基于稀疏优化的纺织品激光印花图像缺陷识别研究

通过对纺织品激光印花图像的缺陷识别,提高对纺织品印花质量检测能力,提出基于稀疏优化的纺织品激光印花图像缺陷识别方法,采用不同的像素块大小特征匹配方法实现对纺织品激光印花的瑕疵检测及显著图参数分析。采用纹理特征匹配方法实现对纺织品印花花边特征点提取与特征匹配处理,根据棉线与棉线间的纹理分布差异性,建立纺织品激光印花的稀疏化特征匹配特征检测模型,根据印花花边自身与生产的视觉特征表达能力,结合位置、尺度、旋转不变量的特征匹配结果实现对纺织品激光印花图像的缺陷识别和检测。测试结果表明,采用该方法进行纺织品激光印花图像缺陷识别的特征匹配能力较好,对缺陷部位的动态检测能力较强,具有很好的图像伪特征点筛出和特征检测能力。

基于JSEG算法的纺织品印花图像分割

针对机器视觉对纺织品印花精度的检测问题,提出了利用JSEG算法对印花的纺织品图像进行分割。主要通过对图像的滤波,颜色的矢量化和区域的增长与合并,完成图像区域的分割。通过实验给出了颜色量化阈值和区域合并阈值对图像分割的影响以及选取的方法,最终给出该算法对印花纺织品图像的分割效果图,表明该算法利用颜色信息和区域信息,对包含纹理信息的彩色印花图像有良好的分割效果,并且对由日光引起的一些干扰有一定的抑制作用。

基于模糊C均值聚类的纺织品印花图像分割

针对纺织品印花精度检测的关键技术问题,主要围绕纺织品印花图像的有效分割展开研究工作,提出了基于距离修正和隶属度修正的FCM算法。为了确保FCM算法的有效性和精确性,对其参数的选取和算法结构进行了深入的研究,结合参数的自适应初始化方法和FCM算法的修正方法,给出该算法对纺织品印花图像的分割效果图。结果表明,该算法对纺织品印花图像有良好的分割效果,并且对由光和织物纹理引起的干扰有一定的抑制作用。

基于K-means聚类的纺织品印花图像区域分割

对纺织品彩色印花图像进行颜色区域分割.将彩色纺织品印花图像转换到CIEL*a*b颜色空间,用K均值聚类分析算法对描述颜色的a*和b*通道进行聚类分析;通过提取各个颜色区域独立成为单色的新图像,对彩色纺织品印花图像进行分割处理.实验结果表明,在CIEL*a*b空间使用K-means聚类算法可以有效地分割彩色纺织品图像的颜色区域.

多维解码:关于当代时装设计中数码印花图像的叙事性研究

近几年,在各大时装周上科技与艺术的碰撞、融合之势愈加显著。在这股跨界潮流之中,尤以数码印花技术的发展为时装设计所带来的"印花热"最为引人瞩目。数码印花技术不仅使得面料印染以及图像处理变得更加方便快捷,同时也丰富了时装中装饰图案的功能与意义。由图案、图形升级为图像的数码印花,其图像叙事意义也得到了长足的发展。文章将通过对当代一线设计师与品牌的分析与研究,以探索时装设计中的数码印花图像是如何开展叙事的,及其主要叙事模式有哪些。在此研究基础上,进一步阐释具有叙事意义的数码印花图像与时装、身体之间的美学关联。

基于机器视觉的圆网印花检测系统

针对圆网印花中的跑花问题,设计了基于机器视觉的圆网印花自动检测系统。系统首先利用智能相机捕获图像,然后将图像进行区域分割,计算每个区域的重心值坐标,最后与标准图像的重心坐标进行比较,得到印花的相对偏差。通过实验表明该系统具有较高的检测精度。