申请/专利权人：江南大学

申请日：2024-03-12

公开（公告）日：2024-05-28

公开（公告）号：CN118097173A

主分类号：G06V10/44

分类号：G06V10/44;G06V10/77;G06V10/774;G06V10/764;G06V10/82;G06V10/28;G06V10/34;G06T7/00;G06T7/73;G06T7/62;G06V20/70;G06N3/045;G06N3/0475;G06N3/0464;G06N3/048;G06N3/094

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.14#实质审查的生效;2024.05.28#公开

摘要：本发明属于计算机视觉和图形学领域，涉及一种基于图像翻译模型的牛仔织物表面竹节提取与度量方法。所述方法步骤如下：建立包含牛仔织物图像与对应竹节标记图像的数据集；构建图像翻译模型训练并验证数据集，提取牛仔织物表面的竹节位置与分布；使用图像形态学处理技术对生成的竹节标记图像进行优化，并剔除图像中较小面积的连通域；依次统计每个标记区域的像素点数量，度量每个被标记出的竹节的长度。本发明可以满足企业在缺少对应竹节纱的情况下快速分析牛仔织物参数，为纺织企业的打样过程节约人力与物力成本。

主权项：1.基于图像翻译模型的牛仔织物表面竹节提取与度量方法，其特征在，包括以下步骤：S1：建立包含牛仔织物图像与对应竹节标记图像的数据集；从所述的数据集中选择成对的牛仔织物图像与竹节标记图像构建图像翻译模型的数据集，用于模型训练和验证，包括训练集、验证集和测试集；牛仔织物图像是使用图像采集设备直接采集得到的，竹节标记图像是在织物图像中手动标记得到的；S2：构建图像翻译模型训练并验证数据集，提取牛仔织物表面的竹节位置与分布；所述的图像翻译模型以对抗生成网络作为底层框架，通过优化模型中的生成器网络，提高了模型提取图像深度特征的能力；通过构建图像翻译模型中的鉴别器网络，用于鉴别生成器网络所生成的图像；通过图像翻译模型中的生成器与鉴别器，最终使模型能够生成逼真的目标图像；S3：使用图像形态学处理技术对S2中生成的竹节标记图像进行优化，并剔除图像中较小面积的连通域；所述的图像形态学处理技术包括图像的二值变化、图像形态学的闭运算与开运算；所述的连通域是生成图像中每个竹节被标记的区域，代表竹节的位置与长度；所述的剔除较小面积连通域为设定最小面积阈值，小于该阈值的连通域被消除；S4：依次统计每个标记区域的像素点数量，度量每个被标记出的竹节的长度；所述的度量方法是根据生成图像中每个被标记的竹节宽度相同所求。

全文数据：

权利要求：

百度查询： 江南大学 基于图像翻译模型的牛仔织物表面竹节提取与度量方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD