為減少背景光線的影響，選用黑色幕布，以減少反光;將采集后的 三個折皺圖像輸入計算機裁剪成同樣的尺寸大小，以便于統(tǒng)一參數(shù)，然后對每個折皺圖像 進行步驟2和3的處理。
[0039]步驟2.利用分數(shù)微分算法對折皺圖像進行卷積濾波。將分數(shù)微分算法的卷積濾波 運用到折皺圖像中，會使折皺紋理細節(jié)隨高頻信號的增強而被大幅度的提升，折皺紋理總 體趨勢也有所保留，從而對折皺細節(jié)的提取起到良好的效果。
[0040] 假設函數(shù)y = f(t)，自變量t的取值范圍為(a，b)，在該區(qū)間上的V階分數(shù)階微分為： Dvf (t)。其中v>0，稱為分數(shù)階微分。
[0041] 若函數(shù)f(t)在區(qū)間(a,b)內連續(xù)可導，則f(t)的一階導數(shù)為：
[0042]
[0043] I導出二階導數(shù)：
[0044]
[0045]
[0046]
[0047]
[0048]
[0049]
[0050]
[0051] (1)引入差分函數(shù)使分數(shù)微分算法運用到圖像處理中。根據(jù)分數(shù)階定義，若將一元 信號u(t)的區(qū)間[a，t]按k=l的距離進行平均等分，得出 丨勺分割分數(shù)。因此可 以得出信號u(t)的V階分數(shù)微分差值：
[0053]式中，Γ為伽馬函數(shù)，η!為η的階乘。
[0054] (2)對折皺圖像進行差分形式轉化。MXN像素的二維折皺圖像f(x，y)的連續(xù)區(qū)間 只能以圖像像素為單位，等分間隔k只能為1，折皺圖像在(xb，xa)，ye (yb，ya)按k=l的 距離進行平均等分，得到nx=[xb_x a]，ny=[yb_ya!^分割數(shù)。因此可以得到f(x，y)對X和y的 V階偏微分差值近似表達式為：
[0055]
[0056]
[0057] 由上式可見，兩個差分表達式的系數(shù)是相同的，由此得到分數(shù)微分的差分系數(shù)為：
[0058]
[0059] (3)對p = I，2，…，7中的每個值構造(2p+l) X (2p+l)的算子模板，首先考慮x方向 和y方向，然后再考慮兩個斜向45度方向上像素的影響，從而得到八個對稱方向的算子模 板，如下：
[0061 ] (4)在M X N的圖像f (x，y)上，用上述構造的每個算子模板對f (X，y)進行卷積濾波， 其表達式為：
[0062]
(1；
[0063]式中，w(s，t)是構造的算子模板。為了得到一幅完整的經(jīng)過增強處理的圖像，必須 對χ = 0，1，2，···，Μ-1和γ = 0，1，2，···，Ν-1依次應用到式(1)，以保證圖像所有像素得到計算。 [0064] (5)為了綜合分析不同算子模板對圖像增強的效果，采用3*3,5*5,7*7,…，15*15 不同的算子模板w(s，t)對圖像增強處理的結果進行對比，最后選擇紋理細節(jié)增強效果最佳 的算子模板。
[0065]步驟3.折皺特征參數(shù)提取。圖像經(jīng)分數(shù)微分算法卷積濾波處理后，提取折皺度C作 為表征評價折皺程度的指標，計算的核心就是建立方向角局部邊緣的概率直方圖。具體步 驟如下：
[0066] (1)計算每個像素處的梯度向量。梯度向量是指像素點周圍灰度值增加最快的方 向，分為水平梯度△ H、垂直梯度△ V。梯度向量的極坐標為：
[0067]
[0068]
[0069]
[0070]
[0071]式中，NY(k)是當 I AG| 2T且(2k-l)/2n<0/3i< (2k+l)/2n時像素的數(shù)量，T表示閾 值。方向角局部邊緣概率直方圖對于具有明顯起伏特征的圖像會表現(xiàn)出峰值，對于無明顯 起伏特征的圖像則表現(xiàn)得比較平坦。
[0072] (3)圖像總體的不平程度可通過計算直方圖中峰值的尖銳程度獲得，計算歸一化 后折皺度C，計算公式為：
[0073]
[0074]式中，p代表直方圖中的第一個峰值，nP為直方圖中最后一個峰值。對于某個峰值， Wp代表該峰值兩側谷底距離，而^是波峰中心位置，0是該峰值兩側谷底之間的像素相對 該波峰中心位置的距離，r是歸一化因子。
[0075] 步驟4.計算所獲取的膝蓋、肘部和大腿根部這三個折皺部位圖像的折皺度，分別 記作Ci蓋、(?部、Ciui攝n，并求出總折皺度c總，c總=Qg蓋+0^+(?*?。總折皺度c總的數(shù)值越大，說 明該服裝穿著起皺程度越嚴重。
[0076] 綜上所述僅為本發(fā)明的較佳實施例而已，并非用來限定本發(fā)明的實施范圍。即凡 依本發(fā)明申請專利范圍的內容所作的等效變化與修訂，均為本發(fā)明的技術范疇。
【主權項】
1.評價服裝穿著起皺程度的圖像處理及特征提取方法，其特征在于：該方法包括W下 步驟： 步驟1.服裝折皺部位的圖像采集;服裝經(jīng)穿著起皺后，運用CCD傳感器，獲取穿在人體 上的膝蓋、肘部和大腿根部運Ξ個起皺嚴重部位的折皺圖像，并將采集后的運Ξ個折皺圖 像輸入計算機裁剪成同樣的尺寸大小，然后對每個折皺圖像進行步驟2和3的處理； 步驟2.利用分數(shù)微分算法對折皺圖像進行卷積濾波； (1) 引入差分函數(shù)；將一元信號u(t)的區(qū)間[a, t]按k=l的距離進行平均等分，得出 ?= f^l二?/-〇1的分割數(shù);可得出信號u(t)的V階分數(shù)微分差值： Ik i L J式中，Γ為伽馬函數(shù)，η!為η的階乘； (2) 對折皺圖像進行差分形式轉化;ΜΧΝ像素的二維折皺圖像f(x，y)的連續(xù)區(qū)間只能 W圖像像素為單位，等分間隔k只能為1，即折皺圖像在χe(xb，Xa)，yE(yb，ya)按k=l的距 離進行平均等分，得到nχ=[孔-?]，ny=[yb-ya]的分割數(shù)；因此可W得到f(x，y)對x和y的v 階偏微分差值近似表達式為：由上式可見，兩個差分表達式的系數(shù)相同，由此分數(shù)微分的差分系數(shù)為：(3) 對p = l，2,3,…，7中的每個值構造(2p+l)X(2p+l)的算子模板，首先考慮X方向和y 方向，然后再考慮兩個斜向45度方向上像素的影響，從而得到八個對稱方向的算子模板； (4) 在MXN的折皺圖像f(x，y)上，用上述構造的每個算子模板對f(x，y)進行卷積濾波， 其表達式為：式中，w(s，t)是構造的算子模板;為了得到一幅完整的經(jīng)過增強處理的圖像，必須對X =0，1，2，…，M-1和y = 0，1，2，…，N-1依次應用到式（1)，W保證圖像所有像素得到計算； (5) 為了綜合分析不同算子模板對圖像增強的效果，將3*3,5*5,7*7,…，15*15不同的 算子模板w(s，t)對圖像增強處理的結果進行對比，最后選擇紋理細節(jié)增強效果最佳的算子 模板； 步驟3.折皺特征參數(shù)提??；圖像經(jīng)分數(shù)微分算法卷積濾波處理后，提取折皺度C作為表 征評價折皺程度的指標，其計算核屯、是建立方向角局部邊緣的概率直方圖；具體步驟如下： (1) 計算每個像素處的梯度向量;梯度向量是指像素點周圍灰度值增加最快的方向，分 為水平梯度A H、垂直梯度Δ V;梯度向量的極坐標為：式中，I A GI是水平、垂直梯度的平均值，丫是梯度角； (2) 構造方向角局部邊緣概率直方圖：式中，Νγ化)是當I AG| ^且(24-1)/化 <白/31< (2k+l)/化時像素的數(shù)量，T表示闊值； (3) 圖像總體的起伏程度通過計算直方圖中峰值的尖銳程度獲得，歸一化后的折皺度 計算公式為：式中，P代表直方圖中的第一個峰值，np為直方圖中最后一個峰值;對于某個峰值，Wp代 表該峰值兩側谷底距離，而0/,是波峰中屯、位置，0是該峰值兩側谷底之間的像素相對該波 峰中屯、位置的距離，r是歸一化因子； 步驟4.計算所獲取的膝蓋、肘部和大腿根部運Ξ個折皺部位圖像的折皺度，分別記作 C艦、Q刷、C大瞄睹H，并求出總折皺度C總=C艦+Q柜桿助if醜。2.根據(jù)權利要求1所述的評價服裝穿著起皺程度的圖像處理及特征提取方法，其特征 在于:采用1/2.3英寸、2010萬像素的CCD傳感器。
【文檔編號】G06T7/40GK105844618SQ201610154298
【公開日】2016年8月10日
【申請日】2016年3月17日
【發(fā)明人】劉成霞, 劉婷
【申請人】浙江理工大學