畲族传统服装设色关联规则分析

为清晰阐释畲族传统服装设色分布及其关联规则，文章利用图像分析技术解析意象色彩配色关系。以散居于浙、赣、闽三地畲族为例，对田野调查采集的150幅典型传统服装图像进行色彩解析。通过利用自适应聚类机制提取意象色彩，分别构建三地服装色彩谱系；设计基于向量集的Apriori算法，解析畲族服装意象色之间的多元配色关系。实验结果表明，浙、赣、闽三地畲族服装用色集中于黑、红、蓝等八色，主色较为接近；最小支持度优选0.2时，能够有效区分三地服装多元配色差异。其中浙江地区二元配对色组、江西地区三元配对色组表色相对丰富。改进后的算法配色规则输出平均耗时0.032 s,能够快速解析畲族服装设色关联规则，为类似传统服装色彩分析和再生设计提供方法参考。     

基于京剧脸谱意象色彩的服饰纹样自动配色

为提升服饰纹样色彩配色效能,利用自适应颜色聚类及自动配色机制,实现基于意象场景的服饰纹样自动配色。以京剧脸谱为范例,搜集了三类角色共计150幅脸谱图像作为源图,采用分割、降噪等操作获取脸谱主体内容;利用二分K-均值聚类算法,对单一样本进行逐一自适应色彩提取,在此基础上进行二次聚类获得各角色脸谱提取色色值、占比及共现比率等特征参数;最后设计融合颜色聚类数、共现比率及目标区域特征要素的动态配色机制,开发色彩解析和纹样自动配色软件。实验结果表明,配色控制参数、源图类型、纹样形态等因素影响选色顺序及最终配色效果,实现基于意象场景的纹样色彩自动迁移,为当代服饰纹样色彩设计提供决策参考。     

民族服饰色彩构成分析方法研究

为客观表述民族服饰的色彩构成,对选取的民族服饰主色进行了示范性度量和可视化表达。文章将选取的450幅图像色彩统一转换至HSV空间,利用K-均值聚类法分别对各民族服饰色彩进行聚类,提取各民族服饰的主色。依据色彩距离度量准则,重新优化主色的分布比例,并统计得出色相、饱和度及明度分布形态。实验结果表明,该方法能够有效地提取民族服饰主色,以可视化的方式表达出色彩特征值的分布情况。基于图像分析技术的色彩量化研究,有助于客观、准确地展示服饰色彩构成形态,为系统研究少数民族服饰色彩形成机制提供了可靠的测量方法。     

基于聚类算法和色彩网络的蝴蝶色彩分析及应用

蝴蝶蕴含着独特的自然美,是设计师重要的设计灵感来源。为厘清蝴蝶色彩及其搭配规律,更好地进行蝴蝶色彩重用,基于聚类算法和色彩网络对蝴蝶色彩进行分析和应用研究。首先,利用K-means聚类算法对单只蝴蝶8种不同角度的图像进行2次色彩聚类和主色提取,构建110只蝴蝶的6色标准色卡。其次,对蝴蝶标准色卡再次聚类,结合蝴蝶色彩实际搭配关系,构建了包含20个网络节点的蝴蝶色彩网络模型,并通过4个蝴蝶样本对色彩网络模型的可靠性进行验证。最后,以丝巾纹样配色设计作为应用案例,验证标准色卡和色彩网络模型作为配色辅助工具的可操作性和应用价值。案例表明,蝴蝶标准色卡和色彩网络模型可以为设计师在色彩设计过程中提供有效的辅助和支持。     

Research of multi-K-means-ELM Dong brocade color matching model based on user demand imagery北大核心CSCD

社会的快速发展为少数民族文化的发展创造了崭新的环境。当前对研究对象的配色方案中,大多是对色彩本身进行研究而鲜有结合人的主观意象,为挖掘意象词与服饰配色之间的隐含关系,建立用户需求意象与服饰色彩构成及占比之间的映射模型,提出了一种基于用户需求意象的多重K-means-ELM侗锦配色方案。首先,通过对侗族织锦色彩样本的提取,运用语意差异法(SD法)获得用户的认知数据源。结合聚类分析对侗族织锦图像进行分类和色彩提取。其次,基于色彩提取结果采用K-means对相似色彩构成的图像进行多重聚类划分得到具有相似色彩构成及占比的图像集合。最后,以侗族织锦色彩样本、色彩比例关系和HSV空间数值等信息与用户意象建立映射关系,采用极限学习机(Extreme learning machine,ELM)对多重划分得到的聚类图像样本单独建模,构建用户需求意象的多重K-means-ELM侗锦配色模型进行侗族服饰的配色研究。经过算例分析,将配色模型运用到以“星河”为主题的现代插画设计实际创作中进行验证,得出了该模型的可行性与科学性,所提出的配色方法提高了建模精度、降低了配色难度,从而细化意象—色彩之间的映射关系。     

基于色彩聚类的皮影服饰纹样分割

为实现皮影服饰图案的自动提取,以唐山皮影头茬图像为例,分析了皮影服饰的色彩构成及图案特点,探讨了一种基于色彩聚类的皮影图案识别方法。通过相对总变差模型对皮影图像进行了噪声平滑处理;将处理后的数字图像由RGB颜色空间转换至CIE L~*a~*b~*颜色空间,提取空间中的a、b两个色彩分量;利用K-means聚类算法对皮影图像色彩进行聚类分析,最终实现皮影色彩纹样的最佳分割。结果表明,笔者设计的算法可有效实现对于皮影这类色相分明、细节丰富且主色统一的彩色图像的分割。     

传统服饰云肩实物图像主色的智能检测

为解决获取传统服饰实物图像色彩耗时且缺乏准确性问题,以传统服饰的云肩为例,借助均值漂移（Mean-shift）聚类法,提出了一种检测传统服饰实物图像颜色的方法。运用单反数码相机进行实物图像采集;对所得初始图像的R、G、B3个颜色通道进行去噪处理;再将图像RGB颜色空间的特征向量转换至CIE L*a*b*颜色空间中,利用大津法阈值原理（自适应阈值算法）分割被测图像中云肩实物与背景;最后采用Mean-shift聚类算法,将被测图像的颜色像素分割为若干有效的集群,同时从这些集群中提取云肩主要色彩。实验结果表明,该算法可较为准确地从云肩图像中提取主色,且当Mean-shift聚类算法的带宽被设定为0.05时,分类颜色结果更为准确。     

民族服饰意象色彩智能迁移设计研究

文章以5个典型民族服饰为实证研究对象,利用图像分析技术,自适应提取序列场景意象色彩,融合多维特征构建色彩网络关系模型;结合待配色对象形态特征,以和谐论为指导,实现基于意象色彩的纹样自动配色。试验部分在解析民族服饰设色形态的基础上,以色序、同类、对比及综合配色法则,自动生成了多类型纹样的风格迁移赋色。该方法的实施提升了设计决策效能,为当代时尚创意与智慧设计提供了参考解决方案。     

基于色彩案例和灰色关联分析的人机界面交互配色设计研究

人机界面配色设计对促进用户与机器之间的界面交互有重要影响,为了更有效地辅助设计师进行人机界面交互配色设计,从而提高用户感性需求的满意度,文章提出了色彩案例和灰色关联分析的人机界面交互配色设计方法,运用模糊处理与主色提取等技术从源图像中获得色彩组合方案,研究色彩合并、取舍和色彩案例表示方式.如此,通过颜色的组合和选择来实现色彩案例目标界面配色,并基于灰色关联分析评估映射后的配色方案与颜色之间的相关性,验证此方法的可行性,并以此为依据生成用户满意方案.     

基于NCS体系下宜家家居空间色彩设计趋势研究

目前家居空间色彩的研究多依托于具体设计实践探讨某类型空间的色彩方案，或通过感官实验探索空间色彩对生理或心理的影响，尚未有学者厘清家居空间中色彩设计发展的过程。本研究旨在系统地总结近60年宜家家居空间的色彩设计趋势及策略，以《宜家家居指南》中的家居空间图片为对象，收集20世纪60年代至21世纪20年代的图像数据作为基础，使用K-means聚类算法提取色彩后进行自然色彩体系（NCS）定位，对不同年代的色彩聚类情况进行可视化分析。通过客观的色彩数据对比色相、黑度、彩度，明晰宜家家居空间色彩的发展历程，展现出色彩趋势与历史背景、生活方式之间的关系，并总结其空间配色特点。本研究亦可为其他类型空间的色彩研究提供参考思路。     

Design and application of jacquard fabric patterns based on the geomorphologie color features北大核心CSCD

为探寻地貌图的色彩规律,并运用在提花织物设计中,本文利用改进的K-means聚类算法进行图像色彩特征提取;同时对地貌图组成因素进行分析,并在此基础之上,比较分析同种地貌图色彩特征及不同种地貌图色彩特征,总结地貌图色彩搭配规律;最后将仿地貌色彩与提花织物设计相结合,研究并制定了不同类型地貌色彩特征的设计方案。本文侧重点不仅在色彩提取方面提供参考,还涉及将色彩仿生设计巧妙地融于设计中,赋予传统提花纹样设计更高的美学价值及美的感观。     

服装色彩感知价值对品牌忠诚的影响

为分析服装色彩感知价值对品牌忠诚形成的影响机制,通过文献回顾和理论研究,构建了色彩感知价值、主动改善、品牌认同、品牌忠诚4个变量的理论模型,并提出相关假设;应用回归模型对收集的207份有效问卷进行实证分析.研究表明:服装色彩感知价值理论模型具有较好的可靠性与相关性,提出的3个假设均得到验证;消费者感知到的服装色彩价值越...     

基于模拟退火算法改进遗传算法的织物智能配色

为提高传统配色方法及现有配色算法的配色精度、效率及泛化能力,构建了基于BP神经网络的遗传算法和模拟退火算法相结合的织物智能配色模型,利用BP神经网络预测颜色,将训练好的BP神经网络与CIEDE2000色差公式结合作为遗传算法的适应度函数,用模拟退火算法改进的基于BP神经网络的遗传算法预测颜色配方,并根据预测的配方对涤纶织物进行染色实验,计算实验色差。结果表明:模拟退火算法优化的基于BP神经网络的遗传算法配色模型只需经过80次迭代即可收敛,预测颜色的理论色差均值为0.165,染色实验色差均值为0.289,配方绝对误差平均值为0.010 7;验证样本的理论色差均值为0.240,染色实验色差均值为0.437。该算法可实现织物的智能配色。     

麻灰纱中色纤维混合模型运用

针对目前大部分色纺企业仍然依靠有经验的配色人员进行人工配色,存在配色效率低、配色精度差等问题,提出运用反向传播（BP）神经网络的方法对色纺纱的黑白纤维混合配色进行预测,并与使用Datacolor MATCH系统模拟染料配色方法和基于颜色混合模型中的Kubelda-Munk双常数理论的配色方法对黑白纤维混合配色的结果进行对比。结果表明：上述3种方法均可对麻灰纱的黑白纤维混合配色进行有效的预测,配方的相对误差基本控制在7.36%之内,且配方样品与标准样品的色差小于1;比较而言,3种黑白纤维混合配色的预测模型中,基于BP神经网络的配色方法适用性及精度最佳,配方的相对误差最高,为3.08%。     

色纺纱的计算机配色研究进展

针对色纺纱配色原理复杂,难以对其进行颜色预测和配色的问题,归纳分析了几种可用于色纺纱计算机配色的预测模型在应用方面的特点。结果发现：Stearns-Noechel 模型、Kubelka-Munk 理论、BP 神经模型的计算精度较理想,Friele 模型精度较低;Stearns-Noechel 模型和Friele 模型需求解未知参数且参数对预测精度影响较大,Kubelka-Munk 理论与理想条件仍有差距且计算烦琐,BP 神经网络需要大量训练样本加强泛化能力。最后指出：色纺纱的配色应在继续提高传统配色模型精度的同时,改进求解配色模型中的未知参数,寻求新型配色模型;同时应注重企业个性化的参数设定,以及通过原液着色纤维的标准化,简化配色中的复杂计算,提高色纺纱的计算机配色技术水平。     

纯棉色纺纱配色中的Stearns-Noechel模型参数优化

为实现棉色纺纱更精准的配色,以色纺纱配色中常用的光学 Stearns-Noechel 模型为基础,采用青、品红、黄、黑、白5种颜色的棉纤维,按照不同组合方式不同混合比例进行纺纱制样,并利用分光光度仪测量光谱反射率值。针对 Stearns-Noechel 模型中的待定参数,结合数理统计分析法进行优化,得到3个新的修正模型。结果表明,将颜色分为非彩色和彩色系列研究,所得到的参数值更加合理,对应的修正模型在配方预测上更加精确,利用该模型得到的预测样与标准样之间的色差在3个修正模型中最小,总平均色差0.75 (CMC(2:1)),可满足棉纤维配色中的色差要求。     

基于视觉特性的色纺纱全光谱配色算法优化

为提高色纺纱计算机配色算法的精准性及适用性,针对目前配色算法难以同时保证理论计算的色差值及配比相对偏差同时最小的问题,以全光谱配色算法为基础,结合经典Stearns-Noechel光学理论模型,探索人眼视觉特性以确定视觉特性对不同波长下反射光的敏感系数,并将其引入配色算法中进行加权计算,预测单色纤维混合配比,同时,综合预测色差值、配比相对偏差值及欧式距离等对配色效果进行评价。结果表明,引入泊松分布赋值人眼敏感系数的配色算法结果最优,平均预测色差值为0.29,且均在1以内,平均配比相对偏差值为0.612,最小,欧式距离均值为0.087,相对较小;改进之后的配色算法通过一次计算即可实现预测色差值最小,且预测配比精准,针对色纺纱可初步实现计算机精准配色。