Automatic Identification of Jacquard Warp-knitted Fabric Patterns Based on the Wavelet Transform

• Autorzy: Jiang G. M. , Zhang D. , Cong H. L. , Zhang A L , Gao Z.

Warianty tytułu

PL

Automatyczna identyfikacja wzorów żakardowych dzianin osnowowych oparta na transformacji typu „wavelet”

• Języki publikacji: EN

Abstrakty

EN

In view of the fact that the design of jacquard warp knitting patterns is time-consuming, this paper proposes a rapid segmentation method to divide the multi-textural regions of jacquard warp-knitted fabric which could be used for automatic identification of fabric patterns to improve the efficiency of design. After pretreatment, the images scanned were decomposed by a two-layer two-dimensional wavelet transform and the standard deviations of five channels were extracted as the eigen values. Then, after giving the cluster centers, a multi-channel clustering was made combined with a K-means clustering algorithm. Finally the removal of noises caused by classification errors was needed , after which an accurate identification image was obtained. The experiments show that this method can achieve automatic texture segmentation of jacquard warp-knitted fabric with more than three textural regions. The identification results have high regional consistency, and the segmentation accuracy is up to 92%. The method can also adapt to a variety of mesh regions. Besides this, the approach is fast and can simplify craft personnel’s traditional process of pattern tracing classification when it is combined with CAD. Through this method, the efficiency of jacquard warp-knitted product designing can be improved a lot.

PL

Biorąc pod uwagę, że określenie wzorów żakardowych dzianin osnowowych jest czasochłonne, zastosowano metodę szybkiej segmentacji wzorów dla wydzielenia wielostrukturalnych rejonów dzianin, które mogłyby zostać wykorzystane dla automatycznej identyfikacji wzorów dzianin i usprawnieniu procesu projektowania. Po wstępnej obróbce zeskanowane obrazy zostają podzielone poprzez dwuwarstwową, dwuwymiarową transformacje typu „wavelet”, następnie określa się odchylenia standardowe dla pięciu kanałów i ekstrahuje się jako wartość własną. Następnie przeprowadza się wielowarstwową analizę klastrów opartą na specjalnym algorytmie. W końcu usuwa się szumy spowodowane przez błędy klasyfikacyjne co pozwala na dokładną identyfikację obrazów. Eksperymenty wykazują, że opracowana metoda pozwala na automatyczną segmentację struktury osnowowych dzianin żakardowych z więcej niż trzema regionami strukturalnymi. Opracowana metoda zapewnia identyfikację z dokładnością do 92% i znacznie usprawnia proces projektowania dzianin żakardowych.

Słowa kluczowe

EN

Jacquard; warp-knitted fabric; pattern; automatic identification; wavelet transform

PL

dzianina żakardowa; transformacja typu "wavelet"; identyfikacja automatyczna; dzianina osnowowa

• Wydawca: Sieć Badawcza Łukasiewicz - Łódzki Instytut Technologiczny
• Czasopismo: Fibres & Textiles in Eastern Europe
• Rocznik: 2014
• Tom: Vol. 22, no. 2 (104)
• Strony: 53--56
• Opis fizyczny: Bibliogr. 7 poz., rys., tab.

Twórcy

autor

Jiang G. M.

• P. R. China, WuXi, JiangNan University, Ministry of Education, Engineering Research Center of Warp Knitting Technology

autor

Zhang D.

• P. R. China, WuXi, JiangNan University, Ministry of Education, Engineering Research Center of Warp Knitting Technology

autor

Cong H. L.

• P. R. China, WuXi, JiangNan University, Ministry of Education, Engineering Research Center of Warp Knitting Technology

autor

Zhang A L

• P. R. China, WuXi, JiangNan University, Ministry of Education, Engineering Research Center of Warp Knitting Technology

autor

Gao Z.

• P. R. China, WuXi, JiangNan University, Ministry of Education, Engineering Research Center of Warp Knitting Technology

Bibliografia

• 1. Zhang Y. Image Engineering. 2nd Edition, Tsinghua University Press, 2007: 280.
• 2. Haralick RM, Shanmugam K, Dinstein IH. Textural features for image classification. IEEE Transactions on Systems, Man and Cybernetics 1973;SMC-3, 6: 610-621.
• 3. Liu X. Summary of texture research. Application Reasearch of Computers 2008; 25, 8: 2284-2287.
• 4. Zhang D, Jiang G ,Cong H. Automatic identification method of Jacquard warpknitted patterns with net. Journal of Textile Research 2010; 31, 10: 45-49.
• 5. Semler L, Dettori L, Furst J. Wavelet- Based texture classification of tissues in computed tomography. In: 18th IEEE Symposium on Computer Based Medical System 2005: 265-270.
• 6. Kumar A, Pang GKH. Defect detection in textured materials using Gabor filters. IEEE Transactions on Industry Applications 2002; 38, 2: 425–440.
• 7. Liu Y. Active Contour Models based on Texture Subspace Components for Image Segmentation. Dalian University of Technology, Master thesis, 2009: 39.