本發(fā)明涉及紡織品圖像數(shù)據(jù)增強(qiáng)，具體是指一種紡織品圖像數(shù)據(jù)增強(qiáng)方法及系統(tǒng)。

背景技術(shù)：

1、紡織品圖像數(shù)據(jù)增強(qiáng)方法，是指在原始紡織品圖像的基礎(chǔ)上，通過有針對性的圖像處理和變換手段，系統(tǒng)地生成更多、多樣的訓(xùn)練樣本，以提升模型對紡織品紋理、花型和色彩的識(shí)別與泛化能力。但是一般紡織品圖像數(shù)據(jù)增強(qiáng)方法存在難以兼顧紡織品圖像的空間連貫性和色彩相似度，缺乏對關(guān)鍵拐點(diǎn)的處理導(dǎo)致紡織品圖像的細(xì)節(jié)和特征丟失的問題；一般紡織品圖像數(shù)據(jù)增強(qiáng)方法存在無法在細(xì)節(jié)去噪和平滑與整體對比度增強(qiáng)之間取得平衡，紡織品圖像數(shù)據(jù)增強(qiáng)效率差的問題。

技術(shù)實(shí)現(xiàn)思路

1、針對上述情況，為克服現(xiàn)有技術(shù)的缺陷，本發(fā)明提供了一種紡織品圖像數(shù)據(jù)增強(qiáng)方法及系統(tǒng)，針對一般紡織品圖像數(shù)據(jù)增強(qiáng)方法存在難以兼顧紡織品圖像的空間連貫性和色彩相似度，缺乏對關(guān)鍵拐點(diǎn)的處理導(dǎo)致紡織品圖像的細(xì)節(jié)和特征丟失的問題，本方案對紡織品圖像數(shù)據(jù)進(jìn)行顏色域識(shí)別與均值漂移迭代處理，既能剔除微小色差引起的噪點(diǎn)，又能完整保留同色系花紋區(qū)域；通過目標(biāo)導(dǎo)向碎片剔除保留紋理核心連貫性；先對圖像反色突出紋理細(xì)節(jié)，再映射到極坐標(biāo)以環(huán)繞中心拉伸花紋，兼顧不同織向和不同花紋的最優(yōu)分割效果；基于角點(diǎn)響應(yīng)的輪廓細(xì)節(jié)修飾，消除鋸齒但不損失花紋結(jié)構(gòu)，提高紡織品圖像數(shù)據(jù)增強(qiáng)效果；針對一般紡織品圖像數(shù)據(jù)增強(qiáng)方法存在無法在細(xì)節(jié)去噪和平滑與整體對比度增強(qiáng)之間取得平衡，紡織品圖像數(shù)據(jù)增強(qiáng)效率差的問題，本方案通過演化搜索策略，引入精英種子、交叉、變異與對立學(xué)習(xí)四機(jī)制協(xié)同，避免陷入局部最優(yōu)；通過動(dòng)態(tài)權(quán)重與規(guī)模更新，保證早期搜索空間廣度，后期聚焦精細(xì)優(yōu)化；更好地滿足紡織品圖像在不同應(yīng)用場景下的需求；進(jìn)而提高紡織品圖像數(shù)據(jù)增強(qiáng)效果。

2、本發(fā)明采取的技術(shù)方案如下：本發(fā)明提供的一種紡織品圖像數(shù)據(jù)增強(qiáng)方法，該方法包括以下步驟：

3、步驟s1：采集紡織品圖像集；

4、步驟s2：紡織紋理色彩聚類；

5、步驟s3：碎片剔除；

6、步驟s4：搜索最優(yōu)分割閾值；

7、步驟s5：輪廓細(xì)節(jié)修飾；

8、步驟s6：全局增強(qiáng)。

9、進(jìn)一步地，在步驟s1中，所述采集紡織品圖像集；對紡織品圖像進(jìn)行初步的尺寸規(guī)整、格式統(tǒng)一、噪聲過濾處理。

10、進(jìn)一步地，在步驟s2中，所述紡織紋理色彩聚類具體包括以下步驟：

11、步驟s21：顏色域識(shí)別；對圖像中像素i，在空間+顏色域中定義特征向量，表示為：；其中，是空間坐標(biāo)信息；是像素i在lab空間下的顏色分量；對像素i的鄰域像素m，若它們在lab色彩距離上滿足條件：；即可視為同一顏色域；其中，是像素m在lab空間下的顏色分量；是顏色域閾值；

12、步驟s22：加權(quán)均值迭代求收斂中心；應(yīng)用均值漂移聚類，對同一顏色域內(nèi)的像素，通過加權(quán)均值迭代得到中心；在第k次迭代時(shí)，令當(dāng)前中心為，下一次迭代中心更新形式為：；；其中，n是像素點(diǎn)總數(shù)；是第i個(gè)像素點(diǎn)的顏色分量；g(·)是指示函數(shù)，x1是輔助變量；迭代直至中心收斂后，將中心的色彩分量賦給域內(nèi)像素，以完成顏色紋理塊的聚類。

13、進(jìn)一步地，在步驟s3中，所述碎片剔除是對聚類后紡織品圖像的相鄰像素塊，若其中心lab值小于顏色閾值，則予以合并；并對面積小于的區(qū)域進(jìn)行剔除。

14、進(jìn)一步地，在步驟s4中，所述搜索最優(yōu)分割閾值是對碎片剔除后的紡織品圖像進(jìn)行處理，具體包括以下步驟：

15、步驟s41：反色操作；反色操作表示為：；其中，是反色后像素值；是像素取值的最大值；是原像素值；將反色操作結(jié)果看作極坐標(biāo)圖，然后再回到笛卡爾坐標(biāo)進(jìn)行處理，整個(gè)坐標(biāo)變換過程表示為：；；；；；；；其中，是極坐標(biāo)圖中的像素值；是笛卡爾坐標(biāo)的像素值；x1和y1是笛卡爾坐標(biāo)；和是中心像素的笛卡爾坐標(biāo)；i是相對位置；是方位角；和分別是極坐標(biāo)中的徑向坐標(biāo)和角度坐標(biāo)；用于將角度標(biāo)準(zhǔn)化到圖像的高度范圍；用于映射圖像寬度；是映射系數(shù)；是圖像中心到最遠(yuǎn)邊緣的最大半徑；和是期望的輸出圖像尺寸；

16、步驟s42：分割一致性評(píng)估；對不同閾值下得到的分割結(jié)果進(jìn)行對比，通過掩膜輪廓的匹配度來衡量一致性；令分割結(jié)果a、b的局部值分別為和，匹配度表示為：；其中，n是輪廓點(diǎn)總數(shù)；sign(·)是符號(hào)函數(shù)；在閾值區(qū)間[p,q]內(nèi)每次取若干分割閾值點(diǎn)，對于分割結(jié)果計(jì)算匹配度，對相鄰閾值點(diǎn)的匹配度差表示為：；其中，和分別是第j+1個(gè)閾值和第j個(gè)閾值時(shí)的分割結(jié)果的匹配度；是歸一化系數(shù)；最小對應(yīng)的閾值段即為最優(yōu)分割閾值段；然后進(jìn)行二分查找取得最優(yōu)分割閾值；同理，對色塊面積閾值在區(qū)間[m,n]進(jìn)行遍歷，得到笛卡爾與極坐標(biāo)下的聚類塊數(shù)和；然后計(jì)算：；；其中，和分別是第i個(gè)和第i+1個(gè)色塊面積閾值的塊數(shù)差異；是差異變化率；找到最小的區(qū)間作為最優(yōu)范圍，進(jìn)一步二分查找搜索以確定最終分割閾值。

17、進(jìn)一步地，在步驟s5中，所述輪廓細(xì)節(jié)修飾是對分割后的紡織品圖像進(jìn)行修飾；對圖像中局部窗進(jìn)行角點(diǎn)響應(yīng)，獲取花型及紋理的邊緣關(guān)鍵點(diǎn)，表示為：；其中，是角點(diǎn)響應(yīng)值；u，v是相對于當(dāng)前像素中心的位置偏移；是像素的二維坐標(biāo)；是高斯核函數(shù)；是灰度；設(shè)置邊緣夾角閾值，僅保留夾角的關(guān)鍵點(diǎn)，去除冗余零散角點(diǎn)；并進(jìn)行直角判定，表示為：；其中，是直角判定指示函數(shù)；是直角判定閾值；是在剩余角點(diǎn)中，對每個(gè)角點(diǎn)由兩條邊計(jì)算得到的實(shí)際角度值。

18、進(jìn)一步地，在步驟s6中，所述全局增強(qiáng)是對輪廓細(xì)節(jié)修飾后的紡織品圖像進(jìn)行增強(qiáng)，具體包括以下步驟：

19、步驟s61：參數(shù)向量定義；對于第o個(gè)個(gè)體，定義參數(shù)向量；維度對應(yīng)可調(diào)參數(shù)；每個(gè)參數(shù)有下界和上界；和分別是參數(shù)向量第1維度和第d維度的參數(shù)值；

20、步驟s62：混合增強(qiáng)算子；將輪廓細(xì)節(jié)修飾后紡織品圖像的作為輸入圖像；基于個(gè)體位置，針對輸入圖像使用混合增強(qiáng)算子，包括非局部均值濾波、直方圖均衡化以及添加噪聲的擾動(dòng)，增強(qiáng)操作定義為：；其中，是增強(qiáng)后輸出圖像；是對輸入圖做非局部均值濾波，是濾波強(qiáng)度；是對輸入圖做直方圖均衡化的結(jié)果；是服從均值0，標(biāo)準(zhǔn)差的高斯噪聲；是全圖的常數(shù)偏置項(xiàng)，用于總體亮度調(diào)節(jié)；和是加權(quán)系數(shù)；

21、步驟s63：適應(yīng)度函數(shù)設(shè)計(jì)；綜合質(zhì)?量指標(biāo)，包括峰值信噪比、結(jié)構(gòu)相似度和色差；適應(yīng)度函數(shù)表示為：；；其中，、和分別是歸一化后的峰值信噪比、結(jié)構(gòu)相似度和色差；、和是指標(biāo)權(quán)重；通過最大化該適應(yīng)度來尋找最優(yōu)的增強(qiáng)參數(shù)組合；

22、步驟s64：搜索策略設(shè)計(jì)；初始代種群規(guī)模n，隨機(jī)生成個(gè)體位置；將本代排名前e的個(gè)體作為精英個(gè)體直接保留到下一世代；其余個(gè)體通過錦標(biāo)賽選擇生成父代；對每一代精英個(gè)體應(yīng)用精英種子生成，其余個(gè)體應(yīng)用交叉機(jī)制、變異機(jī)制和對立學(xué)習(xí)擴(kuò)展；精英種子生成表示為：；其中，是生成的精英種子個(gè)體第d維度的位置；是第o個(gè)精英個(gè)體第d維度的參數(shù)值；是隨機(jī)精英個(gè)體第d維度的參數(shù)值；是全局最優(yōu)個(gè)體第d維度的參數(shù)值；rand是0-1的隨機(jī)數(shù)；st是概率閾值；應(yīng)用交叉機(jī)制表示為：；其中，是交叉機(jī)制生成子代的第d維度的參數(shù)值；是交叉權(quán)重；是第o個(gè)個(gè)體第d維度的參數(shù)值；應(yīng)用變異機(jī)制表示為：；其中，是變異后第d維度的參數(shù)值；是變異機(jī)制使用的0-1的隨機(jī)數(shù)；對立學(xué)習(xí)擴(kuò)展是對當(dāng)前最優(yōu)n/2個(gè)體應(yīng)用對立學(xué)習(xí)擴(kuò)展，表示為：；其中，和分別是是對立學(xué)習(xí)擴(kuò)展后和對立學(xué)習(xí)擴(kuò)展前第d維度的參數(shù)值；

23、步驟s65：更新交叉權(quán)重，表示為：；其中，t是當(dāng)前代數(shù)；maxfe是最大代數(shù)；是下限參數(shù)；每代更新種群規(guī)模，表示為：；其中，是更新后的種群規(guī)模；基于適應(yīng)度值選擇更新種群；是當(dāng)前種群規(guī)模；設(shè)定適應(yīng)度閾值，當(dāng)存在個(gè)體適應(yīng)度值高于適應(yīng)度閾值，則全局增強(qiáng)優(yōu)化結(jié)束；若達(dá)到最大代數(shù)，則重新運(yùn)行搜索策略；

24、步驟s66：全局增強(qiáng)；基于全局增強(qiáng)優(yōu)化結(jié)束時(shí)的最優(yōu)個(gè)體對應(yīng)參數(shù)進(jìn)行增強(qiáng)操作；得到紡織品圖像數(shù)據(jù)增強(qiáng)結(jié)果。

25、本發(fā)明提供的一種紡織品圖像數(shù)據(jù)增強(qiáng)系統(tǒng)，包括紡織品圖像集采集模塊、紡織紋理色彩聚類模塊、碎片剔除模塊、最優(yōu)分割閾值搜索模塊、輪廓細(xì)節(jié)修飾模塊和全局增強(qiáng)模塊；

26、所述紡織品圖像集采集模塊采集紡織品圖像集；

27、所述紡織紋理色彩聚類模塊對紡織品圖像通過顏色域識(shí)別和均值漂移聚類聚合相似色塊；

28、所述碎片剔除模塊對紡織紋理色彩聚類后的紡織品圖像進(jìn)行碎片剔除；

29、所述最優(yōu)分割閾值搜索模塊對碎片剔除后的紡織品圖像進(jìn)行分割處理；

30、所述輪廓細(xì)節(jié)修飾模塊利用局部角點(diǎn)響應(yīng)和夾角閾值篩選關(guān)鍵邊緣點(diǎn)，對分割輪廓進(jìn)行修飾；

31、所述全局增強(qiáng)模塊應(yīng)用混合增強(qiáng)算子并通過演化算法優(yōu)化參數(shù)，以實(shí)現(xiàn)全局圖像增強(qiáng)。

32、采用上述方案本發(fā)明取得的有益效果如下：

33、（1）針對一般紡織品圖像數(shù)據(jù)增強(qiáng)方法存在難以兼顧紡織品圖像的空間連貫性和色彩相似度，缺乏對關(guān)鍵拐點(diǎn)的處理導(dǎo)致紡織品圖像的細(xì)節(jié)和特征丟失的問題，本方案對紡織品圖像數(shù)據(jù)進(jìn)行顏色域識(shí)別與均值漂移迭代處理，既能剔除微小色差引起的噪點(diǎn)，又能完整保留同色系花紋區(qū)域；通過目標(biāo)導(dǎo)向碎片剔除保留紋理核心連貫性；先對圖像反色突出紋理細(xì)節(jié)，再映射到極坐標(biāo)以環(huán)繞中心拉伸花紋，兼顧不同織向和不同花紋的最優(yōu)分割效果；基于角點(diǎn)響應(yīng)的輪廓細(xì)節(jié)修飾，消除鋸齒但不損失花紋結(jié)構(gòu)，提高紡織品圖像數(shù)據(jù)增強(qiáng)效果。

34、（2）針對一般紡織品圖像數(shù)據(jù)增強(qiáng)方法存在無法在細(xì)節(jié)去噪和平滑與整體對比度增強(qiáng)之間取得平衡，紡織品圖像數(shù)據(jù)增強(qiáng)效率差的問題，本方案通過演化搜索策略，引入精英種子、交叉、變異與對立學(xué)習(xí)四機(jī)制協(xié)同，避免陷入局部最優(yōu)；通過動(dòng)態(tài)權(quán)重與規(guī)模更新，保證早期搜索空間廣度，后期聚焦精細(xì)優(yōu)化；更好地滿足紡織品圖像在不同應(yīng)用場景下的需求；進(jìn)而提高紡織品圖像數(shù)據(jù)增強(qiáng)效果。