服装肘部穿着平整度客观评价方法研究

摘要

随着人们经济消费水平的不断提高，对于服装的要求远远不只是当初的遮羞、保暖作用，更加要求美观、整洁的外观。为了不断满足消费者的需求，需要对服装外观质量加强预测控制。目前关于服装方面折皱的评价标准，国际上常用的是AATCC标样对照表，是一种主观等级评定法，虽然简单、易操作，但结果往往易受到环境、时间、评价人员心理等因素的影响。随着信息技术的发展，图像处理技术在纺织服装领域得到了广泛的研究。运用图像处理技术可以更加客观地评价服装表面的平整度。目前织物的抗皱性测试是通过AATCC起皱器产生的。这种折皱与服装穿着过程中引起的折皱有很大区别，因此织物平整度的评价结果不能客观的表征服装外观平整度的效果，需要进一步探索服装穿着平整度的客观评价方法。
　　针对这一现象，本文以常用的织物为研究对象，建立用织物折皱回复角预测服装穿着折皱效果的客观评价系统。该系统主要包括：综合折皱回复角的预测、服装折皱特征参数的预测、神经网络的服装折皱等级预测模块。研究内容及结果如下：
　　（1）用方差分析研究织物不同方向的折皱回复角，结果表明：不同角度的折皱回复角存在显著性差异；运用灰色关联分析提取了综合折皱回复角，研究表明综合折皱回复角作为评价织物抗皱性的指标更为合理；为了进一步简化工作量，运用逐步回归分析建立了综合折皱回复角的模型。
　　（2）将织物制作成服装，穿着在人体上进行起皱实验，选取肘部为研究对象，获取起皱图像，并进行主观评价。研究表明：在穿着状态下，右袖的折皱程度高于左袖；平铺时的折皱等级要大于穿着状态下；等级评价得分、对比积分与综合折皱回复角之间存在显著相关，即折皱回复角越小，等级越小，对比积分越大。
　　（3）经过本文v=0.7，卷积滤波处理后的折皱图像，在获取详尽折皱细节的同时，保留了折皱纹理的总体趋势。同时在此基础上，运用灰度差分统计、Tamura纹理统计提取的折皱特征参数与对比积分、综合折皱回复角具有较高的相关性。
　　（4）通过分析Gabor滤波器的影响参数频率、方向，以熵值最大原则选择合宜的Gabor滤波器：f=16，theta=0；f=16，theta=π/12；f=32，theta=π/6；f=8，theta=π/4；f=32，theta=π/3；f=16，theta=5π/12；f=16，theta=π/2。7个滤波器进行融合后提取的折皱特征参数熵值与样本的折皱程度结果一致。
　　（5）通过1-6层小波变换后提取的特征参数ha、va的变化曲线可以发现：1-4层小波变换，曲线层上升趋势，4层达到最大值，5-6层曲线呈下降趋势。由此说明：通过4层小波变换，可以获取详尽的折皱细节信息。同时4层小波变化后提取的特征参数ha、hs与样本的折皱程度结果一致。
　　（6）对比RBF神经网络与PSORBF神经网络运行结果发现：经PSO改进的RBF神经网络明显比RBF神经网络有更高的精度；随着折皱特征参数的增加，神经网络的训练误差、测试误差也随之减小。通过多种图像处理方法多方面的提取服装折皱特征参数，可以更加准确的预测服装穿着的折皱等级。
　　本文基于图像处理技术，探索实际着装过程中服装折皱的测试与评价方法，提取表征服装穿着折皱程度的客观评价指标，建立的服装平整度客观评价系统，可用来预测不同织物制作成服装穿着后的折皱效果，从而为服装的选材提供借鉴。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 本文研究背景

1.2 国内外研究现状

1.3研究内容、创新点及意义

第二章 织物折皱回复角的测试研究

2.1 实验

2.2 结果与讨论

2.3 本章小结

第三章 服装穿着起皱实验与分析

3.1 服装起皱实验及图像获取

3.2 折皱程度的主观评价

3.3 本章小结

第四章 服装折皱图像处理与分析

4.1 基于分数微分算法的折皱特征参数提取

4.2 基于Gabor变换的折皱特征参数提取

4.3 基于小波变换的折皱特征参数提取

4.4 折皱特征参数与综合折皱回复角、对比积分的拟合模型

4.5 基于自组织特征映射神经网络的折皱特征参数聚类

4.6 本章小结

第五章 服装折皱等级预测系统的开发

5.1 神经网络训练与测试

5.2 MATLAB的图形用户界面设计

5.3 本章小结

第六章 结论与展望

6.1 结论

6.2 不足与展望

参考文献

附录

附录1试样规格参数

附录2不同方向的折皱回复角及平均值

附录3专家主观等级评定

附录4对比积分结果

附录5服装穿着折皱图像

附录6服装穿着折皱特征值参数

附录7自组织神经网络折皱特征参数聚类结果

攻读学位期间的研究成果

致谢