采用改进的小波和颜色矩的色纺面料图像检索

传统的色纺面料检索方法效率低下、精度低,针对色纺面料颜色种类丰富、纹理复杂多变的特点,文章提出一种基于颜色矩和改进的小波变换结合的图像检索算法。采集色纺面料图像并建立标准图像数据库;分别采用颜色矩和改进的小波变换的方法提取色纺面料图像的颜色特征和纹理特征,使用欧氏距离测度的方法计算两种特征的子相似度;采用加权求和的方式获得图像的总体相似度,排序得到检索结果。试验中分别讨论了不同特征权重对检索结果的影响,验证了当颜色特征权重占0.8纹理特征权重占0.2时,检索结果最优。对比试验表明,该算法可兼顾颜色特征和纹理特征对检索结果的影响,平均检索精度mAP达到80.8%,优于现有方法。

基于SVM方法的色纺花式纱面料自动分类

为解决色纺花式纱面料人工分类准确率低的问题,提出一种基于局部二值模式(local binary pattern,LBP)、小波分析和支持向量机(support vector machine,SVM)的色纺花式纱面料自动分类方法。采集色纺花式纱面料图像组成原始图像库;通过对图像数据进行翻转、对比度增强及添加噪声等操作增广图像数据;对增广后的图像数据进行预处理,通过直方图均衡化增加图像背景与前景的对比度,利用LBP等价模式提取图像的局部特征,获得59维特征参数;利用Haar小波对图像进行4层分解,提取每层分解后的低频分量,以及高频分量的水平、垂直、斜线分量,求其标准差后得到16维特征参数。最后将提取到两种特征串联组合为75维特征参数后,输入SVM分类器进行训练和分类。选取增广后的图像数据集进行试验,结果显示,LBP、小波分析与SVM分类器相结合方法的平均分类准确率达到97.0%。

多元色纺休闲面料精准设计及集成加工技术的研究

本文介绍了一套基于原液着色纤维,将棉型纤维通过纺、织、后整理特种加工技术,生产出具有细腻绒面风格、色彩丰富的毛型风格面料,最终实现色织产品高质化与高值化的集成技术。该技术为原液着色纤维的推广应用以及色织行业节能减排、低碳生产开辟了新的途径,对整个色织行业的科技进步起到了示范引领和推动作用。