Texture Modelling of Fabric Appearance Evaluation Based on Image Analysis

• Autorzy: Xin B. , Li Y. , Qiu J. , Liu Y.

Warianty tytułu

PL

Metody modelowania tekstury płaskich wyrobów włókienniczych. Ocena wyglądu w oparciu o analizę obrazu

• Języki publikacji: EN

Abstrakty

EN

This paper presents the development of a fairly new texture modelling method based on image analysis for the purpose of objective quality evaluation of fabric appearance. co-occurrence matrix analysis is used to give quantitative descriptions of fabric appearance properties; an expert system using a neural network is used to model the relationship between these essential features and the final rating grade of the fabric appearance. The experimental results demonstrate that a good correlation can be achieved between the actual rating grade and that predicted and reveals the possibility of the development of an artificial intelligence system to simulate the functions of the human eye and brain.

PL

Artykuł przedstawia opracowanie nowej metody modelowania tekstury płaskich wyrobów włókienniczych, opartej na analizie obrazu, mającej służyć do obiektywnej oceny jakości włóknin polarowych. Analiza z zastosowaniem rachunku macierzowego pozwala na ilościowy opis wyglądu powierzchni materiału; system z zastosowaniem sztucznych sieci neuronowych pozwala na modelowanie zależności pomiędzy poszczególnymi właściwościami, a końcową oceną wyglądu włókniny polarowej. Wyniki eksperymentalne wskazują dobrą korelację pomiędzy przewidywanym wyglądem włókniny, a rzeczywiście uzyskanym oraz możliwość stworzenia układu zastępującego oko ludzkie i mózg.

Słowa kluczowe

EN

co-occurrence matrix; fabric appearance; image analysis; artficial intelligence

PL

włókna polarowe; wygląd tkaniny; analiza obrazu; sztuczna inteligencja

• Wydawca: Sieć Badawcza Łukasiewicz - Łódzki Instytut Technologiczny
• Czasopismo: Fibres & Textiles in Eastern Europe
• Rocznik: 2012
• Tom: Vol. 20, no. 2 (91)
• Strony: 48--52
• Opis fizyczny: Bibliogr. 17 poz.

Twórcy

autor

Xin B.

autor

Li Y.

autor

Qiu J.

autor

Liu Y.

• China, Shanghai, Shanghai University of Engineering Science, College of Fashion

Bibliografia

• 1. Amirbayat J, Alagha MJ. Objective Assessment of Wrinkle Recovery by Means of Laser Triangulation. J. Textile Inst. 1996; 87, Part I, 2: 349-354.
• 2. Xu B,Cuminato DF, Keyes NM. Evaluating Fabric Smoothness Appearance with a Laser Proflometer. Textile Res. J. 1998; 68(12): 900-906.
• 3. Fazekas Z, Komilves J, Renyi I, Surjan L. Towards Objective Visual Assessment of Fabric Features, Image Processing and its applications, Conference Publication No. 465 ©IEE 1999, pp. 411-416.
• 4. Jasińska I. Assessment of a fabric surface after pilling process based on image analysis. Fibres & Textiles in Eastern Europe 2009; 17, 2(73): 55-58.
• 5. Su T. Automated vision system for recognising lycra spanded defects. Fibres & Textiles in Eastern Europe 2011; 19, 1(84): 43-46.
• 6. Thibodeaux DD. Cotton Fiber Maturity by Image Analysis. Textile. Res. J. 1986; 56:130-139.
• 7. Gong RH, Newton A. Image-analysis Techniques, Part II: The Measurement of Fiber Orientation in Nonwoven Fabrics. J.Text.Inst. 1996; 87, 2: 371-388.
• 8. Thorr F, Drean JY, Adolphe D. Image Analysis Tools to Study Nonwovens. Textile Res. J. 1999; 69(3): 162-168.
• 9. Pourdeyhimi B, Xu B, Sobus J. Evaluating Carpet Appearance Loss: Surface Intensity and Roughness. Textile Res. J. 1993; 63(9): 523-535.
• 10. Pourdeyhimi B, Xu B, Wehrel L. Evaluating Carpet Appearance Loss: Periodiity and Tuft Placement. Textile Res. J. 1994; 64(1): 21-22.
• 11. Robert M, Shanmugam KH. Textural Features for Image Classifcation. IEEE Transaxtions on Systems, Man and Cybernetics 1973; SMC-3(6): 610-621.
• 12. Davis LS, Aggarwal JK. Texture Analysis Using Generalized Co-Occurrence Matrixes, IEEE Transaxtions on Pattern Analysis and Machine Intelligence 1979; PAMI-1(3): 251-259.
• 13. Lipmann P. An Introduction to Computing with Neural Nets, IEEE ASSP Magazine, April, 1987.
• 14. Dayhoff J.E. Neural Network Architectures: An Introduction, Van Nostrand Reinhold, USA, 1990.
• 15. Fu L. Neural Networks in Computer Intel ligence, McGraw-Hill, Singapore, 1994.
• 16. Chen P, Liang T. Classifying Textile Faults with a Back-Propagation Network using Power Spectra. Textile Research Journal 1998; 68(2): 121-126.
• 17. Tsai IS, Lin C, Lin J. Applying an Arti fcial Neural Network to Pattern Recognition in Fabric Defects, Textile Research Journal 1995; 65(3): 123-130.