张 勇，邓中民，马 俊



贾卡经编织物花纹图案的自动识别

张 勇1，邓中民2*，马 俊1

（1. 武汉纺织大学 数学与计算机学院，湖北 武汉 430200; 2. 武汉纺织大学 纺织科学与工程学院，湖北 武汉 430200）

在一般的花型设计和检测印染织物花型是否走样的过程中，都需要将花纹提取出来。为了快速地将织物花纹图案提取出来，提高花纹设计效率，本文主要基于织物图像的颜色特征，对织物图像建立高斯混合模型，然后根据后验概率的排序大小，并对织物图像的不同层次进行相应的标注，从而标记出所需的织物花纹。结果表明：该方法能有效地将完整的花纹提取出来，准确度高，速度快，具有一定的实用价值。

聚类算法；高斯混合模型；花纹提取；颜色特征

在传统的花型设计过程中，对于给定的来样图，需要将织物的花纹识别与提取出来。另一方面，在印染织物的检测过程中，经常会出现印染花型与客户需求不一致的现象，即“花型走样”，该过程依然需要将织物的花纹提取出来。一般地，上述工艺过程必须依赖人力完成，主要通过PS绘图软件进行抠图和手工绘制意匠图等方式，但这样的设计过程，已经不能满足现代化的设计要求。为了提高工作效率，减少不必要的资源消耗，迫切的需要一种数字化技术来完成织物花纹的自动识别与提取。

织物花纹的自动识别实质上是图像分割。图像分割是实现自动图像分析和模式识别的首要问题，它根据图像的某些特征或特征集合的相似性准则，对图像像素进行分组聚类。但针对不同的应用背景，各种图像分割算法都有一定的局限性，即没有一种通用的图像分割算法能适合各种应用背景。针对织物图像的分割，目前对此研究较少，主要集中于运用图像处理的方法，虽然取得了一定的成果，但仍有不足之处。

据此，本文主要研究对象是贾卡经编织物，鉴于贾卡经编织物表面颜色特征呈现出的差异性，提出了基于高斯混合模型的织物花纹识别算法，该方法是一种基于统计模式识别的分割方法，具有快速和适应性广泛的特点。实验表明，该方法对于贾卡经编织物图像分割效果良好，能很好的将织物花纹提取出来。

1 高斯混合模型(GMM)

1.1 高斯混合模型(GMM)原理

GMM是一种常用的数学模型，被广泛应用于语言、图像识别等方面，取得了良好的效果。设定有个点组成了指定的数据集，将数据集在维空间中的对应的点作为一定分布的样本值，则此分布可由个高斯密度函数的加权平均所表示，此概率密度函数的一般表达式为

其中

（2）

（3）

1.2 初始化GMM参数集

一般参数估计，通过对待求变量求导来求极值。上式求导过于复杂，且没有闭合解，为了进一步简化模型，本文采取均值赋值的方式，初始化GMM的参数集合。

2 花纹分割的实现步骤

高斯混合模型进行花纹识别与提取的步骤为：

（1）对每一张测试图像，提取颜色特征，本文采用彩色图像，取R,G,B三个通道的颜色信息作为特征向量的3个维度。特征向量的总个数为像素点的个数，即：，其中和分别表示图像的行列数；

（3）根据GMM模型计算每个特征向量属于不同高斯分布的后验概率；

3 实验结果与分析

按上述花纹分割的实现步骤，在MATLAB7.0的环境下，实验选取多副贾卡经编织物图像运用GMM模型进行贾卡经编织物花纹的识别与提取，图像大小为256*256，原图如图1(a)，图2(a)所示，图3(a)(c)(e)(g)。同时，为了测试分割效果，本文采用多种分割效益合成图作为满意度的评价标准。

(a)样图1(b)三种分割效应合成图 (c) 类别1(d)类别2(e)类别3

聚类后各个类别图案如图1(c)(d)(e)，图2(c)(d)(e)所示，其中黑色部分表示各个聚类信息。样图1主要是验证简单颜色特征的花纹识别，样图2 和样图3为贾卡经编织物图案，织物结构更为复杂，颜色更为多变。实验效果如图1、图2和图3所示。

观察样图1，根据颜色不同大致可以分为3个区域，实验取高斯混合模型的个数=3进行聚类分析。如图1所示将样图1分为3类，整体分割效果良好，能根据颜色特征识别相同区域和不同区域，样图1部分区域颜色过于接近，有少许不理想地方的存在。

(a)样图2(b)三种分割效应合成图 (c)网孔(d)花纹(e)底色背景

根据织物颜色的不同，从图2可以很直观的看出，大致可以分为3个区域，花纹、底网和图像背景三个部分，实验取高斯混合模型的个数=3进行聚类分析。如图2(a)所示为贾卡经编织物的图案，从分割结果可以看出GMM模型能很好的将花纹识别与提取出来，如图2(d)为识别出来的压纱花纹组织，2(c)和2(e)分别为贾卡网孔组织和底色背景。如图2(b)将三种分割效应合成，利于数字化的花纹设计，同时对比2(a)和2(b)，可以看出分割效益合成图和原图接近程度较高，已经满足实际的设计要求，从而也可知GMM模型对于贾卡经编织物分割效果较好，满意度高。

(a)样图3(b)花纹(c)样图4(d)合成图 (e)样图4(f)花纹(g)样图5(h)合成图

为了验证GMM模型对于贾卡经编织物花纹提取的广泛适用性，如图3所示，选用多种复杂织物图样进行花纹的提取。测试结果表明，对于复杂的织物图像，该算法依然能有效的将各层次提取出来，从而分割出花纹图案。

4 结论

本文提出的GMM模型，选用颜色特征构成特征向量数据集，采用均值赋值的算法进行参数初始化，从而获得每个高斯模型参数，对每个特征向量在不同高斯分布下的概率进行排序，选取最大后验概率即认为该特征向量属于该高斯分布，并进行不同的标注。根据大量的实验结果，对于贾卡经编织物花纹的识别与提取获得了较好的分割结果，提高了工艺设计效率，具有很好的实际应用价值。同时，需预先对贾卡经编织物进行观察，给定分类的数目，即高斯模型的个数，然后再进行聚类，对于聚类数目的自动选取，也将是今后的一个重要研究内容。

参考文献：

[1] 冉友廷．织物表面颜色纹理特征的检测与应用[D]．武汉：武汉纺织大学，2013．

[2] 李仁忠，张缓缓，等．基于EM算法的高斯混合模型的织物瑕疵点检测研究[J]．计算机工程与应用，2014，50(10)：184-187．

[3] 徐贵力，毛罕平，李萍萍．彩色图像颜色和纹理特征提取的应用算法[J]．计算机工程，2002，28(6)：25-27．

[4] Sujaritha M， Annadurai S．Color image segmentation using adaptive spatial Gaussian mixture model[J]．International Journal of Information and Communication Engineering，2010，6(1)：28-32．

[5] Serge Belongie，Chad Carson，Hayit Greenspan， et al． Color -and –Texture-Based Image Segmentation Using EM and its Application to Content-Based Image Retrieval[J]．Proc．Int．Conf．Comp.，1998．

[6] Permuter H ，Francos J，Jermyn I． A study of Gaussion mixture models of color and texture feature for image classification and segmentation[J]．Pattern Recognition，2006，39：696-706．

Automatic Identification of Jacquard Warp Knitting Fabric Pattern

ZHANG Yong1, DENG Zhong-min2, MA Jun1

(1. College of Mathematics and Computer Science, Wuhan Textile University, Wuhan Hubei 430200, China; 2. School of Textiles Science and Engineering, Wuhan Textile University, Wuhan Hubei 430200, China)

Generally, in the process of designing from samples from and testing pattern whether its shape is different or not all, we need to extract the pattern. In order to quickly and efficiently extract the fabric patterns automatically and improve the efficiency of decorative pattern design, the method is mainly based on color feature, to establish the Gaussian mixture model, according to the posteriori probability, and then image annotation. Results show that the method can effectively extract the complete pattern, with high accuracy, high speed, and has a certain practical value.

Clustering algorithm; GMM; pattern extraction; color feature

TS101.9

A

2095－414X(2015)03－0045－04

邓中民（1964-），男，教授，研究方向：数字化纺织.