استخراج و طبقه‌بندی تصاویر طرح سنگ شور پوشاک جین با استفاده از الگوریتم خوشه‌بندی K-means

نوع مقاله : مقاله پژوهشی

نویسندگان

دانشگاه یزد، مجتمع فنی و مهندسی، دانشکده مهندسی نساجی

چکیده

با توجه به استقبال گسترده نسل جوان از پوشاک جین و به‌ طور ویژه شلوارهای جین، طراحی و کنترل کیفیت این لباس‌ها از اهمیت بسزایی برخوردار است. با توجه به اهمیت این موضوع در صنعت پوشاک، هنوز طبقه‌بندی خاصی برای طرح‌های سنگ‌ شور مورد استفاده در شلوار جین ارائه نشده است. در این مقاله، از 306 طرح سنگ‌ شور جلو و پشت شلوار جین در شرایط یکسان نورپردازی، تصویربرداری شد. پس از پیش‌ پردازش تصاویر، با استفاده از الگوریتم خوشه‌بندی K-means، طرح سنگ‌ شور جداسازی شد و در نهایت با استفاده از خوشه‌بندی K-means، تقسیم‌ بندی طرح‌های سنگ‌ شور بخش‌ های جلو و پشت شلوار انجام شد. برای تعیین خوشه‌ بندی بهینه طرح‌ های سنگ‌ شور، برنامه خوشه‌بندی طرح‌های سنگ‌ شور بخش‌ های جلو و پشت شلوار، 100 مرتبه اجرا شد و با توجه به شاخص اعتبارسنجی دیویس- بولدین (DB)، بهترین خوشه‌ بندی انتخاب و با خوشه‌ بندی چشمی (بصری) مقایسه شد. نتایج حاکی از این است که روش خوشه‌ بندی K-means تا %60 با روش خوشه‌ بندی چشمی مطابقت دارد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Extracting and Clustering Stone-Wash Design in Jeans Images Using K-means Algorithm

نویسندگان [English]

  • Zeinab Mazdak
  • Pedram Payvandy
  • ALi Asghar Alamdar Yazdi
Department of Textile Engineering, Faculty of Engineering, Yazd University, Yazd, Iran
چکیده [English]

Jeans have increasingly become popular among young people worldwide, just the same as in global markets, and therefore their quality needs to be controlled carefully. This paper deals with the classification of the stone-wash jeans by using k-means clustering algorithm. A total of 306 ready jeans were prepared and the stoned zones of their front and back were imaged under light projection. The K-means clustering algorithm was used to extract jean stone-wash designs. Finally clustering schemes were applied by K-means clustering in order to achieve the optimized condition by running the program one hundred times on the front and the back of the trousers. The clustering validity method was based on Davies-Bouldin Index as the best method. Finally, the result of the above method was compared with the optical method. The results showed that k-means clustering method, applied on stone-wash design, was comparable with the unaided eye observation by 60%.

کلیدواژه‌ها [English]

  • Stone-wash design
  • K-means Algorithm
  • image processing
  • Clustring