基于人工智能的电脑刺绣智能集成环境的研究.docxVIP

基于人工智能的电脑刺绣智能集成环境的研究 计算机刺绣的过程是首先，首先，制作样本手稿，通过建模示例创建样本文件，形成设计样本文件的针位数据，然后使用这些针位数据控制计算机刺绣机并批量生产刺绣产品。因此，计算机刺绣的主要技术是编程系统。现在，日本的百灵达和田岛和德国的zsk系统非常流行。然而，由于涂层系统的数量少、自动化程度低、功能独特，如图纸输入方法独特、指针方便，且精度和生产效率低。 为了提高设计水平,我们将人工智能技术和图像处理技术引入了电脑刺绣编程系统,研制了智能化电脑刺绣编程环境(国家863高科技发展计划资助项目).首先,原始图稿可以通过摄相机、扫描仪、数字化仪或者鼠标,以任何一种方式进行输入;其次,图稿中的轮廓通过图像处理形成刺绣轮廓;最后,通过推理机制和不确定推理自动生成针位数据.因此,实现了从获取初始样稿到针位数据的智能化和自动化,可形成高质量的刺绣样版.一年多的实际使用情况表明,该系统可以明显地提高刺绣样版的生产效率和绣品质量. 1 针位优化模块设计 系统主要由图像处理、编针处理、针位优化和数据转换这4个处理模块以及4个知识库组成.这些模块之间相对独立,由总控模块负责协调,通过使用公用数据区交换数据.每个模块的功能描述如下: 图像处理模块在图像处理模块中,从原始设计图样中获取的图像通过图像处理功能自动处理,如色彩聚类、图像增强、恢复以及边缘检测等等,以获得图像画稿的轮廓.然后,图像的形状、位置、内外部标记以及其他特征信息可以根据轮廓,通过基于概率的不确定性推理来获得,轮廓特征信息可以提供推理机通过知识库选取最佳的绣法和针法. 编针模块在编针模块中,推理机制由浅、深和元推理机组成.其中,浅推理即基于实例的推理(case-based reasoning,简称CBR),深推理即基于规则的不确定性推理.这两个推理机能够通过在实例库、规则库和针法库中的知识以及画稿轮廓特征进行推理,从而确定最佳的针法和绣法以及走针序列.元推理则是在更高层次上的监控机制,在浅推理和深推理中挑选出最合适的推理,控制及监控二者的执行过程,并且在必要时对参数进行修改. 针位优化模块该模块可以对走针序列进行编辑、转换、修改和优化,提高走针的质量和效果,以便提高绣品的质量. 数据转换模块数据转换模块可以将样版数据转换为适合于国内外各种型号的电脑刺绣机的针位数据. 知识库系统包括:实例库、绣法库、针法库和元规则库这4个知识库.其中,实例库包含500多个刺绣实例,支持基于实例的浅推理;绣法和针法库包含支持基于规则的深层不确定推理的刺绣规则.这3个库又称为域知识库.元规则是关于域知识的规则,比如,如何选择恰当的域规则、如何选择最好的推理策略等. 另外,系统还具有解释接口、动态数据库以及其他支持模块和接口.所有支持的构件均可集成为一体,并协同工作,有效地完成系统功能. 2 动态编码的互链式绣段设计 图像的数据结构是一个二维数组,数组的下标与图像的坐标(X,Y)相对应,数组值与图像色彩值相对应.轮廓的数据结构是一个动态链表结构,由指针头和若干动态生成的、互链的数据项组成.指针头纪录一些综合信息,而每一个数据项存放折线边缘数据以及每个区域标记的信息. 在系统中,我们将绣品数据样版组织成绣段的链表.一幅刺绣图案可能由一个或多个绣段组成.每个绣段分别包含各自的编针信息,如参数、轮廓点坐标的动态数组、针位点坐标的数组.在实现中,我们将绣段设计成对象的形式,每一个绣段自身根据轮廓和参数信息产生它的针位数据. 3 智能化电脑刺绣编程实现技术 系统在Windows 98环境下采用Visual C++ 2.0编程实现智能化电脑刺绣编程环境.其中主要有图像处理算法、知识表示和推理策略、针位优化算法以及数据转换算法等实现方法和技巧.下面我们主要介绍图像处理、知识表示和推理策略.因篇幅有限,其他部分的实现技术不再赘述. 3.1 边缘提取及边缘识别 在图像处理模块中,我们设计并实现了一种高效的映射算法,能够快速而方便地完成图像的聚类转换;设计并实现了对图像中点、线、块的若干个局部修改操作和噪声消除与区域平滑两个自动匹配操作,能够很好地增强和复原图像;采用了改进的Laplacian算子进行边缘检测;设计并实现了边缘匹配和区域填充这两个快速有效的算法进行边缘提取;对提取出来的点阵形式的区域边缘,利用离散点跟踪的方法,同时引入当前方向优先法则和惯性法则这两条启发性规则进行向量化处理,生成折线图形形式的区域边缘;设计并实现了最小区域边缘识别算法,使得在由若干区域的多条边缘相交以及存在边界公用的情况下,能够正确地识别出每一个最小区域的完整的区域边缘;设计并实现了基于边缘的区域标记算法,描述各个区域之间的几何关系以及区域的整体性质.通过上述处理,系统可以生成令人满意的适合编针推理的轮廓图形.