汪坤 史伟民 李建强 彭来湖

摘 要：针对织物图像特征提取和检测问题，研究了一种基于卷积神经网络U-net模型的织物印花分割算法，并根据织物印花的特点对原有模型进行改进，从而更精确地实现对织物印花图像的分割。实验选取100张原始织物印花图像，并利用人工标注的方法标注出分割好的图像，作为训练的标签，将训练图像和标签通过翻转、裁剪等数据增强算法得到1000张图像和对应标签进行训练。实验对比了本文算法和一些传统分割算法，结果表明，本文的分割算法能够更有效地分割出织物印花图案。

关键词：织物印花;图像分割;U-net;深度学习

中图分类号：TS101  文献标志码：A

文章编号：1009-265X（2021）03-0045-06

Abstract： Aiming at the problem of fabric image feature extraction and detection， this paper studies a fabric printing segmentation algorithm based on U-net model of convolutional neural network， and improves the original model according to the characteristics of fabric printing so as to more accurately segment the fabric printed image. In the experiment， 100 original fabric printing images were selected， and the segmented images were marked by manual labeling as the training labels. 1000 images and corresponding labels obtained by data enhancement algorithms such as flipping and clipping were trained. The experiment was conducted to compare this algorithm and some traditional segmentation algorithms. The results show that the segmentation algorithm could more effectively segment the fabric printed pattern.

Key words： fabric printing; image segmentation; U-net; deep learning

織物印花是织物生产过程中重要的环节，对于印花质量的检测必不可少。由于印花图案复杂多样，且大部分具有不规则性，印花花纹常为随机分布，检测其质量有着很大的难度，而织物背景则相对简单。因此，对于后续的织物质量检测（如疵点检测等），印花部分和背景部分的检测方法有时会有不同，有时只需考虑印花部分的检测。如果能够精确地将印花图案从整体织物图案中分割出来，对印花部分和背景部分分别检测，那么无论是对于检测效率还是检测准确率都有着很大的帮助。

近年来，在图像分割领域，有着很多不错的成果。传统图像分割算法有很多，主要包括以下几种。

基于阈值的分割，通过设置不同的灰度值阈值，将整体图像按不同灰度等级分割为不同的区域。……