Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 2019

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: przędza barwiona

Sortuj według:

Ogranicz wyniki do:

Yarn-Dyed Fabric Image Retrieval Using Colour Moments and the Perceptual Hash Algorithm

Li Zhongjian, Xiang Jun, Wang Lei, Zhang Ning, Pan Ruru, Gao Weidong

Fibres & Textiles in Eastern Europe

2019

Vol. 27, no. 5 (137)

39--46

Due to the variety of yarn colours and arrangement, it is a challenging problem to retrieve a yarn-dyed fabric image. In this paper, yarn-dyed fabric samples are captured by the DigiEye system first, and then pattern images of the fabric images captured are simulated by pattern design software based on extracted structure parameters of the yarn-dyed fabric. For the simulated pattern image, an effective algorithm is proposed to retrieve these kinds of images by combining the colour moments method and perceptual hash algorithm. Then the pattern images retrieved are mapped back to the yarn-dyed fabric image so as to realise the yarn-dyed fabric image retrieval. In the algorithm proposed, the colour moments method is adopted to extract the colour features, and the perceptual hash algorithm is utilised to calculate the spatial features of the simulated pattern images. Then the two kinds of image features are used to compute the similarity between the input original image and each target image based on the Euclidean distance and Hamming distance. Relevant images can be retrieved in dependence on the similarity value, which is determined by calculating the optimum weighted value of the colour features’ similarity and spatial features’ similarity. In order to measure the retrieval efficiency of the method proposed, the accuracy rate and retrieval rate of image retrieval were computed in experiments using a PATTERN image database with 300 images. The experimental results show that the average accuracy rate of the method proposed is 85.30% and the retrieval rate - 53.51% when the weighted value of the colour feature similarity is fixed at 0.45 and the spatial feature similarity is 0.55. It is shown that the method presented is effective to retrieve pattern images of yarn-dyed fabric.

Ze względu na różnorodność kolorów i rozmieszczenia przędz otrzymanie obrazu tkaniny wytworzonej z barwionych przędz jest trudnym zadaniem. W artykule próbki tkanin z barwionych przędz były najpierw analizowane przez system DigiEye, a następnie wykonane zostały symulacje obrazów z zastosowaniem oprogramowania do projektowania wzorów oparte na wyodrębnionych parametrach struktury tkaniny. W przypadku symulacji obrazu wzoru zaproponowano skuteczny algorytm do odzyskiwania tego rodzaju obrazów poprzez połączenie metody momentów koloru i percepcyjnego algorytmu z mieszaniem. W zaproponowanym algorytmie do wyodrębniania cech kolorów zastosowano metodę momentów barwnych, a do obliczenia cech przestrzennych symulowanych obrazów został wykorzystywany percepcyjny algorytm mieszania. Następnie użyto dwóch rodzajów cech obrazu do obliczenia podobieństwa między oryginalnym obrazem wejściowym a każdym obrazem docelowym w oparciu o odległość euklidesową i odległość Hamminga. Odpowiednie obrazy można odzyskać w zależności od wartości podobieństwa, która jest określana przez obliczenie optymalnej ważonej wartości podobieństwa cech koloru i podobieństwa cech przestrzennych. Aby zmierzyć skuteczność proponowanej metody w eksperymentach obliczono wskaźnik dokładności i szybkość pobierania obrazów, wykorzystując bazę danych obrazów PATTERN z 300 obrazami. Wyniki eksperymentalne pokazały, że średni współczynnik dokładności proponowanej metody wynosi 85,30%, a szybkość pobierania 53,51%, wartość podobieństwa cech kolorów wynosiła 0,45, a podobieństwo cech przestrzennych wynosiło 0,55. Wykazano, że prezentowana metoda jest skuteczna w przypadku otrzymywania obrazów wzorów tkanin z przędz barwionych.

A Method for Defect Detection of Yarn-Dyed Fabric Based on Frequency Domain Filtering and Similarity Measurement

Zhang Bo, Tang Chunming

Autex Research Journal

2019

Vol. 19, no. 3

257--262

The detection of defects in yarn-dyed fabric is one of the most difficult problems among the present fabric defect detection methods. The difficulty lies in how to properly separate patterns, textures, and defects in the yarn-dyed fabric. In this paper, a novel automatic detection algorithm is presented based on frequency domain filtering and similarity measurement. First, the separation of the pattern and yarn texture structure of the fabric is achieved by frequency domain filtering technology. Subsequently, segmentation of the periodic units of the pattern is achieved by using distance matching function to measure the fabric pattern. Finally, based on the similarity measurement technology, the pattern’s periodic unit is classified, and thus, automatic detection of the defects in the yarn-dyed fabric is accomplished.