程浩南

(1.江西服裝學(xué)院服裝工程分院，南昌　330201;2.江西現(xiàn)代服裝工程技術(shù)研究中心，南昌　330201)

?

基于小波變換模極大值識別竹節(jié)紗外觀參數(shù)的研究

程浩南1,2

(1.江西服裝學(xué)院服裝工程分院，南昌330201;2.江西現(xiàn)代服裝工程技術(shù)研究中心，南昌330201)

通過對竹節(jié)紗外觀信號的觀察，根據(jù)小波變換模極大值對信號奇異性檢測的原理，識別出竹節(jié)紗竹節(jié)部分并實現(xiàn)竹節(jié)與基紗分界點的定位。為了提高定位的準(zhǔn)確性，通過交替投影算法實現(xiàn)對竹節(jié)紗的信號重建，同時分析了紗線條干不勻和棉結(jié)對竹節(jié)識別的影響，設(shè)定閾值在算法設(shè)計中消除兩者對竹節(jié)識別的干擾，最后設(shè)計出竹節(jié)長度、竹節(jié)間距、竹節(jié)倍率和基紗細度這4個外觀參數(shù)的計算公式，為新型竹節(jié)紗檢測儀器的開發(fā)提供技術(shù)參考。

竹節(jié)紗；外觀參數(shù)；小波變換模極大值；識別

竹節(jié)紗本身呈現(xiàn)細度交變，其織物風(fēng)格粗獷灑脫，深得消費者的偏愛。由于竹節(jié)紗的外觀形態(tài)參數(shù)(竹節(jié)長度、竹節(jié)間距、竹節(jié)倍率和基紗細度)直接影響著織物的外觀風(fēng)格特征[1]，因此，對竹節(jié)紗的外觀特征參數(shù)進行有效測試就顯得非常有意義。然而目前有關(guān)竹節(jié)紗外觀參數(shù)的測試僅僅依靠人工進行，其判斷結(jié)果受測試人員主觀性影響較大，且精度較低，已經(jīng)不適應(yīng)紡織測試技術(shù)向智能化和精確化發(fā)展的趨勢[2-4]。本文選用Daubechies系列中最簡單的Haar小波，根據(jù)小波變換模極大值對信號奇異性檢測的方法，結(jié)合圖像處理技術(shù)對竹節(jié)紗外觀參數(shù)(竹節(jié)長度、竹節(jié)間距、竹節(jié)倍率和基紗細度)進行識別，并提出相關(guān)的結(jié)論，為后續(xù)進行竹節(jié)紗外觀參數(shù)識別方法的改進提供一些參考。

1　竹節(jié)紗外觀參數(shù)識別的準(zhǔn)備工作及分析

1.1小波基函數(shù)的選取

對竹節(jié)紗外觀參數(shù)進行識別，首先要采集到竹節(jié)紗信號，這就需要選擇合適的小波基函數(shù)。因為小波基函數(shù)不具有唯一性，不同的小波基函數(shù)的波形各異。所以，對于一個信號的處理，采用不同的小波基函數(shù)，其結(jié)果差異較大。且在研究過程中，關(guān)于最佳小波基函數(shù)的選取現(xiàn)在缺乏統(tǒng)一的標(biāo)準(zhǔn)[5]。當(dāng)獲取的竹節(jié)紗的信號波形和所選函數(shù)波形比較吻合時，其信號特征就會被放大，這對于獲取的竹節(jié)紗信號來講，其竹節(jié)突變部分會被放大，更容易進行竹節(jié)紗外觀參數(shù)的測試和分析。因此，小波基函數(shù)可根據(jù)分析信號與小波基函數(shù)形狀之間相似程度來進行選擇。Haar小波是最簡單的小波函數(shù)，是最早應(yīng)用于小波分析領(lǐng)域的小波函數(shù)之一。該小波函數(shù)具有正交性、對稱性和緊支性，特別是緊支性可以有效地表示具有位置特性的信號，其支撐寬度越小，局部化能力越強，進行小波變換時的計算復(fù)雜度低、快捷方便，易于實現(xiàn)。Haar小波的數(shù)學(xué)表達式如式(1)所示。

(1)

根據(jù)式(1)可知，Haar小波具有兩個濾波系數(shù)，在小波應(yīng)用領(lǐng)域中其具有最顯著的時域局部化能力和較好的對稱性，且Haar小波也具有線性相位的特性。小波的線性相位不僅可以保證信號在重建時不失真，而且可以保證對突變信號時刻的準(zhǔn)確定位。

1.2竹節(jié)紗信號小波變換

如圖1所示，這是一段竹節(jié)紗信號，其凸出部分代表竹節(jié)。竹節(jié)紗信號的奇異點有兩類，一類是尖脈沖式的峰值點，另一類是轉(zhuǎn)折點，即變化較快的邊緣。顯然竹節(jié)紗信號的奇異點是轉(zhuǎn)折點，其小波變換為峰值點。以Haar小波作為小波基函數(shù)對該信號進行多尺度小波變換，求出小波變換的模極大值及其位置，如圖2所示。

圖1　竹節(jié)紗信號示意

圖2　竹節(jié)紗信號小波變換模極大值示意

從圖2可以看到從j=1到j(luò)=6這6個不同尺度上小波變換的模極大值分布情況。當(dāng)j=1時，模極大值很密集；而j=6時，模極大值相對稀疏。在對竹節(jié)紗進行信號采集時，會有大量的噪聲干擾，而在小波變換的小尺度的情況下，受噪聲影響明顯，出現(xiàn)很多偽極值點，同時由于紗線條干不勻以及表面毛羽的影響，也會產(chǎn)生干擾的極值點。隨著尺度因子的增大，不僅是模極大值的數(shù)量在改變，模極大值的大小也在改變。信號變化大、突變程度明顯、持續(xù)時間長的竹節(jié)上升段和下降段的模極大值會隨著尺度的增大而變大；噪聲、毛羽以及短片段不勻、持續(xù)時間短的突變點的極大值則會隨著尺度的增大而變小。結(jié)合圖1和圖2可以看出，在竹節(jié)紗信號出現(xiàn)上升段，也就是基紗與竹節(jié)的過渡段，出現(xiàn)負模極大值；在下降段，即竹節(jié)與基紗的過渡段出現(xiàn)正模極大值。從j=1到j(luò)=6，模極大值的數(shù)量減少，同時剩下模極大值的大小在變大。盡管模極大值隨尺度增大越來越明顯，但是從j=4、j=5和j=6這3個尺度比較發(fā)現(xiàn)，模極大值的位置出現(xiàn)了明顯的偏移，原因是前面提到的隨著尺度的增加，受平滑作用的影響，極值點會發(fā)生偏移。將第一個竹節(jié)信號及其模極大值示意圖放大觀察，如圖3示，雖然j=6時，模極大值清晰可見，且基本上是一個負模極大值后面緊跟的第一個正模極大值就對應(yīng)一個竹節(jié)，但是由于發(fā)生了較大的偏移，此時的負模極大值和正模極大值的距離不能反映竹節(jié)的長度。而且由于定位不準(zhǔn)，也會對后面的竹節(jié)倍率的檢測產(chǎn)生影響。

圖3　第一個竹節(jié)及其小波變換模極大值示意

大尺度的情況下，小波變換的檢測性能更好；而小尺度下，小波變換的定位性能更好。如何更好地綜合檢測與定位性能，實現(xiàn)竹節(jié)紗信號竹節(jié)與基紗分界點的準(zhǔn)確定位，這就需要根據(jù)不同類型信號的模極大值隨尺度變化的傳播特性，對應(yīng)進行基于小波變換模極大值重建竹節(jié)紗信號。

1.3基于小波變換模極大值的重建竹節(jié)紗信號的交替投影算法

1.3.1由小波變換模極大值重建信號的思路

由小波變換模極大值來對信號進行重建，主要的理論依據(jù)：隨著尺度的增大，信號的模極大值幅度也會相應(yīng)增大；而噪聲的模極大值隨尺度的增大而逐漸減小[6]。在進行若干次小波變換后，噪聲的模極大值點基本上消除或者其幅值已經(jīng)很小，用剩下的那些模極大值點用來重建信號，既能保留原信號的重要特征，也達到了消噪的目的。對于給定的信號f(x)，令小波變換的尺度s=2j，j∈z，則Wf(j,x)是信號f(x)的二進制小波變換。尺度j=1、2、3…j，求出小波變換的模極大值，利用模極大值的橫坐標(biāo)點集、模極大值及最后一級也就是第j級的概貌來重建信號。其過程包括由模極大值點集重建信號的小波變換和重建的小波變換重建原信號[7]。Mallat等[8]提出了信號重建的交替投影算法。

1.3.2交替投影算法

假定有一信號集合h(x)，且h(x)與f(x)的小波變換具有相同的模極大值以及模極大值的橫坐標(biāo)點集。在某一準(zhǔn)則下，在h(x)中選取一個信號來最佳的近似f(x)。記h(x)得二進小波變換為Wh(j,x)，上述對Wh(j,x)的制約條件可以表示：

a)對應(yīng)每一個尺度j，在所有的模極大值橫坐標(biāo)(xj,n)n∈z處，都滿足式(2)。

|Wh(j,xj,n)|=|Wf(j,xj,n)|

(2)

b)對應(yīng)每一個尺度j，Wh(j,x)和Wf(j,x)具有相同的模極大值點的橫坐標(biāo)集合{x|x=(xj,n)n∈z}。

設(shè)U是L2(R)空間的一個子空間，且U是由一組函數(shù)ψj(xj,n-x)組成，那么條件a)意味著h(x)在U上的正交投影應(yīng)該等于f(x)在U上的正交投影。但是通常情況下，極值點的位置是隨機的且極值點的個數(shù)也是有限的，條件a)不能保證h(x)唯一的表征f(x)。須再考慮條件b)，由于條件b)不是凸條件，為此引入Sobolev范數(shù)，如式(3)所示：

(3)

令K為L2(R)上所有信號在二進制小波變換下組成的空間，V為序列g(shù)j(x)所組成的空間，且gj(x)滿足式(4)：

(4)

顯然V?K，再令Γ是空間V上的一個閉包，則滿足條件a)的小波變換應(yīng)是空間Λ=K∩Γ中的元素。設(shè)PK,PΓ分別為K空間和?？臻g的正交投影算子和交替投影算子，令P=PK。通過對算子P進行迭代而得到f(x)的小波變換Wf(j,x)，再由Wf(j,x)重建原信號f(x)。

1.4竹節(jié)紗重建信號的小波變換

由交替投影算法使竹節(jié)紗信號實現(xiàn)重建，如圖4所示，上面的圖形是原始信號，下面的圖形是重建信號。二者對比，可以看出信號重建之后，原始信號的重要特征都得到了保留。

圖4　原始信號與重建信號對比

然后將重建信號進行小波變換，得到小波變換模極大值如圖5所示。對比圖2和圖5，重建后竹節(jié)紗信號的小波變換模極大值的數(shù)量明顯減少。尤其是在小尺度上，偽極大值點減少明顯，因此檢測性能可以有效提高，而且對于后續(xù)的閾值化處理時計算量也會大大減少。

圖5　竹節(jié)紗重建信號小波變換模極大值示意

綜合考慮定位與檢測性能，不同采樣頻率得到的信號小波變換時選取的尺度不同。尺度j=3、j=4、j=5和j=6的極大值雖然少且清晰，但是由于尺度增大其定位的效果不佳，發(fā)生了偏移，因此，對于該段信號選取尺度j=2進行分析比較合適。

1.5條干不勻的影響

經(jīng)過重建后噪聲引起的偽極值點已經(jīng)明顯減少，但是仍存在部分干擾的模極大值，其中一部分模極大值的數(shù)值大小明顯小于竹節(jié)部分的模極大值，這部分模極大值主要是由于紗線的條干不勻引起的。尤其是基紗部分的條干不勻，對竹節(jié)與基紗的分界點的定位會產(chǎn)生一定的影響。為了消除這些干擾部分，在小波變換的尺度選取完之后，對該尺度的小波變換極大值進行閾值化處理。對j=2時的模極大值進行閾值化處理：分別選取正、負模極大值的一半作為正、負閾值，令大于正閾值的點為+1，小于負閾值的點為-1，其他的點全部為0，這樣，每一個竹節(jié)的前后會有一個或者幾個-1和+1出現(xiàn)，兩者之間的區(qū)域為0。閾值化結(jié)果如圖6所示。

圖6　模極大值閾值化示意

通過對比圖1和圖6可以看出模極大值閾值化后-1和+1出現(xiàn)的位置對應(yīng)著原始信號中竹節(jié)上升與下降部分，因此，識別-1和+1出現(xiàn)的位置即可實現(xiàn)竹節(jié)與基紗的辨別。

1.6小波變換區(qū)分棉結(jié)與竹節(jié)

紗線中的棉結(jié)主要是由植物性雜質(zhì)和一些未成熟的纖維造成的，在紗線紡制的過程中不可避免會出現(xiàn)。在對竹節(jié)紗進行小波變換時，棉結(jié)的存在會對竹節(jié)的判斷產(chǎn)生一定的影響，因此需要消除其對竹節(jié)判斷時產(chǎn)生的干擾。棉結(jié)的特點是長度一般短于4mm且截面多呈突變，即其過渡段前沿與后沿的斜率比較大。而竹節(jié)長度現(xiàn)在普遍在20mm以上，故以此來區(qū)分棉結(jié)和竹節(jié)。由于棉結(jié)的長度小于電容式檢測極板的長度，受極板平滑作用的影響，棉結(jié)信號長度在9～12mm之間[9]。其長度依舊小于竹節(jié)的長度，在小波變換后因棉結(jié)產(chǎn)生的正負模極大值之間的距離也小于竹節(jié)的最小長度。因此在竹節(jié)長度的算法設(shè)計中將長度不足20mm部分舍去，避免了棉結(jié)的存在對竹節(jié)檢測的影響。

2　竹節(jié)紗外觀參數(shù)的計算

本文對竹節(jié)紗外觀參數(shù)進行檢測主要包括竹節(jié)長度、竹節(jié)間距、竹節(jié)倍率以及基紗細度這4個參數(shù)。竹節(jié)上升段可能不僅僅只有一個-1出現(xiàn)，竹節(jié)下降段也可能有多個+1出現(xiàn)，因此本之選擇上升段的第一個-1以及下降段的最后一個+1出現(xiàn)的位置作為分界點，這樣即便-1和+1出現(xiàn)多次也可以實現(xiàn)算法的統(tǒng)一。辨別出基紗與竹節(jié)后，竹節(jié)的幅度與基紗的幅度之比即為竹節(jié)倍率。然后對于竹節(jié)紗的平均細度已知，根據(jù)平均細度的公式可得到基紗的細度。具體算法[10]如下：竹節(jié)長度：記錄下竹節(jié)上升段第一個-1以及其后竹節(jié)下降段出現(xiàn)的最后一個+1的位置定為分界點，然后由兩個分界點之間包含的采樣點數(shù)與每相鄰兩個采樣點之間的距離相乘，即得竹節(jié)長度。采樣點之間的距離由采樣頻率以及引導(dǎo)羅拉的速度決定，設(shè)采樣頻率為f，引導(dǎo)羅拉的速度為vmm/s，分界點間包含的點數(shù)為n1，則竹節(jié)長度節(jié)長L節(jié)長如式(5)所示：

(5)

竹節(jié)間距：記錄下竹節(jié)下降段最后一個+1以及其后竹節(jié)上升段出現(xiàn)的第一個-1的位置為分界點，兩個分界點包含的采樣點數(shù)為n2，與竹節(jié)長度的算法相似，竹節(jié)間距節(jié)距L如式(6)所示：

(6)

竹節(jié)倍率：確定分界點，識別出基紗與竹節(jié)后，基紗部分求其幅度的平均值作為基紗的幅度，記為h1，竹節(jié)部分考慮到短片段不勻所引起的信號誤差，選取其幅值的最大值的98%作為竹節(jié)的幅度，記為h2，則竹節(jié)倍率為如式(7)所示：

(7)

基紗細度：根據(jù)以求得的竹節(jié)長度L節(jié)長、竹節(jié)間距L節(jié)距、竹節(jié)倍率以及已知的平均細度得出基紗細度。平均細度Nt平如式(8)所示：

(8)

式中Nt竹代表竹節(jié)的細度，Nt基代表基紗細度。

(9)

式(9)中：η×L節(jié)長=η1×L節(jié)長1+η2×L節(jié)長2+…+ηn×L節(jié)長n。

3　結(jié)　論

a)通過對竹節(jié)紗外觀信號的觀察，根據(jù)小波變換模極大值對信號奇異性檢測的原理，識別出竹節(jié)紗竹節(jié)部分并實現(xiàn)竹節(jié)與基紗分界點的定位，進而實現(xiàn)了對竹節(jié)紗外觀的識別。

[1] 孫天祥,李巧娜,張一心.竹節(jié)紗檢測方法簡介[J].中國纖檢,2014(1):64-65.

[2] 李曉云,徐伯俊.竹節(jié)紗外觀參數(shù)識別系統(tǒng)的開發(fā)[J].棉紡織技術(shù),2008,36(4):18-21.

[3] 武銀飛,謝春萍,高衛(wèi)東.竹節(jié)紗外觀參數(shù)的圖像分析方法[J].紡織學(xué)報,2010,31(1):36-39.

[4] 練軍,陸永良,徐伯俊.竹節(jié)紗工藝參數(shù)的自動識別[J].紡織學(xué)報,2010,31(12):39-43.

[5] 李翔.基于小波分析的測量信號處理技術(shù)的研究[D].哈爾濱：哈爾濱工業(yè)大學(xué),2009:43-48.

[6] 宋井盼.基于小波分析的圖像去噪處理研究[J].中國新通訊,2015,(3):115-115.

[7] 蔡漢添,宋勇.關(guān)于子波變換局部極大值信號重構(gòu)的交替投影算法[J].數(shù)據(jù)采集與處理,1998,13(2):112-116.

[8] MALLAT S, ZHONG S F. Characterization of signal from multiscale edges[J].TEEE Trans Pattern Analysis and Machine Intelligence,1992,14(7):710-731.

[9] 屈平鴿.小波分析在紡織檢測中的若干應(yīng)用[D].西安：西安工程科技學(xué)院,2002:36-37.

[10] 張德豐,丁偉雄,雷曉平.MATLAB程序設(shè)計與綜合運用[M].北京:清華大學(xué)出版社,2012:36-38.

(責(zé)任編輯：許惠兒)

Research on Appearance Parameters Identification for Slub Yarn Based on Wavelet Transform Modulus Maxima

CHENGHaonan

(1.School of Garment Engineering Branch, Jiangxi Institute of Fashion Technology, Nanchang 330201,China; 2.Jiangxi Center for Modern Apparel Engineering and Technology, Nanchang 330201, China)

Through the observation of the appearance signal of slub yarn and according to the principle of signal singularity detection based on wavelet transform modulus maxima, the slub part of slub yarn was identified, and the positioning of the slub and base yarn demarcation point was achieved. In order to improve the accuracy of positioning, signal reconstruction for slub yarn was achieved through alternating projection algorithm. Meanwhile, the influence of cotton yarn non-evenness and twinning on slub identification was analyzed. A threshold was set to eliminate the interference of both on slub section identification in algorithm design. Finally, the computational formula of four appearance parameters (slub length, slub spacing, slub rate and base yarn fineness) was designed to offer some references for development of new slub yarn detection instruments.

slub yarn; appearance parameters; wavelet transform modulus maxima; identification

2015-10-05

程浩南(1986-)，男，河南西華人，碩士，助教，主要從事紡織材料改性與紡織品測試技術(shù)方面的研究。

TS103.131

A

1009-265X(2016)05-0010-05