一种基于非刚体纺织图像配准技术的精确纺织方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111968166A(43)申请公布日2020.11.20(21)申请号202010843275.7G06F17/16(2006.01)(22)申请日2020.08.20(71)申请人西安工程大学地址710048陕西省西安市碑林区金花南路19号申请人西安蓝岸新科技股份有限公司(72)发明人李敏奇邱艳茹任学勤贾琪(74)专利代理机构西安弘理专利事务所61214代理人王丹(51)Int.Cl.G06T7/33(2017.01)G06T5/00(2006.01)G06T5/30(2006.01)G06T7/13(2017.01)G06K9/62(2006.01)权利要求书3页说明书7页附图4页(54)发明名称一种基于非刚体纺织图像配准技术的精确纺织方法(57)摘要本发明公开了一种基于非刚体纺织图像配准技术的精确纺织方法，包括：先得到粗织图案；对模型图案、粗织图案进行轮廓提取，得到含噪音的模型图像轮廓、含噪音的粗织图像轮廓；分别利用形态学处理对上述两个轮廓进行去燥处理，得到模型图像轮廓点集、粗织图像轮廓点集；分别对上述两个点集进行聚类，得到模型图像轮廓的类心与粗织图像轮廓的类心的匹配映射关系，进而得到非刚体点集配准的能量方程；对非刚体点集配准的能量方程进行优化，得到每个粗织图像轮廓点的形变参数f(x)；根据模型图像轮廓的点集、粗织图像轮廓的点集、形变参数f(x)、对粗织图案的纺织参数进行优化，得到精确纺织参数，进行精确纺织。CN111968166ACN111968166A权利要求书1/3页1.一种基于非刚体纺织图像配准技术的精确纺织方法，其特征在于，包括以下步骤：步骤1、设计模型图案，根据模型图案进行粗织环节，得到粗织图案；步骤2、对所述模型图案、粗织图案进行轮廓提取，得到含噪音的模型图像轮廓、含噪音的粗织图像轮廓；步骤3、分别利用形态学处理对所述含噪音的模型图像轮廓、含噪音的粗织图像轮廓进行去燥处理，得到模型图像轮廓点集、粗织图像轮廓点集；步骤4、分别对所述模型图像轮廓点集、粗织图像轮廓点集进行聚类，计算每类点集的类心，并得到模型图像轮廓的类心与粗织图像轮廓的类心的匹配映射关系，进而得到非刚体点集配准的能量方程；步骤5、利用最大期望算法对所述非刚体点集配准的能量方程进行优化，得到每个粗织图像轮廓点的形变参数f(x)；步骤6、根据模型图像轮廓的点集、粗织图像轮廓的点集、形变参数f(x)、对粗织图案的纺织参数进行优化，得到精确纺织参数，进行精确纺织。2.根据权利要求1所述的一种基于非刚体纺织图像配准技术的精确纺织方法，其特征在于，步骤2具体为：对模型图案、粗织图案进行二值化处理，然后利用梯度算子对所述模型图案进行边缘提取，得到含噪音的模型图像轮廓、含噪音的粗织图像轮廓。3.根据权利要求1所述的一种基于非刚体纺织图像配准技术的精确纺织方法，其特征在于，步骤3具体为：分别利用形态学处理对所述含噪音的模型图像轮廓、含噪音的粗织图像轮廓进行膨胀、腐蚀及骨骼操作，得到模型图像轮廓点集、粗织图像轮廓点集。4.根据权利要求1所述的一种基于非刚体纺织图像配准技术的精确纺织方法，其特征在于，步骤4具体包括以下步骤：步骤4.1、假设模型图像轮廓的点集为X＝{xi,1≤i≤m}，粗织图像轮廓的点集Y＝{yj,1≤j≤n}，采用邻域算法分别对模型图像轮廓点集、粗织图像轮廓点集进行聚类，计算每类点集的类心，分别为Xc＝{xck,1≤k≤mc}，Yc＝{ycl,1≤l≤nc}，假设类点ycl相对于点集Xc中的对应点xck服从高斯分布，则类点匹配映射关系为：进而得到点类匹配映射关系：上式中，P＝[pij]表示点匹配矩阵，Pc＝[qkl]表示类匹配矩阵，表示点集X中的第k类，表示点集Y中的第l类；步骤4.2、根据点类匹配映射关系得到非刚体点集配准的能量方程为：上式中，P表示匹配矩阵，当pij＝1时，表示点xi和yj为对应点，反之pij＝0；f(·|θ)代表形变函数，θ为形变参数，g是正则项，用于约束形变参数θ。5.根据权利要求4所述的一种基于非刚体纺织图像配准技术的精确纺织方法，其特征2CN111968166A权利要求书2/3页在于，步骤5具体包括以下步骤：步骤5.1、假设轮廓点yj相对于点集X中的对应点xi服从高斯分布，令Z＝{zj}1≤j≤n表示yj2对应点集X混合高斯分布的赋值，则点匹配矩阵Pij＝P(yj|zj＝i)＝N(yj|f(xi),σ),1≤i≤m，无对应匹配点的外点似然函数表示为P(yj|zj＝m+1)＝U(yj|a)，其中U(·)表示参数为a的均匀分布；则混合密度函数表示为：上式中，是高斯混合权重，θ＝{σ2,γ,f}是待求解的未知参数；同理得：步骤5.2、将公式(5)带