賈卡經編織物花紋圖案的自動識別

張 勇，鄧中民，馬 俊

?

賈卡經編織物花紋圖案的自動識別

張 勇1，鄧中民2*，馬 俊1

（1. 武漢紡織大學 數學與計算機學院，湖北 武漢 430200; 2. 武漢紡織大學 紡織科學與工程學院，湖北 武漢 430200）

在一般的花型設計和檢測印染織物花型是否走樣的過程中，都需要將花紋提取出來。為了快速地將織物花紋圖案提取出來，提高花紋設計效率，本文主要基于織物圖像的顏色特征，對織物圖像建立高斯混合模型，然后根據后驗概率的排序大小，并對織物圖像的不同層次進行相應的標注，從而標記出所需的織物花紋。結果表明：該方法能有效地將完整的花紋提取出來，準確度高，速度快，具有一定的實用價值。

聚類算法；高斯混合模型；花紋提取；顏色特征

在傳統的花型設計過程中，對于給定的來樣圖，需要將織物的花紋識別與提取出來。另一方面，在印染織物的檢測過程中，經常會出現印染花型與客戶需求不一致的現象，即“花型走樣”，該過程依然需要將織物的花紋提取出來。一般地，上述工藝過程必須依賴人力完成，主要通過PS繪圖軟件進行摳圖和手工繪制意匠圖等方式，但這樣的設計過程，已經不能滿足現代化的設計要求。為了提高工作效率，減少不必要的資源消耗，迫切的需要一種數字化技術來完成織物花紋的自動識別與提取。

織物花紋的自動識別實質上是圖像分割。圖像分割是實現自動圖像分析和模式識別的首要問題，它根據圖像的某些特征或特征集合的相似性準則，對圖像像素進行分組聚類。但針對不同的應用背景，各種圖像分割算法都有一定的局限性，即沒有一種通用的圖像分割算法能適合各種應用背景。針對織物圖像的分割，目前對此研究較少，主要集中于運用圖像處理的方法，雖然取得了一定的成果，但仍有不足之處。

據此，本文主要研究對象是賈卡經編織物，鑒于賈卡經編織物表面顏色特征呈現出的差異性，提出了基于高斯混合模型的織物花紋識別算法，該方法是一種基于統計模式識別的分割方法，具有快速和適應性廣泛的特點。實驗表明，該方法對于賈卡經編織物圖像分割效果良好，能很好的將織物花紋提取出來。

1 高斯混合模型(GMM)

1.1 高斯混合模型(GMM)原理

GMM是一種常用的數學模型，被廣泛應用于語言、圖像識別等方面，取得了良好的效果。設定有個點組成了指定的數據集，將數據集在維空間中的對應的點作為一定分布的樣本值，則此分布可由個高斯密度函數的加權平均所表示，此概率密度函數的一般表達式為

其中

（2）

（3）

1.2 初始化GMM參數集

一般參數估計，通過對待求變量求導來求極值。上式求導過于復雜，且沒有閉合解，為了進一步簡化模型，本文采取均值賦值的方式，初始化GMM的參數集合。

2 花紋分割的實現步驟

高斯混合模型進行花紋識別與提取的步驟為：

（1）對每一張測試圖像，提取顏色特征，本文采用彩色圖像，取R,G,B三個通道的顏色信息作為特征向量的3個維度。特征向量的總個數為像素點的個數，即：，其中和分別表示圖像的行列數；

（3）根據GMM模型計算每個特征向量屬于不同高斯分布的后驗概率；

3 實驗結果與分析

按上述花紋分割的實現步驟，在MATLAB7.0的環境下，實驗選取多副賈卡經編織物圖像運用GMM模型進行賈卡經編織物花紋的識別與提取，圖像大小為256*256，原圖如圖1(a)，圖2(a)所示，圖3(a)(c)(e)(g)。同時，為了測試分割效果，本文采用多種分割效益合成圖作為滿意度的評價標準。

(a)樣圖1(b)三種分割效應合成圖 (c) 類別1(d)類別2(e)類別3

聚類后各個類別圖案如圖1(c)(d)(e)，圖2(c)(d)(e)所示，其中黑色部分表示各個聚類信息。樣圖1主要是驗證簡單顏色特征的花紋識別，樣圖2 和樣圖3為賈卡經編織物圖案，織物結構更為復雜，顏色更為多變。實驗效果如圖1、圖2和圖3所示。

觀察樣圖1，根據顏色不同大致可以分為3個區域，實驗取高斯混合模型的個數=3進行聚類分析。如圖1所示將樣圖1分為3類，整體分割效果良好，能根據顏色特征識別相同區域和不同區域，樣圖1部分區域顏色過于接近，有少許不理想地方的存在。

(a)樣圖2(b)三種分割效應合成圖 (c)網孔(d)花紋(e)底色背景

根據織物顏色的不同，從圖2可以很直觀的看出，大致可以分為3個區域，花紋、底網和圖像背景三個部分，實驗取高斯混合模型的個數=3進行聚類分析。如圖2(a)所示為賈卡經編織物的圖案，從分割結果可以看出GMM模型能很好的將花紋識別與提取出來，如圖2(d)為識別出來的壓紗花紋組織，2(c)和2(e)分別為賈卡網孔組織和底色背景。如圖2(b)將三種分割效應合成，利于數字化的花紋設計，同時對比2(a)和2(b)，可以看出分割效益合成圖和原圖接近程度較高，已經滿足實際的設計要求，從而也可知GMM模型對于賈卡經編織物分割效果較好，滿意度高。

(a)樣圖3(b)花紋(c)樣圖4(d)合成圖 (e)樣圖4(f)花紋(g)樣圖5(h)合成圖

為了驗證GMM模型對于賈卡經編織物花紋提取的廣泛適用性，如圖3所示，選用多種復雜織物圖樣進行花紋的提取。測試結果表明，對于復雜的織物圖像，該算法依然能有效的將各層次提取出來，從而分割出花紋圖案。

4 結論

本文提出的GMM模型，選用顏色特征構成特征向量數據集，采用均值賦值的算法進行參數初始化，從而獲得每個高斯模型參數，對每個特征向量在不同高斯分布下的概率進行排序，選取最大后驗概率即認為該特征向量屬于該高斯分布，并進行不同的標注。根據大量的實驗結果，對于賈卡經編織物花紋的識別與提取獲得了較好的分割結果，提高了工藝設計效率，具有很好的實際應用價值。同時，需預先對賈卡經編織物進行觀察，給定分類的數目，即高斯模型的個數，然后再進行聚類，對于聚類數目的自動選取，也將是今后的一個重要研究內容。

參考文獻：

[1] 冉友廷．織物表面顏色紋理特征的檢測與應用[D]．武漢：武漢紡織大學，2013．

[2] 李仁忠，張緩緩，等．基于EM算法的高斯混合模型的織物瑕疵點檢測研究[J]．計算機工程與應用，2014，50(10)：184-187．

[3] 徐貴力，毛罕平，李萍萍．彩色圖像顏色和紋理特征提取的應用算法[J]．計算機工程，2002，28(6)：25-27．

[4] Sujaritha M， Annadurai S．Color image segmentation using adaptive spatial Gaussian mixture model[J]．International Journal of Information and Communication Engineering，2010，6(1)：28-32．

[5] Serge Belongie，Chad Carson，Hayit Greenspan， et al． Color -and –Texture-Based Image Segmentation Using EM and its Application to Content-Based Image Retrieval[J]．Proc．Int．Conf．Comp.，1998．

[6] Permuter H ，Francos J，Jermyn I． A study of Gaussion mixture models of color and texture feature for image classification and segmentation[J]．Pattern Recognition，2006，39：696-706．

Automatic Identification of Jacquard Warp Knitting Fabric Pattern

ZHANG Yong1, DENG Zhong-min2, MA Jun1

(1. College of Mathematics and Computer Science, Wuhan Textile University, Wuhan Hubei 430200, China; 2. School of Textiles Science and Engineering, Wuhan Textile University, Wuhan Hubei 430200, China)

Generally, in the process of designing from samples from and testing pattern whether its shape is different or not all, we need to extract the pattern. In order to quickly and efficiently extract the fabric patterns automatically and improve the efficiency of decorative pattern design, the method is mainly based on color feature, to establish the Gaussian mixture model, according to the posteriori probability, and then image annotation. Results show that the method can effectively extract the complete pattern, with high accuracy, high speed, and has a certain practical value.

Clustering algorithm; GMM; pattern extraction; color feature

TS101.9

A

2095－414X(2015)03－0045－04

鄧中民（1964-），男，教授，研究方向：數字化紡織.