استخراج پارامترهای ساختاری منسوج تاری و پودی با استفاده از روش موجک- فازی و الگوریتم ژنتیک

به علت منعطف بودن ساختار منسوج، تعیین موقعیت نخ در تصویر آن با استفاده از روش های معمول در پردازش تصویر با خطای زیادی همراه بوده است و در این زمینه، ارائه یک روش انطباق پذیر با خصوصیات تصویر منسوج جهت استخراج پارامترهای آن مورد توجه می باشد. در این راستا استفاده از الگوریتم های فرا ابتکاری جهت تطبیق الگوریتم استخراج پارامترهای ساختاری با شرایط تصویر، کاربردی به نظر می رسد. در این مطالعه، با کاربرد ترکیبی از روش های پردازش سیگنال، خوشه بندی فازی و الگوریتم ژنتیک، یک روش نوین برای پیش پردازش و تشخیص بافت ساختاری تصاویر منسوجات ارائه شده است. نتایج نشان می دهد که روش پیشنهادی قادر به تشخیص صحیح موقعیت نخ در تصاویر منسوجات دولایه با طرح رنگ نایکنواخت با دقت میانگین بیش از 73 درصد می باشد. در تصاویر منسوجات تک لایه با بافت نامتراکم و طرح رنگ یکنواخت، این میزان به طور میانگین بیش از 84 درصد می باشد.

Structural parameter extraction of warp and weft woven fabric using wavelet-fuzzy method and genetic algorithm

Flexibility of woven fabric structure has caused many errors in yarn location detection using customary methods of image processing. On this line, proposing an adaptive method with fabric image properties is concentrated to extract its parameters. In this regards, using metaheuristic algorithms seems applicable to correspond extraction algorithm of structural parameters to the image conditions. In this study, a new method is proposed for woven fabric image preprocessing and structural texture detection applying compound methods of signal processing, fuzzy clustering and genetic algorithm. Results indicate that proposed method is capable of detecting exact yarn location with mean precision of more than 73 percent in doublelayered fabric images with uneven color pattern. In onelayered fabric images with low density weave and invariable color pattern, the mean precision is more than 84 percent.