评价服装穿着起皱程度的图像处理及特征提取方法
【专利摘要】本发明公开了一种评价服装穿着起皱程度的图像处理及特征提取方法。目前常用的图像滤波在突出织物折皱特征的同时，也大幅度提高了图像中的边缘，还会把一些折皱细节当作噪声去除，这严重影响了折皱特征值提取的准确性。本发明的步骤：服装折皱部位的图像采集；利用分数微分算法对折皱图像进行卷积滤波；折皱特征参数提取；计算所获取的膝盖、肘部和大腿根部这三个折皱部位图像的折皱度，并求出总折皱度。本发明提出采用分数微分算法对折皱图像进行预处理，然后再提取折皱度作为评价服装穿着起皱程度的指标，不仅改善了折皱细节提取的效果，还提高了评价结果与肉眼观察的吻合性和一致性，从而使检测精度大大提高。
【专利说明】
评价服装穿着起皱程度的图像处理及特征提取方法
技术领域
[0001] 本发明属于纺织服装性能测试领域，尤其涉及一种评价服装穿着起皱程度的图像 处理及特征提取方法。
【背景技术】
[0002] 折皱是指服装在穿着、保管过程中受到弯曲、洗涤、人体运动等因素的影响，使服 装产生难以恢复原来平整状态的变形。这种折皱不仅影响穿着美观性，而且折皱区域易受 到严重磨损，加快服装破损。因此对其进行客观、准确的评价尤为重要。目前服装折皱的评 价主要通过DP等级，这是一种简单、直接的主观评价方法，但结果易受到环境、评价人员心 理等因素的影响。同时，等级评定需要多名专业人士评价，耗时、耗力。
[0003] 随着信息技术的发展，图像处理技术在纺织服装领域得到了广泛的应用。运用图 像处理技术可以更加快速、客观地评价服装表面的平整度，弥补了主观评价的不足。从上个 世纪90年代开始，国内外的学者就采用各种图像处理的方法，提取表征织物折皱等级的特 征值，进行客观等级评定。
[0004] 目前关于图像处理技术在织物平整度中的应用已经取得了一定的成果，但仍然存 在以下不足:特征提取前进行的预处理，如图像增强、图像滤波去噪、图像灰度均衡化等手 段，对改善图像的清晰度和质量，去除噪声，突出图像特征等起重要作用。但是目前常用的 图像滤波方法，如中值滤波、线性滤波、自适应滤波等，在突出织物折皱特征的同时，也大幅 度提高了图像中的边缘，还会把一些折皱细节当作噪声去除，这严重影响了折皱特征值提 取的准确性。
【发明内容】
[0005] 本发明的目的在于针对以上织物起皱图像处理及特征提取中存在的问题，提出一 种新的评价服装穿着起皱程度的图像处理及特征提取方法。
[0006] 本发明的上述技术目的是通过以下技术方案实现的：一种评价服装穿着起皱程度 的图像处理及特征提取方法，它包括以下步骤：
[0007] 步骤1.服装折皱部位的图像采集。服装经穿着起皱后，运用1/2.3英寸、2010万像 素的CCD传感器，获取穿在人体上的膝盖、肘部和大腿根部这三个起皱严重部位的折皱图 像，并将采集后的这三个折皱图像输入计算机裁剪成同样的尺寸大小，以便于统一参数，然 后对每个折皱图像进行步骤2和3的处理。
[0008] 步骤2.利用分数微分算法对折皱图像进行卷积滤波。将分数微分算法的卷积滤波 运用到折皱图像中，会使折皱纹理细节随高频信号的增强而被大幅度的提升，折皱纹理总 体趋势也有所保留，从而对折皱细节的提取起到良好的效果。
[0009] (1)引入差分函数。将一元信号u(t)的区间[a，t]按k=l的距离进行平均等分，得 吐
分割数。可得出信号u (t)的V阶分数微分差值：
[0011] 式中，Γ为伽马函数，η!为η的阶乘。
[0012] (2)对折皱图像进行差分形式转化。MXN像素的二维折皱图像f(x，y)的连续区间 只能以图像像素为单位，等分间隔k只能为1，即折皱图像在(x b，xa)，ye (yb，ya)按k=l 的距离进行平均等分，得到nx = [ Xb-Xa ]，ny = [ yb-ya]的分割数。因此可以得到f (X，y)对X和y 的V阶偏微分差值近似表达式为：
[0013]
[0014]
[0015]
[0016]
[0017] (3)对p = 1，2，3，…，7中的每个值构造(2ρ+1 )β( 2p+l)的算子模板，首先考虑X方向 和y方向，然后再考虑两个斜向45度方向上像素的影响，从而得到八个对称方向的算子模 板。
[0018] (4)在M X N的折皱图像f (x，y)上，用上述构造的每个算子模板对f (X，y)进行卷积 滤波，其表达式为：
[0019]
C1 )
[0020] 式中，w(s，t)是构造的算子模板。为了得到一幅完整的经过增强处理的图像，必须 对χ = 0，1，2，···，Μ-1和γ = 0，1，2，···，Ν-1依次应用到式(1)，以保证图像所有像素得到计算。
[0021] (5)为了综合分析不同算子模板对图像增强的效果，将3*3,5*5,7*7,…，15*15不 同的算子模板w(s，t)对图像增强处理的结果进行对比，最后选择纹理细节增强效果最佳的 算子模板。
[0022] 步骤3.折皱特征参数提取。图像经分数微分算法卷积滤波处理后，提取折皱度C作 为表征评价折皱程度的指标，其计算核心是建立方向角局部边缘的概率直方图。具体步骤 如下：
[0023] (1)计算每个像素处的梯度向量。梯度向量是指像素点周围灰度值增加最快的方 向，分为水平梯度△ H、垂直梯度△ V。梯度向量的极坐标为：
[0024]
[0025]式中，I AGl是水平、垂直梯度的平均值，γ是梯度角。
[0026] (2)构诰方向角局部仂緣概率直方图：
[0027]
[0028]式中，NY(k)是当 I AG| 2T且(2k-l)/2n<0/ji< (2k+l)/2n时像素的数量，T表示阈 值。方向角局部边缘概率直方图对于具有明显起伏特征的图像会表现出峰值，对于无明显 起伏特征的图像则表现得比较平坦。
[0029] (3)图像总体的起伏程度可以通过计算直方图中峰值的尖锐程度获得，归一化后 的折皱度计算公式为：
[0030；
[0031]式中，P代表直方图中的第一个峰值，nP为直方图中最后一个峰值。对于某个峰值， Wp代表该峰值两侧谷底距离，而是波峰中心位置，#是该峰值两侧谷底之间的像素相对 该波峰中心位置的距离，r是归一化因子。
[0032] 步骤4.计算所获取的膝盖、肘部和大腿根部这三个折皱部位图像的折皱度，分别 记作Ci盖、Oh?、并求出总折皱度C总=Qg盖+Cwarf CiUf翻。总折皱度C总的数值越大，说明该 服装穿着起皱程度越严重。
[0033] 本发明的有益效果：
[0034] 现有常用的图像滤波方法有：中值滤波、线性滤波、自适应滤波等，均为整数微分 算法，在突出织物折皱特征的同时，图像中的边缘也被大幅度提高，同时一些折皱细节会当 作噪声去除，这严重影响了折皱特征值提取的准确。针对这一现象，本发明提出采用分数微 分算法对折皱图像进行预处理，然后再提取折皱度作为评价服装穿着起皱程度的指标，不 仅改善了折皱细节提取的效果，还提高了评价结果与肉眼观察的吻合性和一致性，从而使 检测精度大大提尚。
【附图说明】
[0035]图1为本发明的流程图。
【具体实施方式】
[0036] 以下结合附图，对本发明的技术方案作进一步具体说明。
[0037] 图1是本发明的技术路线图，结合图1本发明的实施步骤为：
[0038]步骤1.服装折皱部位的图像采集。服装经穿着起皱后，运用1/2.3英寸、2010万像 素的CCD传感器，获取穿在人体上的膝盖、肘部和大腿根部这三个起皱严重部位的折皱图 像。经反复实验发现，服装穿着在人体上，在传感器距离起皱部位28cm处获取的折皱图像最 完整，更有利于后期处理。为减少背景光线的影响，选用黑色幕布，以减少反光;将采集后的 三个折皱图像输入计算机裁剪成同样的尺寸大小，以便于统一参数，然后对每个折皱图像 进行步骤2和3的处理。
[0039]步骤2.利用分数微分算法对折皱图像进行卷积滤波。将分数微分算法的卷积滤波 运用到折皱图像中，会使折皱纹理细节随高频信号的增强而被大幅度的提升，折皱纹理总 体趋势也有所保留，从而对折皱细节的提取起到良好的效果。
[0040] 假设函数y = f(t)，自变量t的取值范围为(a，b)，在该区间上的V阶分数阶微分为： Dvf (t)。其中v>0，称为分数阶微分。
[0041] 若函数f(t)在区间(a,b)内连续可导，则f(t)的一阶导数为：
[0042]
[0043] I导出二阶导数：
[0044]
[0045]
[0046]
[0047]
[0048]
[0049]
[0050]
[0051] (1)引入差分函数使分数微分算法运用到图像处理中。根据分数阶定义，若将一元 信号u(t)的区间[a，t]按k=l的距离进行平均等分，得出 丨勺分割分数。因此可 以得出信号u(t)的V阶分数微分差值：
[0053]式中，Γ为伽马函数，η!为η的阶乘。
[0054] (2)对折皱图像进行差分形式转化。MXN像素的二维折皱图像f(x，y)的连续区间 只能以图像像素为单位，等分间隔k只能为1，折皱图像在(xb，xa)，ye (yb，ya)按k=l的 距离进行平均等分，得到nx=[xb_x a]，ny=[yb_ya!^分割数。因此可以得到f(x，y)对X和y的 V阶偏微分差值近似表达式为：
[0055]
[0056]
[0057] 由上式可见，两个差分表达式的系数是相同的，由此得到分数微分的差分系数为：
[0058]
[0059] (3)对p = I，2，…，7中的每个值构造(2p+l) X (2p+l)的算子模板，首先考虑x方向 和y方向，然后再考虑两个斜向45度方向上像素的影响，从而得到八个对称方向的算子模 板，如下：
[0061 ] (4)在M X N的图像f (x，y)上，用上述构造的每个算子模板对f (X，y)进行卷积滤波， 其表达式为：
[0062]
(1；
[0063]式中，w(s，t)是构造的算子模板。为了得到一幅完整的经过增强处理的图像，必须 对χ = 0，1，2，···，Μ-1和γ = 0，1，2，···，Ν-1依次应用到式(1)，以保证图像所有像素得到计算。 [0064] (5)为了综合分析不同算子模板对图像增强的效果，采用3*3,5*5,7*7,…，15*15 不同的算子模板w(s，t)对图像增强处理的结果进行对比，最后选择纹理细节增强效果最佳 的算子模板。
[0065]步骤3.折皱特征参数提取。图像经分数微分算法卷积滤波处理后，提取折皱度C作 为表征评价折皱程度的指标，计算的核心就是建立方向角局部边缘的概率直方图。具体步 骤如下：
[0066] (1)计算每个像素处的梯度向量。梯度向量是指像素点周围灰度值增加最快的方 向，分为水平梯度△ H、垂直梯度△ V。梯度向量的极坐标为：
[0067]
[0068]
[0069]
[0070]
[0071]式中，NY(k)是当 I AG| 2T且(2k-l)/2n<0/3i< (2k+l)/2n时像素的数量，T表示阈 值。方向角局部边缘概率直方图对于具有明显起伏特征的图像会表现出峰值，对于无明显 起伏特征的图像则表现得比较平坦。
[0072] (3)图像总体的不平程度可通过计算直方图中峰值的尖锐程度获得，计算归一化 后折皱度C，计算公式为：
[0073]
[0074]式中，p代表直方图中的第一个峰值，nP为直方图中最后一个峰值。对于某个峰值， Wp代表该峰值两侧谷底距离，而^是波峰中心位置，0是该峰值两侧谷底之间的像素相对 该波峰中心位置的距离，r是归一化因子。
[0075] 步骤4.计算所获取的膝盖、肘部和大腿根部这三个折皱部位图像的折皱度，分别 记作Ci盖、(?部、Ciui攝n，并求出总折皱度c总，c总=Qg盖+0^+(?*?。总折皱度c总的数值越大，说 明该服装穿着起皱程度越严重。
[0076] 综上所述仅为本发明的较佳实施例而已，并非用来限定本发明的实施范围。即凡 依本发明申请专利范围的内容所作的等效变化与修订，均为本发明的技术范畴。
【主权项】
1.评价服装穿着起皱程度的图像处理及特征提取方法，其特征在于：该方法包括W下 步骤： 步骤1.服装折皱部位的图像采集;服装经穿着起皱后，运用CCD传感器，获取穿在人体 上的膝盖、肘部和大腿根部运Ξ个起皱严重部位的折皱图像，并将采集后的运Ξ个折皱图 像输入计算机裁剪成同样的尺寸大小，然后对每个折皱图像进行步骤2和3的处理； 步骤2.利用分数微分算法对折皱图像进行卷积滤波； (1) 引入差分函数；将一元信号u(t)的区间[a, t]按k=l的距离进行平均等分，得出 ?= f^l二?/-〇1的分割数;可得出信号u(t)的V阶分数微分差值： Ik i L J式中，Γ为伽马函数，η!为η的阶乘； (2) 对折皱图像进行差分形式转化;ΜΧΝ像素的二维折皱图像f(x，y)的连续区间只能 W图像像素为单位，等分间隔k只能为1，即折皱图像在χe(xb，Xa)，yE(yb，ya)按k=l的距 离进行平均等分，得到nχ=[孔-?]，ny=[yb-ya]的分割数；因此可W得到f(x，y)对x和y的v 阶偏微分差值近似表达式为：由上式可见，两个差分表达式的系数相同，由此分数微分的差分系数为：(3) 对p = l，2,3,…，7中的每个值构造(2p+l)X(2p+l)的算子模板，首先考虑X方向和y 方向，然后再考虑两个斜向45度方向上像素的影响，从而得到八个对称方向的算子模板； (4) 在MXN的折皱图像f(x，y)上，用上述构造的每个算子模板对f(x，y)进行卷积滤波， 其表达式为：式中，w(s，t)是构造的算子模板;为了得到一幅完整的经过增强处理的图像，必须对X =0，1，2，…，M-1和y = 0，1，2，…，N-1依次应用到式（1)，W保证图像所有像素得到计算； (5) 为了综合分析不同算子模板对图像增强的效果，将3*3,5*5,7*7,…，15*15不同的 算子模板w(s，t)对图像增强处理的结果进行对比，最后选择纹理细节增强效果最佳的算子 模板； 步骤3.折皱特征参数提取；图像经分数微分算法卷积滤波处理后，提取折皱度C作为表 征评价折皱程度的指标，其计算核屯、是建立方向角局部边缘的概率直方图；具体步骤如下： (1) 计算每个像素处的梯度向量;梯度向量是指像素点周围灰度值增加最快的方向，分 为水平梯度A H、垂直梯度Δ V;梯度向量的极坐标为：式中，I A GI是水平、垂直梯度的平均值，丫是梯度角； (2) 构造方向角局部边缘概率直方图：式中，Νγ化)是当I AG| ^且(24-1)/化 <白/31< (2k+l)/化时像素的数量，T表示阔值； (3) 图像总体的起伏程度通过计算直方图中峰值的尖锐程度获得，归一化后的折皱度 计算公式为：式中，P代表直方图中的第一个峰值，np为直方图中最后一个峰值;对于某个峰值，Wp代 表该峰值两侧谷底距离，而0/,是波峰中屯、位置，0是该峰值两侧谷底之间的像素相对该波 峰中屯、位置的距离，r是归一化因子； 步骤4.计算所获取的膝盖、肘部和大腿根部运Ξ个折皱部位图像的折皱度，分别记作 C艦、Q刷、C大瞄睹H，并求出总折皱度C总=C艦+Q柜杆助if醜。2.根据权利要求1所述的评价服装穿着起皱程度的图像处理及特征提取方法，其特征 在于:采用1/2.3英寸、2010万像素的CCD传感器。
【文档编号】G06T7/40GK105844618SQ201610154298
【公开日】2016年8月10日
【申请日】2016年3月17日
【发明人】刘成霞, 刘婷
【申请人】浙江理工大学