项目名称: 纺织品纹理双面融合与共轭特征识别关键技术研究

项目编号: No.61271419

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 无线电电子学、电信技术

项目作者: 辛斌杰

作者单位: 上海工程技术大学

项目金额: 80万元

中文摘要: 纺织品数字化逆向工程,可有效提高纺织企业的产品设计质量,缩短设计周期,降低设计成本,增强企业对市场的快速响应能力。纺织品纹理信息的采集与分析是纺织品数字化逆向工程的核心技术之一,目前普遍采用数字图像处理和识别的手段。由于传统织物具有双面共轭结构,即单根纱线交替沉浮于织物正反两个表面,使得织物纹样完备信息受到双面纹理特征约束,单一表面的织物纹理图像难以重现织物纹样建构。本课题针对自动识别织物纹样的关键基础问题,提出双面图像融合与共轭纹理特征识别的新方法,通过建立单目标空间定位约束点匹配复合成像系统,获得织物纹样正反定位匹配的图像对,建立纹样共轭纹理模型,并结合组织编码和颜色聚类分析技术识别织物纹样类型,为实现纺织品纹样的自动准确快速识别提供新的研究思路;研究织物图像分析中识别定位纱线边缘,基于纹理与颜色判别纹样类型的基本图像理解与识别问题,有望为纺织品纹样快速智能识别提供理论依据和技术基础。

中文关键词: 织物纹理;模式识别;颜色聚类;图像处理;纱线定位

英文摘要: Digital Reverse Engineering (RE) of textile products can improve the quality of product design, shorten the design cycle and enhance the quick response ability of textile companies. The image acquisition and analysis of textile texture is one of the key technologies for the reverse engineering of textile products, digital image processing and analysis is widely used to solve this problem. As the traditional fabric has the nature of conjugated structure, that is, one individual yarn tracing up and down through both sides of the fabric alternately, it endows the fabric texture restricted by dual side conjugated features, one single side image is not enough to reconstruct the complete fabric texture any more. This project focuses on the key fundamental issue of automatic identification of fabric texture, presents a new method to implement the said dual side compound scanning and conjugated texture analysis, sets up an integrated imaging system based on the registration and matching of marking points on the single object with double surfaces, digitizes both upper and bottom surface image of the fabric texture, establishes a conjugated texture model for the fabric texture identification based on weave pattern coding and colour clustering techniques. This research presents a new solution for the automatic, quick and

英文关键词: Textile Texture;Pattern recognition;Colour clustering;Image Processing;Yarn location

成为VIP会员查看完整内容
0

相关内容

医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
军事知识图谱构建技术
专知会员服务
125+阅读 · 2022年4月8日
6G物理层AI关键技术白皮书(2022)
专知会员服务
42+阅读 · 2022年3月21日
专知会员服务
14+阅读 · 2021年6月1日
专知会员服务
37+阅读 · 2021年5月9日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
专知会员服务
69+阅读 · 2020年11月30日
【ACM MM2020】跨模态分布匹配的半监督多模态情感识别
专知会员服务
42+阅读 · 2020年9月8日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
AI综述专栏 | 人体骨骼关键点检测综述
人工智能前沿讲习班
18+阅读 · 2018年11月7日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
人体骨骼关键点检测综述
极市平台
21+阅读 · 2018年6月29日
图像检索研究进展:浅层、深层特征及特征融合
中国计算机学会
122+阅读 · 2018年3月26日
从传统方法到深度学习,人脸关键点检测方法综述
机器之心
14+阅读 · 2017年12月17日
人脸检测与识别总结
计算机视觉战队
21+阅读 · 2017年11月29日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
1+阅读 · 2022年4月19日
Invertible Mask Network for Face Privacy-Preserving
Arxiv
0+阅读 · 2022年4月19日
A Survey on Bayesian Deep Learning
Arxiv
63+阅读 · 2020年7月2日
小贴士
相关VIP内容
医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
军事知识图谱构建技术
专知会员服务
125+阅读 · 2022年4月8日
6G物理层AI关键技术白皮书(2022)
专知会员服务
42+阅读 · 2022年3月21日
专知会员服务
14+阅读 · 2021年6月1日
专知会员服务
37+阅读 · 2021年5月9日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
专知会员服务
69+阅读 · 2020年11月30日
【ACM MM2020】跨模态分布匹配的半监督多模态情感识别
专知会员服务
42+阅读 · 2020年9月8日
相关资讯
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
AI综述专栏 | 人体骨骼关键点检测综述
人工智能前沿讲习班
18+阅读 · 2018年11月7日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
人体骨骼关键点检测综述
极市平台
21+阅读 · 2018年6月29日
图像检索研究进展:浅层、深层特征及特征融合
中国计算机学会
122+阅读 · 2018年3月26日
从传统方法到深度学习,人脸关键点检测方法综述
机器之心
14+阅读 · 2017年12月17日
人脸检测与识别总结
计算机视觉战队
21+阅读 · 2017年11月29日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员