劉沐黎， 袁 理,2， 楊亞莉， 劉軍平， 程 哲，龔 雪， 紀昌俊， 鄢煜塵

(1. 武漢紡織大學 電子與電氣工程學院， 湖北 武漢 430200； 2. 武漢紡織大學 湖北省紡織新材料與先進加工技術省部共建國家重點實驗室培育基地， 湖北 武漢 430200； 3. 武漢紡織大學 數(shù)學與計算機學院， 湖北 武漢 430200； 4. 武漢大學 電子信息學院， 湖北 武漢 430072)

色紡面料是由2種及以上不同色澤纖維經(jīng)特定工序混和加工紡制而成，具有特殊呈色效果與色彩風格的紡織品。與傳統(tǒng)的條染或匹染工藝相比，色紡工藝在節(jié)能減排以及環(huán)保等方面具有顯著優(yōu)勢[1]。近年來，為滿足消費者個性化與時尚化需求，通過調整染色纖維的配比以及生產工藝等，可以獲得色彩層次豐富、具有朦朧立體效果與質感的色紡面料，深受消費者青睞。然而，在色紡面料的設計、開發(fā)和生產過程中，由于缺少科學的顏色分析與表征模型，企業(yè)需要依靠經(jīng)驗和反復試紡、目測來達到目標色。該過程不僅效率低、精度差，而且容易造成色紡面料色度學指標評測的二義性，影響商業(yè)交割。

近年來，得益于數(shù)字成像系統(tǒng)的普及和性能提升，數(shù)碼攝像法在紡織品測色與分析領域得到了廣泛應用。英國Verivide公司推出的“數(shù)慧眼”系統(tǒng)是該技術的典型代表[2]。同時，國內外研究機構也針對數(shù)字圖像的顏色表征模型開展了廣泛而深入地研究。作為圖像的顯著特征之一，顏色特征主要包括全局顏色特征和局部空間顏色特征。因此，如何建立全面、準確的顏色表征模型是目前該領域研究的重點和難點。向忠等[3]針對織物印花花型的多樣性與復雜性，提出了一種結合花型邊緣特征與顏色特征的圖像檢索方法，能夠在HSV顏色空間中提取花紋圖案的顏色直方圖，并結合其邊緣形狀特征進行檢索，該算法可準確區(qū)分同型不同色和同形異構的花型圖案，平均查準率可達93.17%。冀永樂等[4]提出了一種紡織品染色質量在線檢測方法，通過工業(yè)相機采集圖像并進行圖像降噪與增強等處理，然后利用CIE-Lab色差公式進行紡織品圖像染色質量分析，該方法的檢測精度達到87.5%以上。LU等[5]通過模糊C均值聚類算法對染色纖維圖像在HSV顏色空間中進行特征提取，并結合距離指數(shù)函數(shù)實現(xiàn)染色纖維顏色種類的分析，每個像素的顏色可被相應的聚類中心關聯(lián)的顏色所代替。何能斌等[6]以數(shù)碼攝像法為基礎，提出一種基于Lab顏色空間的彩色等差線提取新技術，即針對白光光源的彩色等差線條紋圖特點，將圖像從RGB顏色空間轉換到Lab顏色空間，從而實現(xiàn)對彩色等差線條紋的精確提取。ZHU等[7]提出了一種基于CIE-Lab顏色特征的織物接縫自動檢測方法，能夠在CIE-Lab顏色空間中建立包括平均值、標準差和變異系數(shù)(CV值)在內的織物接縫特征參數(shù)的計算方法，相較于經(jīng)典的小波檢測方法，基于顏色特征空間的織物接縫檢測具有更高的精度和計算效率。隨著研究的深入，單一顏色空間對復雜顏色模式表征的局限性也日益凸顯。由于不同的顏色空間具備不同的色彩刻畫能力，并不存在一個能夠全面、準確表征全部顏色模式的色彩空間[1]。為此，王民等[8]提出了基于HSV顏色空間、HIS顏色空間與YUV顏色空間的混合顏色空間分塊顏色特征提取算法，并用于復雜圖案的檢索；相較于單一色彩空間顏色特征提取算法，該檢索系統(tǒng)的查準率和查全率均得到明顯提高。方承志等[9]針對復雜背景和高分辨率的人臉檢測問題，提出了一種結合CMYK顏色空間、HSV顏色空間、YCbCr 顏色空間的膚色檢測算法；該檢測方法在保證檢測率的同時，可大幅降低了計算復雜度和誤檢率。岳有軍等[10]針對農業(yè)機器人在作業(yè)任務中容易受農作物陰影干擾的問題，提出了融合Lab顏色空間、YUV顏色空間和HIS顏色空間特征的陰影去除方法；該顏色特征提取方案可有效去除農作物圖像陰影，且抗干擾性強。

值得注意的是，不同于單一呈色物體，色紡面料是以染色纖維作為顏色的基本載體。在成紗或織造的過程中，染色纖維會在紗線或織物的表面表現(xiàn)為和捻度相關的螺旋形，并且纖維間會互相堆疊與聚集，使得其呈色單元的形態(tài)與分布具有隨機性[11-13]。對于色紡面料而言，顏色的局部空間分布特征與全局特征具有相同的權重與刻畫能力，但在上述顏色特征模型中，無論是單一顏色還是混合顏色空間，都是在不同顏色分量中再次統(tǒng)計其用于表征空間分布的紋理特征，從而導致在紋理特征中顏色信息會占有較大權重，并干擾相鄰像素點之間空間分布描述的獨立性，進而影響整體的顏色表征能力。

本文以紡織品數(shù)碼測色理論為基礎，針對色紡面料特有的呈色機制與過程，建立混合色彩空間獨立特征的顏色表征模型。該模型能夠在混合顏色空間中對色紡面料的全局顏色特征進行提取與融合，同時也能夠針對色紡織物圖像的微結構模式，提取獨立的紋理統(tǒng)計特征，并用于顏色空間分布信息的刻畫。本文研究對于構建穩(wěn)定、有效的色紡面料顏色表征模型具有重要的理論價值，同時也能夠為實現(xiàn)色紡面料色度學指標的數(shù)字化與智能化檢索與分析、指導色紡企業(yè)的實踐生產提供有力保障。

1 混合色彩空間獨立特征提取與融合

1.1 混合色彩空間的建立

不同顏色空間具有不同的顏色刻畫能力，如RGB色彩空間、HSV色彩空間、XYZ色彩空間和Lab色彩空間等。其中，Lab色彩空間是與設備無關的顏色模型，也是顏色測量過程中被廣泛使用的標準數(shù)據(jù)格式，并且與HSV色彩空間類似，符合人眼感知特性[14]。本文提出將Lab色彩空間中用于表示亮度的L*分量與HSV色彩空間中同樣用于表示亮度信息的V分量進行融合，并作為混合色彩空間的獨立亮度特征分量；同時，混合色彩空間中的色調分量與飽和度分量則分別由Lab和HSV色彩空間對應的分量融合而成。

1.2 全局顏色特征的提取

顏色矩作為一種全局特征，可簡單有效地表征圖像的顏色信息。本文提出針對混合色彩空間中的色調分量與飽和度分量，分別提取圖像的三階矩顏色特征。其中，一階顏色矩特征C1的計算，如下式所示。

式中：W,H分別代表圖像的寬度和高度；P(i,j)代表位置(i,j)處像素的顏色信息。

二階顏色矩特征C2的計算，如下式所示。

三階顏色矩特征C3的計算，如下式所示。

1.3 獨立紋理統(tǒng)計特征的提取

對于具有朦朧立體效果與質感的色紡面料而言，其顏色空間分布信息是其顏色表征模型的重要組成部分。本文提出僅在混合色彩空間的亮度分量通道中，提取圖像的局部二值模式(Local Binary Pattern，LBP)空間統(tǒng)計值并構成特征矢量，并用于色紡面料圖像的顏色空間分布信息描述。由于該特征矢量是在獨立亮度分量通道中提取，未受到色調分量與飽和度分量的干擾，具有理想的獨立性。具體步驟如下。

首先，在獨立的亮度分量通道中，利用LBP 算子建立織物圖像的偽灰度圖像；然后，以灰度共生矩陣(Gray Level Co-occurrence Matrix，GLCM)理論為基礎，計算LBP偽灰度圖像所有像素點與周圍相鄰4個方向(θ=0°，45°,90°,135°)角度且偏移距離d像素之間LBP 值共生對(i,j)出現(xiàn)的概率。最后，統(tǒng)計LBP共生矩陣的3類統(tǒng)計信息，并構成圖像紋理統(tǒng)計特征描述符。分別為二階矩(EASM)、對比度(Icontrast)與相關性(Ccorrelation)，數(shù)學表達式如下式所示。

1.4 特征融合與數(shù)學表征

圖像的全局顏色特征與像素點顏色的空間分布特征是色紡織物呈色的主要特性，也是其外觀色彩風格的主要刻畫方面，提取的顏色矩特征與紋理特征具有理想的獨立性。同時，本文采用特征級融合策略對各獨立特征進行融合，并構建色紡織物顏色模型，其數(shù)學表征式為

C=w×Cmoment+(1-w)×CEIC

CEIC=EASM+Icontrast+Ccorrelation

式中：Cmoment為圖像三階矩顏色歸一化特征；CEIC為獨立基元歸一化統(tǒng)計特征；w表示各獨立特征的權值。

2 實驗與結果

2.1 實驗樣本及系統(tǒng)參數(shù)設定

影響色紡織物呈色特性的因素很多[17]，為充分驗證色紡織物顏色表征模型的有效性、普適性以及實用性，委托企業(yè)制備了2批共38份樣本。其中，所有混紡紗線都采用環(huán)錠紡。樣本涵蓋了不同類型面料、不同質量配比、纖維長短以及紗線捻系數(shù)等差異因素。根據(jù)色紡織物織造工藝不同，可將實驗樣本分為2組。其中，第1組樣本是由15份色紡緯平針針織物構成，每份樣本由原色纖維與本白纖維根據(jù)不同配比混配而成，如表1所示。此外，該15份樣本在CIE色相環(huán)上大致呈120° 角，能夠覆蓋較大范圍的色域空間，部分樣本如圖1所示。

第2組樣本由23份色紡機織物構成，無特殊說明情況下，每份樣本均由3種染色纖維構成， 染色纖維長度為38 mm，線密度為13.5 tex，織物經(jīng)緯紗線密度為20 tex，捻系數(shù)為350；組織結構為平紋，采用130號筘；下機緯密是280根/(10 cm)，每份樣本的染色纖維質量配比、長短、捻系數(shù)等存在細微差別，具體配比參數(shù)見表2所示。全部樣本在相對濕度為65%的環(huán)境中平衡后，通過“數(shù)慧眼”系統(tǒng)采集圖像數(shù)據(jù)。

表1 色紡針織物實驗樣本質量配比參數(shù)表Tab.1 Massratio parameters of colored spinning knitted fabric sample

圖1 部分色紡針織物實驗樣本圖Fig.1 Experimental sample diagram of some colored spinning knitted fabrics

表2 色紡機織物實驗樣本質量配比參數(shù)表Tab.2 Massratio parameters of colored woven fabric sample

2.2 實驗結果分析

根據(jù)所建立的顏色表征模型，對第1組15份色紡針織物圖像提取顏色特征，結果如表3所示。其中：CDiv表示樣本間全局顏色特征的歸一化差異度；VDiv表示樣本間局部基元特征的歸一化差異度;SDiv表示2類特征融合后的歸一化差異度，融合權重w=0.5。

表3 第1組色紡針織物樣本測試結果Tab.3 Sample testing results of colored spinning knitted fabric of group 1

通過統(tǒng)計分析，可看出本文所建立的顏色表征模型能夠對具有不同色相的色紡針織物顏色變化進行準確、有效的表征；在混合色彩空間中提取的獨立顏色特征與樣本染色纖維配比的質量差異呈現(xiàn)高度的一致性與相關性，其中BL-1樣本的顏色特征值與對應樣本的質量配比差異圖，如圖2所示。

圖2 BL-1號樣本顏色表征測評結果Fig.2 Fitting curves of evaluation results of color representation of BL-1 samples

同時，根據(jù)顏色混配理論可知，上述15份色紡針織物樣本的色相角度大約為120°，在色域空間中能夠覆蓋范圍較大，具有典型代表性。為進一步分析顏色表征模型的有效性與普適性，對第2組中具有質量配比差異的15份色紡機織物樣本分為2批進行，結果如表4、5所示。

表4 第1批色紡機織物樣本測試結果Tab.4 Sample testing results of colored woven fabric of first batch

其中，第1批樣本主要由本白、大紅以及金黃3種染色纖維構成，通過計算得出樣本間配此質量差異在0.8%～4.3% 之間隨機變化；第2批樣本主要由本白、特黑以及寶藍3種染色纖維構成，樣本間配比質量差異在0.2%～8.0%之間規(guī)律變化。

實驗結果表明，本文所建立的色紡織物顏色表征模型不僅能夠對較大范圍的配比變化進行有效描述，而且對于染色纖維細微調整而導致的色度學指標變化亦能準確表征，具有理想的魯棒性與普適性。其中，部分樣本顏色特征值與其對應樣本的質量配比差異如圖3、4所示。

表5 第2批色紡機織物樣本測試結果Tab.5 Sample testing results of colored woven fabric of second batch

圖3 17001號樣本顏色表征測評結果Fig.3 Fitting curves of evaluation results of color representation of No.17001 samples

圖4 17018號樣本顏色表征測評結果Fig.4 Fitting curves of evaluation results of color representation of No.17018 samples

為進一步明析全局顏色特征與局部紋理分布特征對顏色表征模型的綜合影響，對17001號樣本分別建立獨立顏色特征、紋理分布特征與樣本質量配比差異度關系圖，如圖5、6所示。結果表明，所提取的2類獨立特征均能夠對樣本配比的質量變化進行有效表征，但2類特征對配比參數(shù)變化的敏感性和穩(wěn)定性存在顯著差異?？傮w而言，提取的全局顏色特征對配比質量變化較為穩(wěn)定；而獨立紋理統(tǒng)計結構特征對配比質量變化較為敏感，更容易受到其他因素的干擾。因此，在混合色彩空間中的亮度分量通道中，提取獨立的紋理統(tǒng)計結構特征用于顏色空間分布特性的描述，可有效提高系統(tǒng)的魯棒性。

圖5 17001號樣本全局顏色特征測評結果Fig.5 Fitting curves of evaluation results of global color feature of No.17001 samples

圖6 17001號樣本局部紋理統(tǒng)計特征測評結果Fig.6 Fitting curves of evaluation results of local texture statistical feature of No.17001 samples

值得注意的是，在部分測試實驗中，也出現(xiàn)了測試指標異常波動的情況。通過分析發(fā)現(xiàn)，在測色樣本中出現(xiàn)了較大區(qū)域的染色纖維異常聚集情況，即因為織造工藝而引起的瑕疵。為進一步研究顏色表征模型的普適性，選取8份具有不同纖維長度的樣本和4份具有不同捻系數(shù)的樣本分別進行測試，結果如表6、7所示。

結果表明，在相同的染色纖維質量配比下，對于不同長度染色纖維(纖維長度分別為38與51 mm)，顏色表征模型亦能對因纖維長短差異所導致的顏色變化進行準確表征，由于纖維長短差異度一定，其特征融合差異度也維持在相對穩(wěn)定范圍內。同時，染色纖維的捻系數(shù)差異也與顏色表征模型特征性呈現(xiàn)線性相關性。

表6 不同長短纖維的色紡織物樣本測試結果Tab.6 Sample testing results of colored woven fabric of fiber of different lengths

表7 不同捻系數(shù)纖維的色紡織物樣本測試結果Tab.7 Sample testing results of colored woven fabric of fiber of different twist coefficients

2.3 對比實驗結果分析

為綜合對比分析本文方法的創(chuàng)新性與必要性，以第2組實驗樣本為對象，采用文獻[1]中的算法建立對比實驗模型，結果如表8、9所示。其中，DDiv表示2類特征融合后的歸一化差異度。

表8 第1組樣品對比實驗結果Tab.8 Comparative experimental results of samples of first batch

表9 第2組樣品對比實驗結果Tab.9 Comparative experimental results of samples of second batch

實驗結果表明，雖然對比實驗中采用的混合色彩空間由RGB、HSV、Lab 3種顏色空間構成，理論上應該具備更強的顏色刻畫能力，但由于所提取的紋理分布特征來自于各分量通道，會受到飽和度與色彩度分量等信息的多重干擾，所以與染色纖維配比質量差異的相關性均顯著下降；而本文所建立的顏色表征模型，僅利用Lab與HSV 2種顏色空間構建混色色彩空間，并且通過獨立分量通道分別建立顏色的全局與局部紋理分布特征，所提取顏色描述子在具備較強刻畫能力的同時還具有理想的獨立性，能夠有效刻畫織物顏色分布的局部微結構模式。17001號樣本的對比實驗結果，如圖7、8所示。

圖7 17001號樣本對比實驗結果Fig.7 Fitting curve of contrast experimental results of No.17001 samples

圖8 17018號樣本對比實驗結果Fig.8 Fitting curves of contrast experimental results of No.17018 samples

3 結束語

色紡面料染色纖維的分布具有復雜性與多樣性，很難對其呈色特性進行準確描述。本文以紡織品數(shù)碼測色理論為基礎，針對色紡面料特有的呈色機制與過程，建立混合色彩空間獨立特征的顏色表征模型。該模型能夠對Lab與HSV 2種色彩空間中具有相同屬性的顏色分量進行獨立融合；在此基礎上，利用三階顏色矩特征和局部二值模式的多維空間統(tǒng)計特征分別對色紡織物圖像的全局和局部微結構模式進行描述。實驗結果表明，所建立的顏色表征模型能夠充分融合2種顏色空間的色彩刻畫能力，所提取的全局顏色特征與局部紋理統(tǒng)計特征具有理想的獨立性，對于色紡針織物與機織物而言，不僅能夠在較大范圍內對質量配比變化而導致的顏色改變進行有效表征，而且對于染色纖維長短以及捻系數(shù)差異導致的顏色改變亦能準確表達，具有理想的魯棒性與普適性。本文研究對于構建穩(wěn)定、有效的色紡面料顏色表征模型具有重要的理論價值，同時也能夠為實現(xiàn)色紡面料色度學指標的數(shù)字化與智能化檢索與分析，指導色紡企業(yè)的實踐生產提供參考。

FZXB