本文選題：圖像分類 + 圖像識別　； 參考：《深圳大學(xué)》2016年碩士論文

【摘要】：近些年隨著互聯(lián)網(wǎng)的迅速發(fā)展與普及,網(wǎng)購已成為人們生活的一部分,服裝更成為人們網(wǎng)購中的熱點。圖像處理技術(shù)在電子商務(wù)中的應(yīng)用成為了一個研究的熱點,比如在服裝銷售領(lǐng)域,模特圖片如何按照網(wǎng)購網(wǎng)站的展示規(guī)則自動裁剪,如何自動識別圖片中的服裝生成相應(yīng)的標(biāo)簽標(biāo)示衣服的類型,以及如何把模特從背景圖像中分離出來等等。本文就從這幾個方面展開研究,內(nèi)容如下:1.圖像預(yù)處理。通過分?jǐn)?shù)階微分算子進行圖像增強、中值濾波等一系列圖像預(yù)處理方法把服裝模特圖片邊緣加強,用Canny算子提取出服裝模特的邊緣信息。利用人臉檢測定位出人臉位置,提取出含有模特的核心區(qū)域。2.圖像分類。通過不同服裝模特圖片中衣服類型的不同,其相應(yīng)的特點也不同,提取出最有利于區(qū)分服裝類別的特征,本文提取了圖像二值化后特定段邊緣點的數(shù)目特征和分布特征、圖像角點的分布特征以及圖像邊緣的方向特征,再通過最小距離分類器的方法進行分類。3.圖像識別。通過服裝模特圖片中衣服在YCr Cb顏色空間下的直方圖信息提取出顏色特征、通過圖像灰度共生矩陣信息提取出紋理特征、通過圖像角點檢測提取出形狀特征等識別出不同類型衣服所具有的不同特點,從而自動生成相應(yīng)的標(biāo)簽。4.圖像分割。通過確定自適應(yīng)閾值進行二值化處理,再通過Canny算子進行邊緣檢測,把二者相結(jié)合,并通過多次膨脹和腐蝕改善噪聲,精確目標(biāo)區(qū)域的邊緣,把模特從背景中分離出來,并可選擇其他背景進行背景替換。在研究的過程中本文共提出以下創(chuàng)新點和改進:1.對于物體的邊緣識別提出先分類后識別的方法。2.對于網(wǎng)購服裝提出根據(jù)圖像識別,提取出相應(yīng)特征,自動生成標(biāo)簽。3.對于圖像分割提出自適應(yīng)閾值分割和邊緣檢測相結(jié)合的方法。本文把服裝模特圖片的按規(guī)則裁剪問題轉(zhuǎn)化成先按服裝類型進行分類,再根據(jù)相應(yīng)類型特點找到服裝下擺位置的問題,從而完成裁剪。本文根據(jù)圖片中衣服顏色特征、紋理特征、形狀特征等識別出圖片中的服裝的相應(yīng)特征并自動生成標(biāo)簽保存。本文還完成了把人物從背景圖像中分離出來,并重新選擇新的背景進行替換。
[Abstract]:In recent years, with the rapid development and popularity of the Internet, online shopping has become a part of people's lives, clothing has become a hot spot in online shopping. The application of image processing technology in electronic commerce has become a research hotspot, for example, in the field of clothing sales, how model pictures are automatically cut according to the display rules of online shopping website. How to automatically identify the clothing in the image and how to separate the model from the background image and so on. This article carries on the research from these several aspects, the content is as follows: 1. Image preprocessing. A series of image preprocessing methods, such as fractional differential operator and median filter, are used to enhance the image edge of clothing model, and Canny operator is used to extract the edge information of clothing model. Using face detection to locate the position of the face, extract the core region containing models. 2. Image classification. According to the different clothing types of different clothing models, their corresponding characteristics are also different, which is most helpful to distinguish the clothing categories. In this paper, the number and distribution characteristics of the edge points of a particular segment after image binarization are extracted. The distribution feature of image corner and the direction feature of image edge are classified by the method of minimum distance classifier. Image recognition. The color feature is extracted from the histogram information of clothes in YCr CB color space, and the texture feature is extracted from the image gray level co-occurrence matrix information. The shape features of different types of clothes are extracted by image corner detection and the different characteristics of different types of clothes are identified, and the corresponding labels. 4. 4 are generated automatically. Image segmentation. By determining the adaptive threshold for binary processing, and then using Canny operator for edge detection, combining the two, and through multiple expansion and corrosion to improve the noise, accurate the edge of the target area, the model is separated from the background. Other backgrounds can be selected for background replacement. In the course of the research, this paper puts forward the following innovations and improvements: 1. For edge recognition of objects, a method of classification and recognition is proposed. For online clothing, according to the image recognition, extract the corresponding features, automatically generate label. 3. An adaptive threshold segmentation and edge detection method is proposed for image segmentation. In this paper, the problem of pattern cutting of clothing models is transformed into classification according to clothing types first, and then the problem of dress pendulum position is found according to the characteristics of the corresponding types, so as to complete the clipping. According to the color features, texture features and shape features of the clothes in the picture, this paper identifies the corresponding features of the clothing in the picture and automatically generates labels to save them. This paper also completes the separation of the characters from the background image and the re-selection of the new background to replace it.
【學(xué)位授予單位】：深圳大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 ;圖像處理中心簡介[J];宇航學(xué)報;2001年04期

2 陳伯濤;辦公室里新來的圖像處理專家[J];電子與電腦;2001年03期

3 嚴(yán)肅;圖像處理超出狹義的范圍[J];中南民族學(xué)院學(xué)報(自然科學(xué)版);2001年02期

4 ;數(shù)據(jù)圖像處理三大技術(shù)[J];計算機時代;2004年12期

5 魏麒,何勇;圖像處理中的一個兩階段半雜交流水作業(yè)問題(英文)[J];Applied Mathematics:A Journal of Chinese Universities;2005年04期

6 阿飛;圖像處理軟件的色彩車間——“通道”[J];電腦愛好者;2005年03期

7 潘路;趙文娟;;圖像處理課程教學(xué)探討[J];中國西部科技;2006年22期

8 蘇曉;;基于GDI+的自建圖像處理庫[J];當(dāng)代經(jīng)理人;2006年09期

9 汪新星;吳秀玲;劉衛(wèi)平;孫俊英;;高分辨電子顯微像圖像處理技術(shù)的應(yīng)用[J];材料導(dǎo)報;2007年06期

10 楊琛;;圖像處理中分辨率的選取[J];科技信息(學(xué)術(shù)研究);2008年10期

相關(guān)會議論文 前10條

1 苑廷剛;李愛東;李汀;艾康偉;嚴(yán)波濤;;圖像處理技術(shù)在田徑科研中的應(yīng)用初探[A];第七屆全國體育科學(xué)大會論文摘要匯編（二）[C];2004年

2 黃海永;朱浩;王朔中;;圖像處理軟件中宏結(jié)構(gòu)的實現(xiàn)和擴展[A];面向21世紀(jì)的科技進步與社會經(jīng)濟發(fā)展（上冊）[C];1999年

3 楊文杰;劉浩學(xué);;基于馬爾可夫場理論的圖像處理新方法評述[A];面向21世紀(jì)的科技進步與社會經(jīng)濟發(fā)展（上冊）[C];1999年

4 王晉疆;劉文耀;肖松山;陳曉東;孫正;;光電圖像處理課程中教學(xué)環(huán)節(jié)的設(shè)計[A];光電技術(shù)與系統(tǒng)文選——中國光學(xué)學(xué)會光電技術(shù)專業(yè)委員會成立二十周年暨第十一屆全國光電技術(shù)與系統(tǒng)學(xué)術(shù)會議論文集[C];2005年

5 王鵬;;圖像處理技術(shù)與實驗數(shù)據(jù)處理[A];全面建設(shè)小康社會：中國科技工作者的歷史責(zé)任——中國科協(xié)2003年學(xué)術(shù)年會論文集（上）[C];2003年

6 王曉劍;曹婉;王莎莎;;一種基于高速DSP的圖像處理應(yīng)用平臺[A];2008中國儀器儀表與測控技術(shù)進展大會論文集（Ⅲ）[C];2008年

7 張煒;蔣大林;郎芬玲;曹廣鑫;王秀芬;;圖像處理技術(shù)應(yīng)用于選礦領(lǐng)域的綜述[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅱ[C];2011年

8 劉春桐;趙兵;張志利;仲啟媛;;基于圖像處理的自動瞄準(zhǔn)系統(tǒng)精度研究[A];全國自動化新技術(shù)學(xué)術(shù)交流會會議論文集（一）[C];2005年

9 李向榮;;美式落袋球自動擺球系統(tǒng)的圖像處理研究[A];2008中國儀器儀表與測控技術(shù)進展大會論文集（Ⅲ）[C];2008年

10 周榮官;周醒馭;;地質(zhì)雷達圖像處理在崩塌隱患探測中的應(yīng)用及分析[A];第六屆全國信號和智能信息處理與應(yīng)用學(xué)術(shù)會議論文集[C];2012年

相關(guān)重要報紙文章 前10條

1 新疆大學(xué)紡織與服裝學(xué)院 袁春燕;圖像處理技術(shù)讓數(shù)據(jù)更真實[N];中國紡織報;2013年

2 楊朝暉;我鄰域圖像處理達到每秒1350億次超高速[N];科技日報;2008年

3 吳啟海;圖像處理時8位/通道或16位/通道模式的選擇探討[N];中國攝影報;2012年

4 殷幼芳;印前圖像處理技術(shù)對印刷質(zhì)量的影響[N];中國包裝報;2005年

5 徐和德;圖像處理要適度[N];中國攝影報;2006年

6 記者 申明;中星微發(fā)布場景高保真圖像處理技術(shù)[N];科技日報;2010年

7 楊玉軍;郵編圖像處理技術(shù)通過驗收[N];中國郵政報;2000年

8 董長生 吳志軍;用圖像處理軟件推動刑偵信息技術(shù)工作[N];人民公安報;2003年

9 殷幼芳;藝術(shù)化的圖像處理技術(shù)[N];中國包裝報;2006年

10 ;富士圖像處理方案走進手機[N];計算機世界;2002年

相關(guān)博士學(xué)位論文 前10條

1 羅軍;圖像處理快速算法研究與硬件化[D];武漢大學(xué);2014年

2 孫傳猛;煤巖圖像處理及細觀損傷本構(gòu)模型研究[D];重慶大學(xué);2015年

3 嵇曉平;基于各向異性擴散方程圖像處理問題的研究[D];哈爾濱工業(yè)大學(xué);2015年

4 黎海生;量子圖像處理關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2014年

5 吳玉蓮;非局部信息和TGV正則在圖像處理中的應(yīng)用研究[D];西安電子科技大學(xué);2015年

6 張還;聚合物復(fù)合材料微觀圖像處理與分析[D];南京農(nóng)業(yè)大學(xué);2014年

7 季雷;光輻射對生物體影響的關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2015年

8 劉宇飛;基于模型修正與圖像處理的多尺度結(jié)構(gòu)損傷識別[D];清華大學(xué);2015年

9 樊瑤;基于圖像處理的路面裂縫檢測關(guān)鍵技術(shù)研究[D];長安大學(xué);2016年

10 程科;模糊形態(tài)學(xué)技術(shù)及其在圖像處理中的應(yīng)用[D];南京理工大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 杜高峰;基于opencv圖像處理的列車受電弓動態(tài)特性監(jiān)測方法研究[D];西南交通大學(xué);2015年

2 王世豪;基于小波及壓縮感知的圖像處理方法及應(yīng)用研究[D];燕山大學(xué);2015年

3 牛蕾;基于非線性動力系統(tǒng)的圖像處理[D];東北林業(yè)大學(xué);2015年

4 宋君毅;基于圖像處理的魚群監(jiān)測技術(shù)研究[D];天津理工大學(xué);2015年

5 古偉楷;基于異構(gòu)計算技術(shù)的視頻與圖像處理研究[D];華南理工大學(xué);2015年

6 康睿;基于圖像處理的砂土顆粒細觀特性分析[D];寧夏大學(xué);2015年

7 趙杰;柴油噴霧粒子圖像處理及軟件的設(shè)計[D];長安大學(xué);2015年

8 石璐;基于圖像處理的礦質(zhì)混合料級配檢測算法研究[D];長安大學(xué);2015年

9 李麗君;基于圖像處理的玉米葉部病害識別研究[D];四川農(nóng)業(yè)大學(xué);2014年

10 潘弋;基于智能手機嵌入式圖像處理和移動網(wǎng)絡(luò)應(yīng)用研究[D];上海交通大學(xué);2015年

，

本文編號：2053496