家庭及工业洗涤过程中,织物受到物理和化学的综合作用,表面产生了记忆折痕,从而影响了纺织品服装的外观美感和服用性能。织物外观平整度反映了洗后面料的形状保持性,广泛用于纺织服装的材料性能、织物整理效果、洗涤剂及洗涤设备性能等的评估。人工主观评级及现有的客观评级方法存在一定的缺陷,难以满足当前行业检测需求。纺织服装表观性能的仪器化检测,一直是检测领域的难点,也是交叉学科的研究热点。本论文在纺织品服装专业理论基础上,将人的视觉感知与图像分析技术相结合,提出了基于稀疏编码的多视域织物外观平整度客观评级方法,为织物表观性能的评估提供了有效的解决方案。论文模拟人工评级中视觉感知和信息处理机制,从织物图像局部特征提取与匹配、多视域下织物空间形貌的重建、基于深度图像的稀疏编码与评级三个方面进行了系统的研究。主要研究内容和结论概括如下:(1)人工视觉评级方法优劣分析。为明晰主观评级的优势和缺陷、界定出主观评级的适用范围、明确客观评级研究方向,本文对人类视觉感知与信息处理机制、织物外观平整的评级方式进行了论述,在此基础上,利用眼动跟踪实验和图像处理技术对主观视觉评级偏差、个体间差异及其视觉影响因素进行系统的分析。对生物视觉感知理论、人工视觉主观评级方式等调研得出:人眼能够感知物体的三维形态,并具有快速、低代价、多特征综合的优势。人工视觉评级即约定在特定的实验环境下,由经过培训的检测人员进行目光比对,并综合评价出与平整度标准样板最为相似的等级。眼动跟踪实验研究发现:人工评级对纯白色织物评级偏差较小,结果相对稳定;主观评级人员均坚守了各自的认知准则,自身的差异较小,但个体间存在不同程度的离散性;色彩对评级的影响较大,纹理对评级的影响最为显著。产生这一现象的原因是人在评级过程中受到织物表面颜色、纹理的干扰,视觉关注存在差异。视觉关注覆盖区域越偏离折皱位置,评级偏差越大;视觉焦点越分散,个体间评级离散度越大。人工评级仅部分适用于纯白色织物的评级,不适用有色或表面具有纹理织物的评级。由此得出,主观评级容易受到织物表面颜色和纹理的干扰,导致评级结果失真,个体偏差大,仅适用于纯白色织物部分等级的评级。(2)多视域图像采集装置设计和开发。从人工评级习惯、检测要求及实用性等角度出发,综合考虑到人工视觉评级习惯和操作便利性,分别对图像采集平台、环境光源、成像设备等作了比较,通过优化最终设计出直立前向、可旋转、便携的多视域图像采集装置。该装置由图像采集平台、光源单元、成像、图像实时传输等单元构成,实现相机自动旋转、图像同步采集、传输与存储等功能。在此基础上,利用加权平均值法将采集得到的图像进行灰度化处理、利用Harris角点检测确定折皱织物的有效区域,并采用自适应均值滤波对图像中含有的噪声进行剔除。图像预处理为后期的图像校正与匹配、立体重建与深度映射提供了可靠的基础信息。(3)折皱织物局部特征提取与匹配。为了克服织物表面颜色、纹理对评级的干扰,本文基于立体视觉原理,提出利用图像局部特征描述符及其相似度重建出折皱织物的空间形貌。首先,通过棋盘格标定法标定得出双目相机的内外参数,并对左右视图的畸变进行校正;其次,提取出SIFT尺度不变特征变换算子,结合区域生长机制和k-d树存储策略,依据像素邻域的归一化互相关指标实现图像的匹配;最后,依据人眼视差原理,通过坐标系统的变换,计算得出折皱织物的高度信息。实验选取了6种具有外观纹理代表性的织物对算法进行了验证。实验结果表明,通过双目立体视觉算法可以部分重建出织物的折皱形态,避免了织物表面颜色、纹理的干扰。双目立体视觉有效规避颜色、纹理对重建的干扰,但因受到视角和匹配精度的影响,部分区域出现透视失真,导致部分区域出现匹配遗漏,重建完整性还有待进一步提升。(4)多视域图像重建与深度映射。本文提出了旋转式多视域图像重建方法解决双目立体视觉中图像匹配遗漏问题。首先利用双目相机的多角度旋转,采集不同视角下的织物图像。其次,利用棋盘格角点坐标位移变换关系,将多个视角下采集的图像统一到初始位置;再次,利用“点-曲面”迭代的3L算法,实现多幅点云的融合,提升了织物重建的完整性;最后,将重建获得的高度值映射到二维平面作为图像的灰度值,形成织物深度图像,作为后期图像分类的基础数据。实验部分开发了相机视角变换、点云去噪、点云配准、优化及可视化算法,实现基于多目的三维重建。结果表明:多视域织物重建算法能够有效地融合多组点云信息,采用点到面的最小距离计算的迭代算法,达到较好的收敛效果,能够有效地将不同视角下的点云统一到相同坐标系当中,充分利用了多视域图像信息,有效地重建出完整的织物折皱空间形貌。(5)折皱织物编码与平整度的客观评级。人类视觉判断可看作为一种具有高效的信息获取、特征提炼和综合判定功能的图像处理系统。稀疏编码算法借鉴了哺乳动物视觉细胞感受野的信息处理机制,一定程度上模拟了人对信息处理和判定的过程。文中利用稀疏编码算法对织物深度图像的底层特征进行训练与编码,构建出织物外观平整度视觉字典对织物折褶形貌进行表征,并利用多分类支持向量机多分类策略对织物深度图像进行了分类。实验部分从白色试样中筛选出300种具有代表性的表观折皱织物,利用三维重建技术设计出织物深度图像。实验结果表明:稀疏编码算法更能够反映图像的本质特征,其分类主客观一致率较Bo W、SPM算法有了较大幅度的提升。当训练样本量为90时,分类主客观一致率趋于稳定。单幅深度图像评级时间小于3秒,精确达到0.1级,50次主客观一致率均值为93.3%,能够在较短的时间内给出织物的外观平整度等级。本文对织物外观平整度客观评级方法的研究,创新之处包括:(1)首次从人工视觉感知方式出发,利用人眼视差原理设计并开发出具有多视域、便携式的图像采集装置;(2)创新地引入SIFT局部不变性特征,结合区域生长机制和“点-曲面”的配准算法重建出折皱织物的空间形貌,有效避免了织物表面颜色和纹理对评级的干扰;(3)模拟生物视觉神经快速、低代价表达自然图像的机制,以视觉“兴趣点”作为底层特征,通过稀疏编码逐层构建“视觉词典”,不再依赖于抽象的数学指标表征折皱织物。织物外观平整度的仪器化检测的实现,理论上,是机器视觉智能技术在传统织物外观性能评估上的突破;实践上,对于减少内外贸易纠纷,提升传统纺织产业,促进我国纺织服装的出口、相关洗护设备和产品性能的评估具有非常重要的实践指导价值。