發(fā)布時間：2017-10-22 12:32

  本文關(guān)鍵詞：服裝款式圖提取及其模式識別的研究

  更多相關(guān)文章： 服裝款式圖 服裝部件 服裝分割 模式識別 計算機視覺

【摘要】：對于電子化量身定制(electronic Made To Measure,eMTM)服裝系統(tǒng)的研究,目前主要集中在人體尺寸的獲取、樣板快速生成和虛擬試衣等方面。服裝款式圖的獲取主要來源于服裝設(shè)計師的設(shè)計。本論文主要采用計算機視覺技術(shù),對服裝款式圖的逆向提取與模式識別做了系統(tǒng)性的研究,是對傳統(tǒng)服裝計算機輔助設(shè)計(Garment Computer Aided Design,GCAD)系統(tǒng)功能性的擴展。對具體的研究工作與思路概括如下:(1)服裝圖像的分割和分割效果客觀評價方法本文研究兩種產(chǎn)生過分割初始圖像的算法,最新的圖像分割算法gPb-owtucm和Mean shift分割算法。采用gPb-owt-ucm算法處理后,時裝模特圖像被轉(zhuǎn)換為層次區(qū)域樹;采用Mean shift算法處理后,時裝模特圖像被轉(zhuǎn)換為過分割初始圖像。然后,從過分割初始圖像出發(fā),通過基于最大相似度的區(qū)域融合(maximal-similarity based region mergion,MSRM)方法交互實現(xiàn)服裝圖像分割。最后,采用Garbor結(jié)構(gòu)相似度(Garbor-structural similarity,G-SSIM)用于服裝圖像分割效果客觀評價。gPb-owt-ucm分割算法從gPb輪廓檢測器的檢測結(jié)果出發(fā)構(gòu)建一個分層的區(qū)域圖,通過調(diào)節(jié)邊界上的概率閾值可以獲得過分割初始圖像。Mean shift算法可以定位于給定離散樣本的密度函數(shù)的最大值。在圖像分割中,該算法可以直接得到過分割初始圖像。給定一個模特圖像通過gPb-owt-ucm分層分割算法獲得初始的分割結(jié)果在兩個方面優(yōu)于Mean shift算法獲得的結(jié)果。第一,gPb-owtucm分層分割算法在分割紋理密集圖像時具有一定的優(yōu)勢;第二,可以通過對UCM設(shè)定閾值的方式來控制圖像分割粒度,而不需要重新運行程序�；趨^(qū)域合并的圖像分割方法近些年來引起越來越多的關(guān)注。從初始的過分割結(jié)果開始,這些區(qū)域合并方法采用漸進的方法、按照一定合并準則把相似的近鄰區(qū)域合并成新的區(qū)域。顏色直方圖作為圖像初始分割得到各個區(qū)域的特征,并且采用RGB顏色空間計算顏色直方圖。兩個相鄰區(qū)域R和Q的相似度ρ(R,Q)作為MSRM的判別準則。作為客觀評價方法,CW-SSIM的關(guān)鍵思想是某些圖像的扭曲導(dǎo)致局部小波系數(shù)的一致相變,而小波系數(shù)的一致位移并不能改變圖像內(nèi)容的結(jié)構(gòu)改變。GSSIM對CW-SSIM進行了小的改進,用圖像的復(fù)數(shù)Gabor濾波器系數(shù)代替原來的復(fù)數(shù)小波變換系數(shù)。采用MSRM算法對初始分割結(jié)果進行區(qū)域歸并,得到最終的分割結(jié)果。我們把用上述兩種方法得到的最終分割圖像分別與通過Photoshop交互手工提取的基準(Ground Truth)服裝圖像進行比較,根據(jù)G-ssim指數(shù)客觀評價兩種分割效果。(2)服裝款式圖的提取服裝款式圖的提取算法主要分為服裝輪廓提取和服裝內(nèi)部細節(jié)提取兩個部分。服裝輪廓提取算法包括初始輪廓提取,分支輪廓光滑和全局輪廓光滑處理。帶有印花圖案服裝圖像在輪廓附近灰度值與背景相近情況下的初始輪廓提取就會產(chǎn)生紋理噪聲。本文引入了輪廓誤差和支點概念,采用形態(tài)學(xué)方法實現(xiàn)對帶有印花圖案服裝圖像的初始輪廓的提取。然后將輪廓劃分為若干個分支,通過輪廓誤差消除紋理噪聲,實現(xiàn)分支輪廓光滑。研究表明,基于形態(tài)學(xué)方法的初始輪廓提取算法可以有效去除服裝圖像內(nèi)部的像素點和外部的陰影與水印;采用輪廓誤差計算可以有效識別紋理噪聲數(shù)據(jù),修補印花圖案對服裝輪廓的影響。與其它輪廓提取方法相比,提出的算法更高效。接下來,對輪廓進行全局光順化處理。本文通過以下步驟實現(xiàn)初始輪廓的光順處理:(1)將該曲線在x和y方向上進行分解后,將得到兩個一維離散函數(shù);(2)在分解的兩個離散函數(shù)上分別提取特征點;(3)按特征點分段,分別對分解后的分段數(shù)據(jù)進行擬合處理,擬合類型是sumofsinfunctions。服裝內(nèi)部細節(jié)提取算法是指在光順化輪廓基礎(chǔ)上進行的后續(xù)處理。服裝款式很多是關(guān)于垂直軸對稱的,過對稱點的水平軸與中垂線一起將服裝圖像分成四個區(qū)域。設(shè)置對稱點可以避免拷貝時出現(xiàn)錯位現(xiàn)象,可以顯著減少工作量。接下來,我們提取服裝結(jié)構(gòu)邊并計算它們的交點。通過鼠標交互操作選擇結(jié)構(gòu)邊的部分像素點aj(j=1,...,m)為采樣點,m為采樣點個數(shù);然后,再通過三次光滑樣條擬合生成結(jié)構(gòu)邊。通常情況下,通過鼠標交互定位一條曲線的兩個端點。在實際操作中采用將ai(i=1,...,n)兩端延長一段像素點長度為l,即i=1-l,...,n+l。再從曲線的一端向另一端搜索,尋找搜索路徑上像素值為1的點為交點,將交點的像素值設(shè)置為2。去掉生成曲線中兩端的多余部分。(3)服裝款式圖特征提取及其模式識別本文提出了針對服裝款式圖分類的一種集成化方法,即wfd-lda-elm方法。采用離散小波和傅里葉變換把服裝款式圖的輪廓坐標映射到高維特征空間,然后采用lda降維。最后采用elm作為分類器進行多類分類。提出的單尺度wfd無論是降維還是不降維情況下,較其它兩種同樣長度的描述子的分類準確率都要高。不同長度描述子樣本,描述子的長度越長的其分類準確率越低;樣本經(jīng)過lda降維后,描述子的長度越長的其分類準確率越高。同一種描述子在降維到同樣長度情況下,lda的分類效果要高于pca。lda為了避免小樣本問題,描述子的長度不能取太長。從實驗結(jié)果來看,傳統(tǒng)的集成化分類方法,如fd-svm,mfd-svm和wfd-svm,獲得的最好的識別率都低于90%。對于特征提取方法的效率,我們只需要比較WFD-LDA與FD-LDA,因為MFD-LDA容易導(dǎo)致小樣本問題。從分類準確率的實驗結(jié)果來看,WFD-LDA比FD-LDA效果更好一些。本章最后的實驗說明了本文所提出的WFD-LDA-ELM集成化方法與WFD-LDA-SVM或WFD-PCA-SVM等相比,綜合性能更高。本文采用的方法集成到大型服裝設(shè)計企業(yè)的信息系統(tǒng)中并為下一步的服裝款式查詢打下基礎(chǔ)。此外這種方法也可以應(yīng)用到基于輪廓描述技術(shù)的識別問題中,如纖維截面形狀識別。(4)基于建模的翻領(lǐng)識別由于傳統(tǒng)的服裝部件特征提取都高度依賴服裝部件的分割,而圖像分割又很難實現(xiàn)。在不分割的情況下實現(xiàn)服裝部件的識別是本文的研究的目標。本文以翻領(lǐng)為例,研究在服裝款式圖中實現(xiàn)服裝部件的識別。假設(shè)翻領(lǐng)的四條線是共點且對稱的。利用這個假設(shè)我們可以建立翻領(lǐng)模型。然后通過模型提出了實現(xiàn)部分翻領(lǐng)識別的方法。在圖像預(yù)處理階段,圖像需要裁剪兩次:第一次為了除掉背景,第二次是為了獲得感興趣區(qū)域(region of interest,ROI)。在共點識別階段,該方法利用了Hough變換檢測翻領(lǐng)的直線,通過θ選擇和曲線擬合限制ROI中的候選線段條數(shù)。在對稱識別階段,通過k-means聚類算法將候選直線劃分為四類。對應(yīng)的加權(quán)角度之差可以定義為識別準則。我們設(shè)置對應(yīng)加權(quán)角度差值閾值,簡稱對稱閾值,用于翻領(lǐng)識別。通過實驗可以看出采用本系統(tǒng)能夠得到91.7%的識別率。(5)基于CBIR的服裝款式圖綜合檢索為了實現(xiàn)服裝款式圖的綜合檢索,本文創(chuàng)建了由1229幅JPEG格式存儲的款式圖數(shù)據(jù)庫,采用了基于內(nèi)容的圖像檢索(Content-based image retrieval,CBIR)技術(shù)。形狀特征采用單尺度小波傅里葉描述子WFD,對輪廓數(shù)據(jù)用db10小波進行2級分解,長度統(tǒng)一取前40位。將紋理特征分為全局紋理和衣領(lǐng)、門襟和下擺三個局部紋理,采用小波矩作為全局或局部紋理特征的描述。形狀特征和各種紋理特征為可選組合。本文提出的局部紋理特征及其組合能夠發(fā)現(xiàn)一些單純靠形狀和全局紋理不能檢索到的款式圖。
【關(guān)鍵詞】：服裝款式圖 服裝部件 服裝分割 模式識別 計算機視覺
【學(xué)位授予單位】：東華大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要3-6
• ABSTRACT6-13
• 第一章 緒論13-33
• 1.1 課題研究意義和背景13-14
• 1.1.1 研究意義13
• 1.1.2 研究背景13-14
• 1.2 研究現(xiàn)狀14-24
• 1.2.1 紡織圖像檢測15
• 1.2.2 紡織圖像分割15-17
• 1.2.3 圖像質(zhì)量客觀評價方法17-18
• 1.2.4 紡織圖像輪廓自動提取18-19
• 1.2.5 紡織圖像特征提取19-20
• 1.2.6 特征向量的維數(shù)約簡20-23
• 1.2.6.1 基于PCA的降維21-23
• 1.2.6.2 基于LDA的降維23
• 1.2.7 紡織圖像模式識別23-24
• 1.3 目前存在的主要問題24-25
• 1.4 研究目標、研究內(nèi)容和創(chuàng)新點25-28
• 1.4.1 研究目標25
• 1.4.2 研究內(nèi)容25-27
• 1.4.3 創(chuàng)新點27-28
• 參考文獻28-33
• 第二章 服裝圖像分割算法與分割質(zhì)量客觀評價33-53
• 2.1 引言33-35
• 2.2 Mean shift圖像分割算法35-37
• 2.2.1 基本Mean shift35-36
• 2.2.2 擴展的Mean shift36-37
• 2.3 gPb-owt-ucm分層分割算法37-41
• 2.3.1 全局化輪廓概率(global probability of boundary, gPb)37-39
• 2.3.2 方向分水嶺變換(Oriented Watershed Transform, OWT)39-40
• 2.3.3 超度量輪廓圖(Ultrametric Contour Map, UCM)40-41
• 2.4 區(qū)域歸并圖像分割算法41-42
• 2.5 本章實驗42-51
• 2.5.1 實驗所用樣本42
• 2.5.2 Mean shift圖像分割實驗42-43
• 2.5.3 gPb-owt-ucm分層分割分割實驗43
• 2.5.4 區(qū)域歸并實驗43-50
• 2.5.5 G-SSIM圖像分割質(zhì)量評價試驗50-51
• 2.6 本章小結(jié)51-52
• 參考文獻52-53
• 第三章 服裝款式圖提取53-67
• 3.1 引言53-54
• 3.2 曲線的插值與擬合54-55
• 3.2.1 二維GCAD中的曲線類型54-55
• 3.2.2 曲線插值與擬合55
• 3.3 服裝輪廓的提取55-62
• 3.3.1 輪廓誤差的概念55-56
• 3.3.2 初始輪廓的提取56-57
• 3.3.3 分支輪廓光滑處理57-60
• 3.3.4 全局輪廓光滑處理60-62
• 3.4 服裝內(nèi)部細節(jié)的提取62-64
• 3.4.1 對稱點計算62-63
• 3.4.2 結(jié)構(gòu)曲線交點的確定與結(jié)構(gòu)曲線的提取63-64
• 3.5 試驗與分析64-65
• 3.5.1 服裝款式圖提取實驗64-65
• 3.5.2 服裝款式圖提取對比實驗65
• 3.6 本章小結(jié)65-66
• 參考文獻66-67
• 第四章 基于形狀特征的服裝款式圖識別67-83
• 4.1 引言67
• 4.2 基于shock graph技術(shù)的服裝款式圖識別67-75
• 4.2.1 骨架及其提取算法67-68
• 4.2.2 shock graph匹配方法68-69
• 4.2.3 shock graph匹配實驗69-75
• 4.3 基于矩特征的服裝款式圖識別75-78
• 4.3.1 不變矩75-76
• 4.3.2 Zernike矩76
• 4.3.3 基于矩特征的服裝款式圖識別76-78
• 4.4 基于不變矩特征與SVM的服裝款式圖識別78-80
• 4.4.1 款式圖識別的SVM78-79
• 4.4.2 SVM參數(shù)值的確定及分類準確率79-80
• 4.5 本章小結(jié)80-82
• 參考文獻82-83
• 第五章 一種集成化服裝款式圖的識別方法83-102
• 5.1 引言83
• 5.2 基于傅里葉小波描述子的形狀特征提取83-88
• 5.2.1 傅里葉描述子83-85
• 5.2.2 基于CWT的多尺度傅里葉描述子85-86
• 5.2.3 基于DWT的單尺度小波傅里葉描述子86-88
• 5.3 特征數(shù)據(jù)降維88-89
• 5.4 ELM分類器89-92
• 5.4.1 ELM基本原理89-91
• 5.4.2 ELM的求解及特點91
• 5.4.3 使用ELM分類91-92
• 5.5 試驗與分析92-100
• 5.5.1 實驗數(shù)據(jù)庫及分類器參數(shù)設(shè)置92-95
• 5.5.2 WFD提取實驗95
• 5.5.3 形狀描述子分類性能對比實驗95-97
• 5.5.4 PCA與LDA降維分類對比實驗97
• 5.5.5 分類器穩(wěn)定性對比實驗97-98
• 5.5.6 分類器性能對比實驗98-100
• 5.6 本章小結(jié)100-101
• 參考文獻101-102
• 第六章 基于建模的翻領(lǐng)識別與基于內(nèi)容的服裝款式檢索102-121
• 6.1 引言102-103
• 6.2 基于建模的部分翻領(lǐng)識別103-113
• 6.2.1 服裝部件的特征提取問題103-104
• 6.2.2 Hough變換與K-means聚類104-107
• 6.2.2.1 Hough變換104-105
• 6.2.2.2 翻領(lǐng)模型105-106
• 6.2.2.3 k-means聚類106-107
• 6.2.3 翻領(lǐng)識別方法107-109
• 6.2.4 實驗結(jié)果109-113
• 6.2.4.1 實驗樣本與環(huán)境109-110
• 6.2.4.2 共點識別實驗110-112
• 6.2.4.3 對稱識別實驗112-113
• 6.3 基于內(nèi)容的服裝款式檢索113-118
• 6.3.1 特征選擇113-114
• 6.3.2 相識性度量114
• 6.3.3 實驗結(jié)果114-118
• 6.4 本章小結(jié)118-119
• 參考文獻119-121
• 第七章 總結(jié)與展望121-124
• 7.1 全文總結(jié)121-122
• 7.2 課題展望122-124
• 攻讀博士學(xué)位期間的研究成果目錄124-125
• 致謝125

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 傅菊芬,柳瑞敏;服裝款式管理系統(tǒng)及應(yīng)用[J];蘇州絲綢工學(xué)院學(xué)報;1998年05期

2 孫莉;徐長富;;灰色模糊綜合評估模型在服裝款式評估系統(tǒng)中的研究與應(yīng)用[J];計算機應(yīng)用與軟件;2013年05期

3 傅華奎;齊德金;;集成服裝款式CAD系統(tǒng)初探[J];藝術(shù)與設(shè)計(理論);2009年02期

4 王芙蓉;;魏晉南北朝時期玄學(xué)對當(dāng)時服飾的影響[J];蘭臺世界;2007年18期

5 劉柳斌;李際軍;;個性化服裝款式三維設(shè)計與演示系統(tǒng)設(shè)計[J];計算機工程與科學(xué);2008年01期

6 錢素琴;;基于Web技術(shù)的服裝款式圖設(shè)計系統(tǒng)[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2006年06期

7 耿兆豐;經(jīng)桂蘭;錢素琴;;基于網(wǎng)絡(luò)的協(xié)同服裝款式結(jié)構(gòu)CAD系統(tǒng)的架構(gòu)設(shè)計[J];東華大學(xué)學(xué)報(自然科學(xué)版);2006年04期

8 王進,曹世和;基于攝像的服裝款式CAD中的填充處理技術(shù)[J];徐州師范大學(xué)學(xué)報(自然科學(xué)版);1998年01期

9 宋碧蓮,吳華平,陳家訓(xùn),孫莉;用J2EE和UML開發(fā)服裝款式在線設(shè)計系統(tǒng)[J];微型電腦應(yīng)用;2003年12期

10 萬登峰,錢素琴,耿兆豐,李繼云;服裝款式部件數(shù)據(jù)庫的構(gòu)建及其在C/S環(huán)境下的實現(xiàn)[J];東華大學(xué)學(xué)報(自然科學(xué)版);2004年02期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 張海波;;服裝情感學(xué)體系架構(gòu)研究[A];“力恒杯”第11屆功能性紡織品、納米技術(shù)應(yīng)用及低碳紡織研討會論文集[C];2011年

中國重要報紙全文數(shù)據(jù)庫 前5條

1 鄭夢超;清洗衣物長短“說”不清[N];中國質(zhì)量報;2011年

2 ;服裝CAD的缺失與企業(yè)之痛[N];中國國門時報;2004年

3 記者 關(guān)志達　賈旭博;傳統(tǒng)與現(xiàn)代的傳承[N];齊齊哈爾日報;2009年

4 曉雯;毛皮“未來力量”擘畫行業(yè)新宏圖[N];中國服飾報;2014年

5 本報記者 楊敏;文藝復(fù)興時期歐洲人通過服飾表達情感[N];中國社會科學(xué)報;2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 安立新;服裝款式圖提取及其模式識別的研究[D];東華大學(xué);2015年

2 耿玉磊;基于系列模板耦合的三維服裝款式創(chuàng)意設(shè)計方法研究[D];浙江大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 董晨雪;服裝款式圖像自動識別研究[D];東華大學(xué);2013年

2 成果;個性化服裝款式系統(tǒng)風(fēng)格決策模型的研究及應(yīng)用[D];東華大學(xué);2010年

3 吳留平;服裝款式定制輔助系統(tǒng)研究[D];西安工程大學(xué);2011年

4 張立寧;服裝款式系統(tǒng)的風(fēng)格量化和款式數(shù)據(jù)庫設(shè)計與實現(xiàn)[D];東華大學(xué);2006年

5 陳哲;基于服裝款式圖三維數(shù)據(jù)獲取的研究[D];東華大學(xué);2014年

6 屠青青;基于關(guān)鍵點服裝款式識別的智能時尚推薦系統(tǒng)研究[D];電子科技大學(xué);2014年

7 潘安;基于風(fēng)格的智能服裝款式結(jié)構(gòu)CAD系統(tǒng)設(shè)計與實現(xiàn)[D];東華大學(xué);2005年

8 汪正月;服裝面料性能預(yù)測系統(tǒng)的研究[D];東華大學(xué);2007年

9 周海媚;基于款式模塊與感性需求的交互式服裝設(shè)計原理與方法[D];蘇州大學(xué);2015年

10 張?zhí)祛?虛擬三維服裝款式及褶皺效果顯示研究[D];東華大學(xué);2007年

，

本文編號：1078417