應(yīng)用一維傅里葉變換的剖幅區(qū)自動識別與定位

黎 聰，閆學(xué)娜，曾祥忠，梁 猛，張 瑩

(1.西安郵電大學(xué) 電子工程學(xué)院，陜西 西安 710061；2.西安中川光電科技有限公司，陜西 西安 710061 )

應(yīng)用一維傅里葉變換的剖幅區(qū)自動識別與定位

黎 聰1，2，閆學(xué)娜1，2，曾祥忠2，梁 猛1，張 瑩1

(1.西安郵電大學(xué) 電子工程學(xué)院，陜西 西安 710061；2.西安中川光電科技有限公司，陜西 西安 710061 )

針對紡織行業(yè)布匹剖幅機工作過程中，剖幅區(qū)的識別定位仍由人工完成的現(xiàn)狀，提出一種可行的剖幅區(qū)自動識別定位方法，以降低工人勞動強度，提高布匹剖幅速率和準(zhǔn)確率。這種方法基于成像式自動檢測技術(shù)，應(yīng)用一維傅里葉變換提取剖幅區(qū)頻域特征來對其進行識別與定位，并利用VC++編寫定位軟件對該方法進行測試。結(jié)果表明，應(yīng)用一維傅里葉變換的成像式定位方法可快速、準(zhǔn)確地實現(xiàn)剖幅區(qū)自動識別與定位，提高剖幅機的工作效率和可靠性。

剖幅機；傅里葉變換；圖像識別；特征提?。黄史?/p>

圓緯機具有成圈系統(tǒng)多，轉(zhuǎn)速高，產(chǎn)量高，花形變化快，織物品質(zhì)好，產(chǎn)品適應(yīng)性強等多種優(yōu)點，因此，在現(xiàn)代紡織應(yīng)用中占有很大比例。但大多數(shù)圓緯機生產(chǎn)的圓筒狀織物需開幅和剖幅后才能進行后續(xù)加工。對于結(jié)構(gòu)較為簡單的織物，針織過程中一般會抽去2～3針作為漏針縫，開幅時剖布刀以該漏針縫為引導(dǎo)線進行剖幅。而對于結(jié)構(gòu)較為復(fù)雜的織物，針織過程中一般會形成一段無夾層、無花紋連接區(qū)，將該區(qū)域作為剖幅區(qū)用剖布刀進行剖剪才能保證布匹花紋和結(jié)構(gòu)的完整性。

傳統(tǒng)的剖幅方法是由工人用眼識別定位引導(dǎo)線或剖幅區(qū)位置，通過調(diào)整布匹或剖布刀位置進行開幅和剖幅工作。該方法工作效率低，勞動強度大，誤剖率高，自動化程度低，因此，研究引導(dǎo)線自動跟蹤技術(shù)、剖幅區(qū)自動識別定位技術(shù)，開發(fā)自動化程度高的剖幅機來提高紡織生產(chǎn)的自動化水品有著廣闊的前景和巨大的經(jīng)濟價值。

目前，國內(nèi)外對于引導(dǎo)線跟蹤技術(shù)的研究已取得很大進展。如趙大興等[1]研究的自動對線開幅方法，采用CCD獲取樣布圖像并對漏針縫進行識別與標(biāo)定，通過PID控制傘架轉(zhuǎn)速調(diào)整漏針縫位置與剖布刀對齊進行剖幅。楊德亮等[2]設(shè)計了一種基于位置敏感探測器PSD的引導(dǎo)線跟蹤器，使用軟件運算代替電路四則運算，提高了系統(tǒng)的精度與穩(wěn)定性。而對于復(fù)雜織物剖幅區(qū)的識別與定位，由于織物花紋的多樣性，結(jié)構(gòu)的復(fù)雜性，工序的高速性，大大增加了復(fù)雜織物自動剖幅的實現(xiàn)難度，因此，研究成果較少。本文研究了織物剖幅區(qū)快速自動識別和定位方法，提出了一種應(yīng)用一維傅里葉變換的成像式剖幅區(qū)自動識別定位方法，并通過軟件仿真與軟件測試，驗證了該方法的有效性與可行性。

1 樣布分析

近幾年，隨著計算機軟硬件與光電傳感器技術(shù)的迅速發(fā)展，圖像處理技術(shù)與機器視覺技術(shù)的應(yīng)用已深入航空航天、農(nóng)業(yè)、軍事、醫(yī)學(xué)等多個領(lǐng)域，在紡織行業(yè)也得到了日益廣泛的應(yīng)用，如檢測纖維混紡比[3]，自動評判織物抗皺性[4]、起毛起球性等級[5]、織物結(jié)構(gòu)參數(shù)識別[6]等。其中，基于成像式傳感器的自動檢測方法研究是熱門的課題之一。

本文使用STC-GE500A CCD相機對白色斜紋帶花床墊樣布進行采樣，如圖1所示。圖中顯示樣布中部豎直方向?qū)捈s30 mm的帶狀區(qū)域即為剖幅區(qū)。圖像橫向視場大小為400 mm，分辨率為2 448像素×2 058像素。

依據(jù)對樣布的觀察可以發(fā)現(xiàn)：1)樣布為純色，區(qū)域之間無色彩差異，因此，依據(jù)色度差異的識別方法行不通。2)剖幅區(qū)與周邊區(qū)域沒有明顯的灰度區(qū)別，區(qū)域邊界無灰度突變，且布匹剖幅過程難以保證其平整性，存在光照不均的現(xiàn)象，因此，常用的基于灰度域的圖像分割與識別方法[1,7-9]難以實現(xiàn)剖幅區(qū)的識別與定位。3)剖幅區(qū)與其他區(qū)域組織結(jié)構(gòu)存在差異，但織物組織結(jié)構(gòu)識別[10-11]對采集圖像的分辨率要求很高，導(dǎo)致其識別算法復(fù)雜，運算量大，硬件設(shè)備要求高，難以符合實際應(yīng)用的要求。4)剖幅區(qū)與其他區(qū)域紋理呈現(xiàn)不同空間周期性?？衫酶道锶~變換進行頻域特征提取來實現(xiàn)剖幅區(qū)的識別與定位。

由此可見，基于頻域的方法可行性較高。通常，圖像頻域特征提取主要利用傅里葉描述子表征形狀特征或直接通過傅里葉系數(shù)來計算紋理特征；但這些應(yīng)用都需要進行二維傅里葉變換得到頻譜圖，運算量較大，且頻譜圖上的點與圖像上的點并沒有一一對應(yīng)的關(guān)系[12]，因此，本文應(yīng)用列向一維快速傅里葉變換的方法，利用剖幅區(qū)紋理映射在列方向上的周期性進行識別與定位，可大大降低設(shè)備要求，減少計算量，提高效率。

2 一維頻譜特征提取與分析

2.1 特征頻率提取

圖像識別過程中，一般要對采集的圖像進行預(yù)處理，增強圖像某些特征以便進行后續(xù)分析，但對圖像某些信息進行增強的同時，不可避免地也會增強噪聲，并且增加了運算量，降低了處理速度，與剖幅機快速識別、定位剖幅區(qū)從而完成剖幅工作的目標(biāo)相悖；因此，本文提出的識別定位方法將不做預(yù)處理。

樣布圖像按紋理特征可劃分為3個區(qū)域：剖幅區(qū)、非剖幅區(qū)和花紋區(qū)。圖2示出樣布局部放大圖(圖1中標(biāo)識部分，同時存在3個區(qū)域，尺寸為800像素×512像素，橫向視場130 mm)，對圖2中3個區(qū)域分別進行列像素抽樣FFT(抽樣間隔為10個像素)，得到相應(yīng)區(qū)域特征頻譜，結(jié)果見圖3。圖中給出了各區(qū)域中典型列像素(圖2中列線標(biāo)出)的幅頻譜線。

由圖3可知，不同區(qū)域譜線差異十分顯著，3個區(qū)域各自的頻譜特征及特征頻率如下：

1)剖幅區(qū)頻譜呈現(xiàn)孤峰特性，即波峰陡峭，數(shù)目少，峰間無重疊；波峰C坐標(biāo)為(51,2 680)，即剖幅區(qū)特征頻率f1為51。

2)非剖幅區(qū)頻譜同樣呈現(xiàn)孤峰特性；波峰B坐標(biāo)為(9,4 100)，即非剖幅區(qū)特征頻率f2為9。

3)花紋區(qū)頻譜呈現(xiàn)多峰特性；波峰A坐標(biāo)為(3,4 500)，由于花紋區(qū)譜線之間差異較大，圖3中列出的并不具有普遍性，故不能判斷A峰為其特征峰。

2.2 特征頻率分析

圖像的頻率是表征圖像灰度梯度的指標(biāo)，灰度變化越劇烈，對應(yīng)的頻率越高；灰度變化越平緩，對應(yīng)的頻率越低。由傅里葉變換的性質(zhì)可知，圖像像素的灰度空間分布映射到了頻域。從頻域信息中同樣能通過對應(yīng)關(guān)系得到其空間分布信息，即通過特征頻率可以推算出對應(yīng)的空間紋理尺寸，如下式所示：

式中：K為空間周期，mm；f為空間頻率；LN為N像素點長度，mm，N為FFT取樣點數(shù)；W為圖像橫向視場；w為圖像橫向分辨率。可依據(jù)各區(qū)域的特征頻率分析其紋理的空間周期。

由剖幅區(qū)特征頻率f1可得，其特征紋理空間周期K1為1.64 mm，與剖幅區(qū)橫向紋理尺寸一致，故可用峰C表征剖幅區(qū)高頻紋理特征。

由非剖幅區(qū)特征頻率f2可得其特征紋理空間周期K2為9.30 mm，與非剖幅區(qū)斜紋在豎直方向表現(xiàn)出的空間尺寸一致，故可用峰B表征非剖幅區(qū)低頻紋理特征。

峰A對應(yīng)頻率附近3條曲線幅值都較大，該區(qū)域?qū)?yīng)的空間周期范圍為20.92 ～ 27.88 mm。通過分析可以發(fā)現(xiàn)，該區(qū)域是由樣布不平整導(dǎo)致光照不均而產(chǎn)生的低頻噪聲(圖2中可見陰影部分)。

3 剖幅區(qū)自動識別與定位

3.1 剖幅區(qū)列像素識別

通過上述分析，得到了剖幅區(qū)列像素區(qū)別于其他區(qū)域列像素的高頻特征峰。依據(jù)特征峰的頻率及幅值，設(shè)定合適的幅頻閾值，即能檢測樣布圖像的任意列像素是否屬于剖幅區(qū)。此外，幅頻閾值的設(shè)定還應(yīng)考慮2個因素：1)剖幅過程中，光照不均可能導(dǎo)致特征峰幅值的上下波動。2)剖幅過程中，樣布的小角度傾斜可能導(dǎo)致特征峰頻率的前后漂移。

利用特征峰頻率領(lǐng)域內(nèi)取幅值標(biāo)準(zhǔn)差的方式來確定合適的幅頻閾值。計算公式如下：

式中：δ為鄰域半徑，δ∈N；Af為剖幅區(qū)特征峰幅度；B、C分別為非剖幅區(qū)與花紋區(qū)幅頻譜序列；S為標(biāo)準(zhǔn)差；AT為幅度閾值。

鄰域半徑需大于織物傾斜導(dǎo)致的頻率漂移半徑。即鄰域半徑越大，對樣布傾斜角度的容限越大，但同時可能導(dǎo)致S變小，使識別的準(zhǔn)確率降低，易受環(huán)境光照及噪聲的影響；因此，要結(jié)合實際應(yīng)用環(huán)境確定最優(yōu)的鄰域半徑，即保證傾斜容限滿足實際需求，又能獲得較好的抗噪能力?？椢飪A斜導(dǎo)致的頻率最大漂移半徑可用公式表示：

△f=f(1-cosθ)

式中：f為剖幅區(qū)特征頻率，θ為織物傾斜最大角度。

通過對多種樣布的分析以及對剖幅過程的考察，對常見剖幅參數(shù)進行了定量分析，結(jié)果如表1所示。

表1 常見剖幅參數(shù)表Tab.1 General fabric slitting parameters

注：參數(shù)均在同一光照條件下獲得；快速傅里葉變換點數(shù)N取512。

一般地，剖幅機在剖幅過程中，織物傾斜角度小于15°，織物紋理周期剖幅區(qū)明顯小于非剖幅區(qū)。由表1可看出，對于一般剖幅情況，都能獲得較大的標(biāo)準(zhǔn)差值，表明幅度閾值的波動容限較大，因此，應(yīng)用傅里葉變換的方法進行列像素識別，能有效克服剖幅過程中織物傾斜、光照不均等的干擾，準(zhǔn)確地識別出屬于剖幅區(qū)的列像素。此外，該方法只需對個別幅值點進行大小比較而無需繁瑣的計算，因此，效率較其他方法如列頻譜求和等要高出很多。

3.2 剖幅區(qū)定位

通過對列像素進行橫向掃描式快速傅里葉變

換，可以識別出位于剖幅區(qū)的列像素，對這些列像素的坐標(biāo)取平均值就能定位出剖幅區(qū)的中心位置，但考慮到實際剖幅過程中，由于不確定因素的存在，可能在個別位置出現(xiàn)誤識別，即將非剖幅區(qū)列識別為剖幅區(qū)列或?qū)⑵史鶇^(qū)列識別為非剖幅區(qū)列，前者對剖幅區(qū)中心位置定位影響很大。為了減小這種個別誤判帶來的定位誤差，使用下式計算剖幅區(qū)中心位置，依據(jù)誤判為剖幅區(qū)的列只分布在剖幅區(qū)兩側(cè)，利用前后過濾，中間取平均的方式可有效地減小誤差。

式中：Xc為剖幅區(qū)中心位置；Xn為識別的列像素坐標(biāo)序列；a為過濾半徑。過濾半徑的選擇主要依據(jù)定位過程中受干擾的程度而定。一般而言，過濾半徑都取較小值。此外，過濾半徑可在剖幅過程中進行調(diào)整，使剖幅達(dá)到最理想的效果。

3.3 自動識別定位軟件實現(xiàn)

基于VC++編寫測試軟件對本文提出的剖幅區(qū)自動識別定位方法進行驗證。軟件主要實現(xiàn)二大功能：剖幅區(qū)特征頻率提取與剖幅區(qū)識別定位，流程如圖4所示。圖像采集使用IMAGING SOURCE DMM 22BUC03 CMOS相機，分辨率為640像素×480像素，橫向視場大小為130 mm，幀率為76 幀/s。

4 實驗結(jié)果與分析

在驗證中，應(yīng)用編寫的軟件對樣布進行了剖幅區(qū)定位，結(jié)果如圖5所示。圖中顯示定位的剖幅區(qū)中心位置由黑色列線標(biāo)出，由此可見其定位結(jié)果十分準(zhǔn)確。

5 結(jié) 語

通過軟件測試，充分驗證了本文提出的應(yīng)用一維傅里葉變換的成像式剖幅區(qū)自動識別定位方法的可行性與有效性。該方法針對剖幅區(qū)與非剖幅區(qū)紋理存在顯著空間周期差異的織物具有普遍適用性，能有效克服剖幅過程中織物小角度偏斜、光照不均、噪聲等不利因素的干擾，快速、準(zhǔn)確地定位出剖幅區(qū)的中心位置；但由于幅頻特征的提取為靜態(tài)過程，相關(guān)參數(shù)的設(shè)定也需要人工完成，且一組特征參數(shù)僅適用于一種織物，織物改變時需要重新設(shè)定參數(shù)，無法實現(xiàn)真正意義上的全自動剖幅，因此，織物特征的在線提取，與參數(shù)的自適應(yīng)調(diào)整將作為今后努力研究的方向。

FZXB

[1] 趙大興,馮維,孫國棟.基于CCD與PID的自動視覺對線開幅方法研究[J].測控技術(shù),2013,32(12): 69-72.ZHAO Daxing,FENG Wei,SUN Guodong.Research on an automatic visual on-line open-width method based on CCD and PID[J].Measurement & Control Technology,2013,32(12): 69-72.

[2] 楊德亮,魏燕定,周冠雄,等.基于PSD的織物引導(dǎo)線跟蹤器設(shè)計[J].紡織學(xué)報,2010,31(6) :129-133.YANG Deliang,WEI Yanding,ZHOU Guanxiong,et al.Design of fabric guide line tracker based on position sensitive detector[J].Journal of Textile Research,2010,31(6): 129-133.

[3] 應(yīng)樂斌.混紡織物不同纖維的圖像識別與定量分析[D].杭州：浙江大學(xué),2012:49-62.YING Lebin.Image recognition of various fibers and quantitative analysis for blended fabric[D].Hangzhou: Zhejiang University,2012: 49-62.

[4] 盧雨正,高衛(wèi)東,王鴻博.織物抗皺性能的評價方法[J].絲綢,2005(11): 22-23.LU Yuzheng,GAO Weidong,WANG Hongbo.Evaluation methodology of fabric wrinkle resis-tance[J].Journal of Silk,2005(11): 22-23.

[5] BEHERA B K,MOHAN Madan T E.Objective measurement of pilling by image processing techni-que[J].International Journal of Clothing Science and Technology,2006,17(5): 279-291.

[6] 王靜.基于圖像處理的機織物組織結(jié)構(gòu)識別與分類[D].西安：西安工程大學(xué),2013:17-49.WANG Jing.Automatic recognition and classification of woven fabric based on image processing[D].Xi′an: Xi′an Polytechnic University,2013:17-49.

[7] 沈志忠,王碩,曹志強,等.基于邊緣檢測的圖像分割方法及其在機器魚中的應(yīng)用[J].機器人,2006,28(4): 361-366.SHEN Zhizhong,WANG Shuo,CAO Zhiqiang,et al.An image segmentation algorithm based on edge detection and its application to robotfish[J].Robot,2006,28(4): 361-366.

[8] 高衛(wèi)東,劉基宏,徐伯俊,等.織物中緯紗排列參數(shù)的自動識別[J].棉紡織技術(shù),2002,30(1): 28-31.GAO Weidong,LIU Hongji,XU Bojun,et al.Automatic identification of weft arrangement parameters in fabric[J].Cotton Textile Technology,2002,30(1): 28-31.

[9] 高衛(wèi)東,劉基宏,徐伯俊,等.織物中經(jīng)紗排列參數(shù)的自動識別[J].棉紡織技術(shù),2002,30(3): 31-34.GAO Weidong,LIU Hongji,XU Bojun,et al.Automatic identification of warps arrangement parameters in fabric[J].Cotton Textile Technology,2002,30(3): 31-34.

[10] 潘如如,基于數(shù)字圖像處理的機織物結(jié)構(gòu)參數(shù)識別[D].無錫：江南大學(xué),2010:11-41.PAN Ruru.Automatic recognition of woven fabric parameters based on digital image analysis[D].Wuxi: Jiangnan University,2010:11-41.

[11] XU B.Identifying fabric structures with fast Fourier transform techniques[J].Textile Research Journal,1995,65(11): 676-683.

[12] 尹惠玲.基于一維傅里葉變換特征提取的紙幣識別[J].計算機與現(xiàn)代化,2011(7):34-35,39.YIN Huiling.Paper currency recognition based on feature extraction of one dimension Fourier trans-form[J].Computer and Modernization,2011(7):34-35,39.

Automatic recognition and positioning method for fabric slitting zone using one-dimensional Fourier transform

LI Cong1，2，YAN Xuena1，2，ZENG Xiangzhong2，LIANG Meng1，ZHANG Ying1

(1.SchoolofElectronicEngineering，Xi′anUniversityofPosts&Telecommunications，Xi′an，Shaanxi710061，China； 2.Xi′anMid-RiverPhotoelectricTechnologyCo.,Ltd.,Xi′an，Shaanxi710061，China)

The current recognition of fabric slitting zone is still completed manully during the working process of fabric slitting machine.This paper provides a high-speed and real-time method to recognize and position fabric slitting zone automatically to reduce the labor intensity of workers and improve the effectiveness and accuracy of fabric slitting.One dimensional Fourier transform is used in this method to extract features in frequency domain.Then the center of the slitting zone can be positioned based on image detection technique.In addition,using VC++ language,software is designed to test the method.The results of software testing indicate that the method proposed can recognize the fabric slitting zone and position its center quickly and precisely,and improve the effectiveness and reliability of fabric slitting machine as well.

fabric slitting machine；Fourier transform；image recognition；feature extraction；fabric slitting

10.13475/j.fzxb.20141205105

2014-12-25

2015-10-09

西安郵電大學(xué)創(chuàng)新基金項目(114-602080043)

黎聰(1991—)，男，碩士生。主要研究方向為光電傳感與檢測技術(shù)。梁猛，通信作者，E-mail：liangmeng@xupt.edu.cn。

TS 103.7

A