色彩和图案是印花织物外观的两个重要元素,不仅体现了印花织物的价值,也是用来比较不同织物的两个关键特征。由于彩色印花织物的图案是利用印染设备把重复图案印制成单色图案后再进行套色形成的,因此,分色和检测重复图案是印花织物印制过程中极其重要的两个分析项目。目前许多图像处理与分析技术被广泛应用在织物的分析上,但大多数是用来分析灰度图像的,而对彩色织物图像的研究却处在发展阶段。随着计算机技术的不断发展和广泛应用,已经有电脑辅助分色系统被运用于印花织物的分色过程中,虽然比起传统的人工操作在时间上有所改善,但该系统不但价格昂贵且仍需人工进行后续操作,只能完成辅助分色不能真正实现全自动化且无法检测织物的重复图案。所以,在当前纺织印染行业中研究印花织物全自动分析检测系统的必要性与迫切性是显而易见的。印花织物的全自动分色及重复图案检测算法是本文中整个自动化检测系统的核心部分。本文主要研究内容和工作如下:(1)采用自组织映射网络(Self-Organizing Maps,简称SOM)与改进型K-均值聚类相结合的算法实现彩色织物自动分色:该系统先利用遗传算法具有搜索最优解的特点,得到与原图像具有相同颜色分布的子图像,并将其用于分色。在分色的实现上采用两层聚类方法:第一层,利用SOM神经网络对对远大于期望聚类数的大量数据样本进行初始聚类,将这些样本中具有相同或相似性质的特征向量划分到同一个类别中。第二层,由于在特征空间中,根据神经元间距离或连接权值等特性,通过改进型K-均值算法对SOM网络竞争层上训练后的神经元再进行一次聚类,从而完成分色。(2)针对规则性重复的织物图案,采用改进型模板匹配法对其进行检测。此算法是在传统模板匹配法的基础上进行改进的,用适当大小的区域匹配代替传统算法中的逐个像素点匹配,即用区域的特征编码代替各个像素点相似性的判定。将区域的特征进行编码,当待检测图像中某区域与模板图像匹配的特征块个数大于某个阈值时,则认为待检测图像中该区域与模板是匹配的。该算法不仅具有较高的匹配精度,而且匹配时间明显减少,解决了传统匹配算法运行时间长的问题。(3)针对织物重复图案发生大小、亮度或角度变化的情况,本文采用一种基于尺度不变特征变换(Scale-Invariant Feature Transform,简称SIFT)特征匹配的检测算法。此算法通过高斯金字塔及高斯差分(Difference of Gaussian,简称Do G)尺度空间的建立、精确定位特征点位置与所在尺度、指定特征点方向和生成128维特征点描述符等过程,在图像尺度、亮度和角度变化影响等方面有较好的鲁棒性和稳定性。所以,将此算法用于检测印花织物重复图案,改善了模板匹配法无法识别有角度或大小等变化的重复印花图案的弊端,对存在此类变化的重复图案图像能有较好的检测效果。