基于空间信息的鲁棒模糊C均值聚类的苗族服饰图像分割算法

针对苗族服饰图像中破损污渍、折叠痕迹、色彩差异大和噪声破坏等现象所导致的传统模糊C均值聚类(Fuzzy C-means, FCM)算法分割质量不佳问题,提出了基于空间信息鲁棒FCM算法,用于苗族服饰图像分割。通过均值滤波和中值滤波处理空间邻域信息,对应获得2种方法,并用一个加权参数调节模糊隶属度的稀疏性,旨在加强细节的提取和提高算法对噪声的鲁棒性。实验表明,对于被高斯噪声破坏的图像,基于均值滤波处理的改进算法,其划分系数提高约3.6%,划分熵降低约5.6%;对于被椒盐噪声破坏的图像,基于中值滤波处理的空间约束项的改进算法,划分系数提高约2.7%,划分熵降低约4.3%。该算法提高了对这类苗族服饰图像分割的质量,对于传统文化的传承具有非凡的意义。     

特征提取与匹配算法在民族服饰图案上的应用研究

服饰图案包含某些象征意义,是传统服饰文化研究中的重要元素。将图像处理技术应用于民族服饰图案的特征提取时,尺度不变特征变换(SIFT)算法和快速鲁棒性尺度不变(SURF)算法是两类较典型的特征提取算法,它们在图像旋转、尺度变化、噪声干扰情况下具有较好的适应性。文章选取清代宫廷服饰中具有代表性的图案作为实验对象,用SIFT和SURF算法分别对该图像进行特征提取,用最优节点优先(BBF)算法确定特征点匹配点对,计算两种算法的正确匹配率和时间复杂度。实验结果表明,两种算法在服饰图案发生旋转、尺度变化、噪声干扰情况下均保持较高的特征匹配率,对从事网络中海量服饰图像数据自动化分类和检索方面的研究人员具有一定参考价值。     

基于模糊拟合图像驱动的苗族服饰图像分割算法

针对苗族服饰图像存在绣线纹理、形状复杂及色彩差异性的问题,提出了一种基于模糊拟合图像驱动的苗族服饰图像分割算法。首先,结合局部与全局图像信息在模糊区域中定义了模糊局部与全局拟合图像。同时,根据Kullback-Leibler散度用于描述两个概率分布之间差异的性质,利用原始图像和拟合的模糊局部与全局图像在Kullback-Leibler散度方面的图像差异,构造了模糊能量函数,从而驱动初始轮廓曲线向目标边界移动。其次,采用局部与全局轮廓曲线内外区域的像素灰度归一化类内方差构造自适应权重系数,以此来自动调整全局与局部模糊能量项之间的参数。最后,在能量函数中添加了一个正则项与长度项,并在其中引入边缘检测器,来平滑图像边缘。该算法的性能通过在自然图像上进行验证,分割结果的相似性系数与敏感性系数分别达到0.978和0.981以上。然后使用提出的算法在苗族服饰图像上进行实验,结果表明提出的算法具有较好的分割结果,并只需要较少的迭代次数与分割时间。此外,分割结果对水平集函数的初始化与苗族服饰图像具有鲁棒性。     

融合自适应局部特征与改进模糊C均值的服饰分割算法

提取人体着装图像的服饰区域时,易受光照、阴影遮盖与人体姿态、肤色等问题的影响,提出一种融合自适应局部特征与改进模糊C均值(fuzzy C-means,FCM)的服饰图像分割算法。首先,通过改进区域生长法消除阴影实现前景提取;其次,采用MDSMGR-WT超像素分割获取图像局部特征,将自适应局部信息融入双加权FCM目标方程中,实现二次精细化分割;最后,经肤色检测提取目标服饰区域。实验结果表明,该方法的准确率可达78.93%,召回率90.12%,查准率89.93%。该方法能够减少内部区域噪声,提高服饰图像的分割精度。     

融水苗族服饰图案样本花的形制研究

融水苗族自治县位于广西壮族自治区,是全国五个单列苗族自治县之一。融水苗族服饰图案样本花有其独特的形制特征,承载着融水苗族深厚的历史底蕴和人文底蕴。通过采用文献研究、田野调研、实物研究、访谈取证等研究方法,对广西融水苗族服饰图案样本花的造型特点进行了实地考察与系统研究。收集融水苗族服饰中的各类样本花图案并归纳其线稿,探究不同工艺下图案样本花的造型特点、美学特征和应用方式。得出苗族传统服饰图案对传承历史、工艺启迪、现代育人和增强民族文化自信方面具有一定的应用价值。研究成果有利于对融水苗族特有的优秀文化进行保护与数字化传承,可为今后苗族图案的现代应用提供参考借鉴。     

典型传统服饰图像的在线识别系统

为探索传统服饰文化的智能化保护手段和提高传统服饰文化的传播效率，以加权投票法集成多注意力机制的传统服饰识别算法为核心，构建了一个典型传统服饰图像的在线识别系统。首先，通过书籍扫描和线下拍摄等手段收集传统服饰图像数据，再联合多背景替换和几何变换混合增强服饰图像数据，完成传统服饰图像数据集的构建。随后，采用迁移学习技术在DenseNet169网络上分别引入了通道注意力、卷积注意力和位置注意力3种机制来构建模型，并对3种模型的识别结果进行加权投票判决，实现对传统服饰图像的高精度识别。在此基础上，通过对未知待测图像进行在线裁剪和自适应等规范化预处理，提高了识别系统的泛化适应性。最后，采用Web和云计算技术实现了系统的在线识别、交互、显示和账号管理等功能集成。测试结果表明，本文实现的传统服饰识别算法在验证集上的识别准确率达到了93.5%,构建的系统能够有效地在线识别15类传统服饰图像，对传统服饰文化的传播和保护具有一定的促进作用。     

基于U型卷积神经网络的羊肋排图像分割

以羊肋排为研究对象,提出了一种基于U型卷积神经网络的羊肋排图像分割算法。采集羊肋排样本图像,利用图像增广技术扩充图像数据,经归一化后,建立羊肋排图像数据集;建立羊肋排图像分割模型U-Net,以卷积和池化运算提取肋排特征,融合肋排的深层特征和浅层特征,经多次反卷积操作实现融合特征的精准定位,得到肋排区域的二值图像,从而实现端到端的图像语义分割;引入精度(PA)、均像素精度(MPA)、平均交并比(MIoU)3种图像语义分割评判标准判断网络的分割性能。试验结果表明:U-Net分割肋排图像PA、MPA、MIoU分别为92.38%,88.52%,84.26%。比较现有的3种经典图像语义分割方法 SegNet、FCN8s、FCN32s,U-Net平均交并比(MIoU)较上述3种方法分别高出6.47%,15.34%,25.86%,且处理单幅肋排图像的时间比次优的SegNet缩短48ms。针对劈半羊胴体图像数据集,U-Net的MIoU为75.57%。     

融合MultiDeepPPL的苗族服饰分割研究

针对基于深度学习的苗族服饰图像语义分割模型存在提取过程中服饰掩码拟合质量不高的问题,文章提出一种基于渐进式注意力学习的多尺度深度学习金字塔模型(Multi-scale Deep learning pyramidal network of progressive attentional learning,MultiDee...     

基于磁性纤维的加密纸张图像采集与识别研究

针对磁性纤维的加密纸张从肉眼无法识别加密图案的问题,提出一种基于磁性纤维加密纸张的图像采集与识别方法。加密图像采集装置首先对磁性纤维加密纸张进行强磁处理,其次通过向磁性纤维加密纸张喷洒磁粉以使加密图案显现出来,最后利用CCD相机拍摄加密纸张图像。针对拍摄的原始图像提出将改进的机器视觉算法与卷积循环神经网络(CRNN)相结合的方法构建纸张加密图案识别模型。通过组合高斯滤波、Sobel边缘检测算子、改进的最大类间方差法(OTSU)等算法实现对加密图案的检测与分割,然后将分割后的图像输入CRNN网络完成磁性纤维加密图像的特征提取和识别。结果表明,模型识别准确率达到98.37%,能够较好地解决基于磁性纤维加密纸张的加密图案识别问题。     

基于深度学习的织物印花分割算法研究

针对织物图像特征提取和检测问题,研究了一种基于卷积神经网络U-net模型的织物印花分割算法,并根据织物印花的特点对原有模型进行改进,从而更精确地实现对织物印花图像的分割.实验选取100张原始织物印花图像,并利用人工标注的方法标注出分割好的图像,作为训练的标签,将训练图像和标签通过翻转、裁剪等数据增强算法得到1000张图...     

简述红河州金平县白苗服饰图案中的艺术审美

由于苗族的发展历史中苗族人民曾经历过迁徙形成了苗族的众多支系。红河州的金平县有花苗,白苗,黑苗等,白苗是苗族众多支系中的一个分支,在红河州金平县白苗的服饰是比较具有民族特色的,都说苗族是把历史穿在身上的民族,他们的服饰色彩,图案等都展现了他们民族的人文历史,审美特征。苗族的支系众多,因此苗族服饰的图案多样,每个支系有其独特的艺术审美但是又存在共性。本文主要对金平县白苗服饰图案的艺术特征进行分析。     

基于VGGNet-16的满族服饰识别研究

针对满族服饰在识别过程中,特征分类不准确且识别精确度低的问题,以满族旗袍为特征识别标准,优化设计VGGNet-16与特征处理,完成对满族旗袍的识别。首先,在VGGNet-16框架中,通过图像预处理、模型构建与特征提取,完成对满族旗袍的粗略识别;然后,优化特征处理,筛选纹理特征,完成对训练集的分类与预测;最后,实现准确的服饰识别。通过与基于阈值分割的服饰识别算法、基于改进的DenseNet-BC服饰识别算法对比得知,识别精确度分别提高6.35%、7.18%,分类精确度分别提高6.71%、6.50%。     

基于CycleGAN算法的迷彩服装图案设计方法研究北大核心CSCD

伪装是军事侦察的重要防护手段之一,然而,传统的迷彩图像生成方法不能实现端到端生成。本文采用循环一致性生成对抗(Cycle generative adversarial network, CycleGAN)算法实现迷彩图像生成,既保留原始图片的特征,又能实现端到端的生成。自行搜集并建立环境和迷彩图片库。利用CycleGAN算法的循环对抗博弈思想,训练生成和判别模型,在训练过程中,借助损失函数激励实现背景图像与迷彩图像的一一映射,将生成图像输入判别模型进行辨别,并将结果进行反馈。与DRIT、MUNIT模型生成的图像相比,CycleGAN算法生成的图像在色彩、纹理和边缘接近背景图像,呈现出良好的伪装效果,从而验证了实验方案的有效性,为服装智能图案设计生成提供了新思路。     

基于多特征融合的织物印花图像分割

针对织物印花检测精度的问题,采用结合颜色特征和纹理特征多特征融合的方法,对织物印花图像进行有效分割,从而为提高织物印花的检测精度奠定了基础。在织物印花的分割过程中,首先采用颜色特征结合基于自动种子点选取的区域增长算法对图像进行初始分割,在初始分割的基础上,利用小波变换提取干扰区域的纹理特征,从而可以进一步地消除干扰区域,实现织物印花图像的准确分割。实验结果表明：基于多特征融合的分割算法能够准确地分割出织物的印花图案,克服了仅仅采用颜色特征或者纹理特征时产生的分割失真,提高了分割的质量,具有较好的应用价值。     

服饰刺绣图案的自动提取与色块分割

为避免人工视觉方法完成刺绣图案花纹提取过程中存在的耗时费力、主观性强等缺陷,结合传统服饰织物,采用图像分析方法实现刺绣图案的自动提取,并进行色值分析。首先采用数码相机实现刺绣织物类图案的采集;接着利用平滑滤波滤除图像中的噪声信号,并将图像从RGB颜色空间转换到Lab颜色空间;然后利用K-Means聚类分析方法对a,b分量进行聚类分析;最后根据聚类分析结果获得准确的图案及色彩信息。研究结果表明:图像处理方法可以实现刺绣图案的自动分割,这种自动化图案分割对一般刺绣图案的自动提取均能使用,这为服饰图案的审美研究提供了全新的样本整理途径。     

苗族服饰的形式美

一、苗族服饰图案形式美的相对独立性许多苗族服饰图案中有大量的几何形纹样,表现出精确的数学计算才能,这使苗族的服饰图案离开了特定的内容而成为一种单纯的形式美。他们的几何形衲锦纹样的丰富多彩、变化无穷和精确的几何原理让人叹为观止。目不识丁的妇     

基于改进AlexNet模型的抓毛织物质量检测方法

针对传统图像识别方法对抓毛织物表面特征难以提取且识别准确率低的问题,提出了一种改进AlexNet模型的抓毛织物质量检测方法,通过数据增强方法对抓毛织物数据进行扩充,构建卷积神经网络对抓毛织物的样本特征进行提取,利用SGDM、RMSProp、Adam优化算法和改变学习率相结合的实验方法,采用全新学习与迁移学习两种算法对抓毛织物图像数据集进行训练,在训练完成后,分别利用卷积神经网络的不同深度池化层提取抓毛织物样本的特征作为输入,将提取到的抓毛织物特征拟合支持向量机(SVM)分类器,最后对输入的抓毛织物图像进行分类。实验结果表明:使用卷积神经网络方法能够增加卷积层对抓毛织物表面特征的提取能力,获得具有较高分辨力的图像特征,通过数据增强和SGDM算法训练的模型,提取网络pool5层特征拟合SVM分类器,识别准确率明显提高。基于改进AlexNet模型的抓毛织物质量检测方法能够提取抓毛织物表面特征且识别率高。     

苗族服饰图案艺术及其文化蕴涵

民族服饰作为物质文化和精神文化的一种结合体 ,是一种符号 ,也是一种语言。一个民族的服饰体现该民族的生活风貌、风俗习惯、审美意识、图腾崇拜及文化积累。从分析中国苗族聚居区的苗族服饰及其图案入手 ,着重阐述苗族服饰特点、图案艺术及其文化内涵 ,从而反映苗族独特的文化心理和深厚的民族文化蕴涵。     

湘西苗族服饰美学与现代箱包设计融合研究

为了展现湘西苗族人民的物质文化和精神文化,本文以湘西地区苗族服饰为研究对象,探究其在现代设计中的应用路径。结合湘西苗族的文化渊源,梳理湘西苗族服饰的美学特征,并说明了湘西苗族服饰元素在现代箱包设计中的应用价值和应用思维。同时,利用案例分析法,从湘西苗族服饰图案元素、服饰色彩运用和服饰工艺手法3个方面,讲述苗族服饰美学与现代箱包设计融合的实际应用。     

织物悬垂测试系统中织物边缘的识别

由于织物花纹式样的多样性,传统的图像分割算法常常无法准确地识别出织物边缘轮廓。根据织物悬垂图像的边缘轮廓特点,提出采用基于梯度向量流场(GVF)的动态轮廓模型(Snake模型)来识别织物的边缘轮廓。采用贪心算法实现了Snake边缘检测模型,分别用该模型和基于边缘梯度扫描的算法识别5种典型印花织物悬垂边缘,并将2种算法得到的边缘轮廓进行了比较。实验结果表明,该边缘检测模型能准确地识别多种传统图像分割算法所无法准确识别甚至无法识别的特殊织物的边缘轮廓。