СПОСОБ РАСПОЗНАВАНИЯ КОМПЬЮТЕРНОГО ИЗОБРАЖЕНИЯ ТЕКСТИЛЬНЫХ ИЗДЕЛИЙ Российский патент 2000 года по МПК G01N33/36 D06H3/08 D03C19/00 

Изобретение относится к текстильной отрасли и может быть использовано при анализе структуры ткани методом компьютерной фотограмметрии, в также при других исследованиях различных текстильных изделий /например, нитей, однослойных тканей, трикотажа/.

Развитие компьютерных и информационных систем способствует созданию бесконтактных способов анализа и оценки структурных параметров текстильных изделий на основе систем распознавания их компьютерных изображений.

Известен бесконтактный способ анализа структуры ткани на основе компьютерной фотограмметрии /см. патент РФ N 2131605, кл. G 01 N 33/36, 1999/, в котором на визуализированных изображениях анализируемой ткани определяют размеры отдельных элементов нитей, заработанных в ткань, а затем по известным формулам вычисляют их высотные характеристики. Для анализа структуры ткани методом компьютерной фотограмметрии требуется устойчивое изображение исследуемого элемента ткани. Информативность получаемых изображений непосредственно связана с отражательной способностью нити и ткани, которая в свою очередь зависит от природы волокна, его окраски, содержания примесей, способа получения пряжи. Поэтому в ряде случаев бывает сложно получить устойчивое и информативное изображение ткани. Кроме того, необходимо учитывать особенности выработки изделия например, проборки основы в бердо, так как проборка по две нити в зуб берда сохраняется в структуре суровой ткани в виде "парочек". Также при анализе необходимо учитывать ворсистость пряжи и ее неравномерность по линейной плотности.

Известно, что для компьютерного распознавания используют нейронные сети, которые применяются для решения задач искусственного интеллекта в системах технических органов чувств. Нейрокомпьютеры находят применение во многих областях современной науки - медицины, физики и т.д., однако использование нейронных сетей весьма дорого и не всегда доступно массовому потребителю. Предлагаемый способ реализуется на компьютерах 4-го поколения, то есть на достаточно распространенных и доступных.

Наиболее близким аналогом к данному способу является способ распознавания компьютерного изображения текстильного изделия, используемый при бесконтактном анализе структуры ткани, заключающийся в том, что воспринимают первичную оперативно-графическую информацию о фрагменте изделия, накапливают информацию, обрабатывают ее, получают компьютерную модель, учитывающую оперативно-графическую информацию /см. заявку PCT WO 98/16823, кл. G 01 N 33/36, 1998/.

Недостатком известного способа является невысокая точность бесконтактного анализа структуры текстильных изделий.

Техническим результатом, на который направлено данное изобретение, является повышение точности бесконтактного анализа структуры текстильных изделий. Конечной целью является построение компьютерной модели исследуемой ткани, нити или трикотажа, которая затем может быть использована в компьютерной фотограмметрии и других исследованиях структурных параметров.

Данный технический результат достигается за счет того, что в способе распознавания компьютерного изображения текстильного изделия, используемом при бесконтактном анализе структуры ткани, заключающемся в том, что воспринимают первичную оперативно-графическую информацию о фрагменте изделия, накапливают информацию, обрабатывают ее, получают компьютерную модель, учитывающую оперативно-графическую информацию, согласно изобретению восприятие первичной оперативно-графической информации о фрагменте изделия осуществляют пошагово: в начале ее разлагают на части, выдвигают гипотезы о геометрических и оптических параметрах, находят места просветов как области с самым темным тоном, определяют путем соответствующих построений их размеры и размеры поперечников нитей, затем по информации о неравномерности поперечников корректируют геометрическую модель, на которой в месте пересечения уточненной и основной нитей располагают стартовую линию и область заданного размера, последнюю перемещают вдоль нити утка, при этом распознают оттенки серого и воспринимают их в виде массива чисел, по которым впоследствии определяют границы полутонов, накопление информации осуществляют по заданному количеству нитей, после обработки ее накладывают на скорректированную геометрическую модель и наносят полутона в соответствии с их средними значениями, в результате чего в компьютерной модели учитывают априорную и дополнительную информацию.

На фиг. 1 дана общая схема пошагового распознавания компьютерного изображения,
на фиг. 2 - графический комментарий к определению направлений систем нитей основы и утка,
на фиг. 3,а - графические изображения просветов до корректировки,
на фиг. 3,б - графические изображения после компьютерной корректировки,
на фиг. 4,а - гистограмма поперечников нитей основы,
на фиг. 4,б - гистограмма поперечников нитей утка,
на фиг. 5 - схематично показаны нити, а на них области, имеющие разные значения градации серого, соответственно: на фиг. 5,а - область имеет самую светлую градацию, на фиг. 5,в - самую темную, на фиг. 5,б - среднюю,
на фиг. 6,а - иллюстрация к принципу определения и цветовых градаций на нити в пределах раппорта,
на фиг. 6, б - схема размещения найденных областей в соответствии с цветовой градацией.

Сущность способа заключается в пошаговом восприятии объекта и последовательной обработке компьютерного изображения текстильного изделия.

Для пояснения проведем некоторую биологическую аналогию. При восприятии какого-либо объекта человеческий мозг сначала распознает общие очертания предмета, потом замечает крупные детали, затем более мелкие и т.д. В данном способе процесс распознавания также разложен на ряд частей или деталей, которые связаны между собой определенными отношениями и являются частями целого.

Для компьютерной обработки используются снимки, выполненные для анализа структуры ткани методом компьютерной фотограмметрии, или снимки текстильного изделия, освещенного сверху. Для получения оперативно-графической информации предпочтительное разрешение получаемого изображения от 300 dpi при 8-битной глубине graysсale /оттенки серого/. Для представления оперативно-графической информации используется цифровая фото-видео-аппаратура.

При распознавании каждой части или детали визуализированного изображения, например, ткани, производят выдвижение гипотезы, которая формируется на основе априорных и дополнительных источников знаний /фиг. 1/. В качестве априорных знаний используются техническая характеристика ткани и элементы теории строения ткани. Дополнительные источники знаний содержат информацию об особенностях выработки исследуемой ткани. Отсутствие какого-либо компонента в источниках знаний может быть восполнено в диалоговом режиме работы с компьютером.

Каждая гипотеза несет информацию об определенной детали или части объекта распознавания. Выделены первичные и вторичные гипотезы. Первичные отвечают за геометрические размеры нитей и их расположение. Поэтому на первом этапе для определения геометрических размеров нитей, заработанных в ткань, производят следующие операции. Так как на визуализированном изображении просветы между нитями окрашены в более темный тон по сравнению с другими элементами распознаваемого изображения, то по самой темной градации серого тона на распознаваемом изображении определяют условно места просветов между нитями. Найденные участки в данном случае не имеют определенных границ и рассматриваются только как области с самым темным тоном. В местах предполагаемых просветов располагают точки, которые соединяют между собой. В результате получают множество прямых во всех направлениях /фиг. 2/. Затем включают счетчик, который подсчитывает, в каком направлении прямых больше. По полученным результатам определяют два приоритетных направления, которые, как правило, совпадают с направлениями нитей основы и утка в ткани. Затем для определения граница просвета анализируют места сопряжения просвета и нитей по замкнутому периметру, находят точки с самым темным оттенком серого, количество которых не превышает 15000. Полученные точки соединяют последовательно между собой и получают многоугольники /фиг. 3,а/. В центре каждого многоугольника по координатам /(X_max+X_min)/2; (Y_max+Y_min)/2/ находят центральную точку /A/. Через каждую найденную центральную точку проводят две прямые в направлении, совпадающем с направлением нитей основы и утка. Затем полученные прямые перемещают внутри многоугольника вдоль нитей основы и утка в двух противоположных направлениях до контакта с крайней точкой многоугольника в данном направлении. Полученные параллелограммы в компьютерной модели /фиг. 3,б/ являются просветами между нитями. Далее для каждой пары соседних параллелограммов определяют расстояние /C/ между ними, то есть находят величину поперечника исследуемой нити. Последовательно формирутся два массива чисел, характеризующих поперечники основных и уточных нитей.

Неравномерность нити по поперечнику /как аналогу линейной плотности/ учитывают при корректировке геометрической модели распознаваемого объекта следующим образом. Полученные массивы обрабатываются методом математической статистики, предусматривающим построение гистограммы. По гистограмме поперечников основных нитей /а/ /фиг. 4,а/ отбрасывают участок /K2/, соответствующий сгруппированным нитям из-за проборки их в зуб борда. По участку /K1/, а также по гистограмме поперечников утка /фиг. 4,б/, находят средние значения поперечников основных /а/ и уточных /б/ нитей, определяя границы их варьирования. Полученную простейшую геометрическую модель ткани /фиг. 3,б/ сравнивают с оригинальной оперативно-графической информацией и вносят коррективы, соответствующие информации, которая получена при анализе гистограмм. В частности, на отдельных участках увеличиваются или уменьшаются некоторые поперечники нитей, а зона сгруппированных основных нитей заменяется нитями со средними поперечниками и средними просветами. Таким образом, получают откорректированную геометрическую модель.

Вторичная гипотеза отвечает за оптические свойства объекта и служит для выделения на простейшей модели ткани участков нитей, которые предположительно могут быть окрашены в разные цвета /оттенки серого/ /фиг. 5/. Верхняя область характеризует положение самого высокого элемента нити и находится в прямоугольнике, ограниченном поперечниками нитей основы и утка по горизонтали /dov, dyv/ /фиг. 5,а/. Средняя область характеризует переходный элемент из верхнего в нижнее положение нити в пределах раппорта /фиг. 5,б/. Нижняя область характеризует положение элемента нити при перекрытии его противоположной системой и находится на границе пересечений нитей противоположных систем /фиг. 5,в/. Для нахождения указанных областей на втором этапе производят следующие операции. На полученной в предыдущем этапе откорректированной геометрической модели в ручном или автоматическом режиме задают стартовую линию /AA'/ /фиг. 6,а/, расположенную на пересечении основной и уточной нитей. От нее откладывают область заданных размеров /BB'/. Эту область перемещают вдоль исследуемой нити в пределах одного раппорта в направлении оси x с шагом 1 picl. При этом распознают оттенки серого и воспринимают их в виде массива чисел от 0 до 255. При выборе размера области /BB'/ распознавания следует учитывать геометрические размеры нити, то есть чем толще нить, тем больше должен быть размер области /фиг. 6,а/. Полученный массив пересчитывают: сумму всех элементов массива делят на количество элементов /элемент в данном случае полутон/. Затем определяют максимальный и минимальный элемент на распознаваемом фрагменте /максимальный - самый светлый, минимальный - самый темный полутон/, которые определяют по разнице двух средних соседних полутонов. При этом отрезок /CD/ между максимумом и минимумом делят на 3 части /фиг. 8, б/, где M - соответствует верхняя область /см. также фиг. 5/, N - нижняя и L = 1/3[CD] - средняя.

Эта операция повторяется по заданному количеству нитей одной из систем. Результаты данного анализа усредняют и накладывают на откорректированную геометрическую модель.

Завершающим этапом распознавания является проверка выдвинутых гипотез: проводят дополнительный анализ объекта в рамках выдвинутой окончательной гипотезы, которую в свою очередь складывают из первичной и вторичной. При проверке используют априорные, дополнительные знания и первоначальную оперативно-графическую информацию исследуемого объекта. Из окончательной гипотезы формируют компьютерную модель ткани, то есть на откорректированную геометрическую модель наносят полутона в соответствии с их средними значениями, полученными во втором этапе. Полученная модель ткани будет многократно защищена от искажений в результате компьютерной обработки, что позволит получить более достоверную информацию при дальнейшем ее анализе.

Распознаваемый объект может интерпретироваться как в пределах одного раппорта переплетения, так и более крупного фрагмента ткани.

Основное принципиальное отличие способа заключается в том, что при распознавании компьютерного изображения определяют не отдельные элементы нитей, а фрагмент текстильного изделия.

Другим отличием является то, что в полученной компьютерной модели учитывают особенности строения исследуемого фрагмента.

Следующее отличие состоит в том, что полученная модель сравнивается с оригинальной оперативно-графической информацией.

Использование данного способа распознавания компьютерного изображения обеспечивает по сравнению с существующими способами следующие преимущества:
- возможность распознавания целого фрагмента,
- возможность создания компьютерной модели, реально отражающей ее строение, а следовательно, и повышение точности при дальнейшем ее анализе:
- способность распознавать компьютерные изображения с малой информативностью.

Изобретение относится к способам распознавания компьютерного изображения текстильных изделий и может быть использовано при анализе структуры ткани методом компьютерной фотограмметрии. Сущность изобретения: первичную оперативно-графическую информацию о фрагменте изделия воспринимают пошагово: вначале ее разлагают на части, выдвигают гипотезы о геометрических и оптических параметрах, находят места просветов как области с самым темным тоном, определяют путем соответствующих построений их размеры и размеры поперечников нитей, затем по информации о неравномерности поперечников корректируют геометрическую модель, на которой в месте пересечения уточной и основной нитей располагают стартовую линию и область заданного размера, последнюю перемещают вдоль нити утка, при этом распознают оттенки серого и воспринимают их в виде массива чисел, по которым впоследствии определяют границы полутонов, накапливают информацию по заданному количеству нитей, обрабатывают ее, накладывают на скорректированную геометрическую модель и наносят полутона в соответствии с их средними значениями, в результате чего получают компьютерную модель, учитывающую априорную, дополнительную и оперативно-графическую информацию. Техническим результатом данного изобретения является повышение точности бесконтактного анализа структуры текстильных изделий. 6 ил.

Способ распознавания компьютерного изображения текстильного изделия, используемый при бесконтактном анализе структуры ткани, заключающийся в том, что воспринимают первичную оперативно-графическую информацию о фрагменте изделия, накапливают информацию, обрабатывают ее, получают компьютерную модель, учитывающую оперативно-графическую информацию, отличающийся тем, что восприятие первичной оперативно-графической информации о фрагменте изделия осуществляют пошагово: вначале ее разлагают на части, выдвигают гипотезы о геометрических и оптических параметрах, находят места просветов как в области с самым темным тоном, определяют путем соответствующих построений их размеры и размеры поперечников нитей, затем по информации о неравномерности поперечников корректируют геометрическую модель, на которой в месте пересечения уточной и основной нитей располагают стартовую линию и область заданного размера, последнюю перемещают вдоль нити утка, при этом распознают оттенки серого и воспринимают их в виде массива чисел, по которым впоследствии определяют границы полутонов, накопление информации осуществляют по заданному количеству нитей, после обработки ее накладывают на скорректированную геометрическую модель и наносят полутона в соответствии с их средними значениями, в результате чего в компьютерной модели учитывают априорную и дополнительную информацию.