基于图像的织物图案和颜色主题提取研究进展北大核心CSCD

为提高织物设计的效率及多样性,文章从“再设计”的角度梳理“织物-织物”的设计流程,重点整理织物图案形状及颜色主题的主要提取方法。大部分提取研究主要利用织物图像底层视觉特征中的形状及颜色特征,其中针对图案形状的提取,大多采用边缘检测、阈值、聚类、区域及其他特定理论对图案轮廓或整体区域进行分割;针对颜色主题的提取,则通过聚类、中位切分及八叉树等颜色量化方法建立和谐的配色规律,两个方向的提取算法可以相互借鉴。通过图像实例对不同提取方法的特点进行分析比较,发现单一算法具有一定的局限性,采用多特征、多算法融合的方式可有效提高提取的精度和效率。最后对织物再设计流程的完善及其在纺织服装领域的应用发展进行展望。     

复杂背景下人体轮廓及其参数提取

针对基于人体照片的尺寸提取技术对照片拍摄场景限制的问题,提出利用整体嵌套边缘检测深度学习模型实现复杂背景下人体轮廓的提取并进行参数提取分析。以450张不同背景人体照片为原始图像数据集,通过人体轮廓标签图制作与数据增强手段建立了43 200张图片训练集,利用深度学习网络模型进行训练学习并构建最优边缘检测模型;最后选取40名样本作为验证对象,以13个人体比例、角度等参数作为验证参数,对人体轮廓提取值与三维点云测量值进行误差分析。结果表明,本文研究成果能够快速实现复杂背景下人体轮廓的自动提取,且人体轮廓提取值与三维点云测量值的角度参数误差小于2°,比例参数误差小于0.09,为非接触式二维测量技术的进一步研究提供理论依据和技术支撑。     

基于二维照片的青年男性颈肩部形态分类与识别

为探究青年男性颈肩部形态分类并实现基于照片的自动识别,首先通过三维人体扫描仪获取180名男大学生颈肩部的点云数据,测量了22个与男性颈肩部形态相关的特征参数;然后根据变异系数分析选取前倾角、背入角、肩斜角、颈肩宽比、颈横矢径比作为聚类分析变量,对颈肩部形态进行分类并总结判别规则;最后结合人体二维照片提取体型分类所需参数,构建了颈肩部形态自动识别系统。结果显示:青年男性颈肩部形态可分为落肩圆颈体、前倾圆颈体、宽颈直体3类,构建的形态自动识别系统的判别准确率达到93. 33%,说明本文方法可行且有效,可满足消费者个性化定制的需求。