基于神经网络的男西装图像情感语义识别

为了实现基于内容的男西装图像情感语义识别,需要把男西装图像的低层特征映射到情感语义空间。在构建出的2维图像情感因子空间和男西装图像视觉特征（10维亮度一冷暖模糊直方图;7维的饱和度一冷暖模糊直方图+色彩对比度值的综合特征）的基础上,本文通过机器学习（BP神经网络）实现了男西装图像的低层特征到情感语义因子空间的映射,根据图像低层颜色特征可以自动完成图像情感因子值和情感描述值的计算,并把识别后的新图像数据自动加入到图像数据库中。实验证明,BP神经网络方法能较好的实现基于内容的男西装图像情感语义的识别。     

基于模糊控制理论和BP神经网络系统的颜色空间转换模型研究

数字印前系统中色彩管理是一个重要的环节,而颜色空间的转换则是色彩管理的核心,特别是由设备相关颜色空间RGB到设备无关颜色空间CIELAB的转换。将模糊控制理论引入颜色空间转换模型,取得了较好的转换效果但仍存在色差大等缺点。本研究提出采用模糊控制模型将输入颜色空间动态划分为若干子空间,在子空间内部利用BP神经网络对颜色空间转换模型进行优化,得到了基于模糊神经系统的颜色空间转换模型。实验表明,该改进模型相对于单纯的基于模糊控制的转换模型而言,转换精度有很大提高。     

基于小波包的织物纹理分类

采用小波包和BP神经网络相结合的方法对织物纹理进行分类 ,实验表明 ,分类率可达 98%。     

利用颜色和纹理进行图像检索的算法分析

自从上世纪70年代,人们就开始了对图像检索技术的研究,但是只是基于文本方面的,而且仅仅是利用文本的方式对图像的特征进行简单的描述。后来,人们不在满足于简简单单的图像检索方法,进而又开始进行了更深层次的开发,这样就出现了利用颜色和纹理对图像的检索和分析的方法,这种检索的方法是基于图像的内容进行检索的一种方法。这种检索方法只是对文本进行检索的方法更为精确。所以人们开始使用这种利用颜色和纹理进行检索的方法,进而研究了这种检索方法的检索算法。在利用颜色和纹理进行图像检索的算法中,要对图像进行分割,利用分割好的图像进行颜色平均值的换算,再把颜色平均值进行低频分量,把它作为颜色的特征。在根据边缘直方图来提取检索内容的纹理特征,最后根据这两个特征进行图像的检索。在本文中关于检索的算法的实践性进行了说明,这样的检索算法可以有效的提高图像的准确率。     

基于Gabor变换和BP神经网络的人脸检测算法的Matlab实现

提出了一种基于Gabor变换和BP神经网络的人脸检测算法.该算法以Matlab为平台,运用Ga-bor小波变换实现图像特征的提取,并对所提取的特征进行降维处理,通过构造2层BP神经网络,对从ORL人脸库中提取的样本进行训练学习并利用模板匹配及形态学腐蚀和膨胀处理,实现对测试样本的人脸检测.试验结果表明,该算法计算复杂度低,运算快,对正面人脸的检测与定位准确性较高.     

基于动态子空间划分的BP神经网络颜色空间转换模型辨识方法研究

为了提高BP神经网络色彩空间的转化精度,本文以RGB颜色空间与Lab颜色空间为例,将颜色空间根据所求颜色值动态划分成若干子空间,在子空间中采用BP神经网络进行颜色空间的转换,即可有效避免神经模型在整个颜色空间中出现的局部最优现象,从而可大大提高颜色空间的转化精度。     

基于颜色特征和BP神经网络的大米加工精度判别方法研究

提出了基于颜色特征和BP神经网络判别大米加工精度的方法。设计了基于机器视觉的大米加工精度检测装置采集大米图像,利用图像处理技术对获取的大米图像进行预处理,提取大米籽粒目标图像;在大米籽粒腹部确定半径为R的圆形区域作为颜色特征值提取区域,将颜色特征值提取区域按面积平均分成5个同心圆子区域,提取每个子区域的R、G、B颜色值,并将颜色值转成色调H值作为描述大米籽粒表面加工精度的颜色特征值,以5个颜色特征值作为输入值,采用BP神经网络对大米的加工精度进行检测。试验结果表明:该方法对4种不同加工精度大米样品籽粒检测的平均准确率为92.17%。     

基于神经网络的数码相机颜色空间转换方法研究

数码相机作为一种常见的图像采集设备被广泛应用,对其进行颜色空间转换的研究具有重要的应用价值。文中研究了基于神经网络的数码相机颜色空间转换中的6个影响因素,提出了利用数据归一化预处理解决函数收敛性问题的方法,并分析了合理设定目标误差对优化系统性能、提高运算效率的作用。实验在2种不同的光源下,采用该转换方法对3款不同型号的数码相机进行研究和评价,得到△E_ab^*≤6的转换结果,证明基于神经网络的数码相机颜色空间转换的实用性。     

基于情感分析的文本检索系统的研究

针对目前文本挖掘的情感分析方法的准确性、实时性、提取等问题,构造一种神经网络混合模式,使用记忆神经网络和卷积神经网络对文本特性的提取,再利用情感分析方法进行挖掘。实验表明对文本挖掘的准确性提高了,这种模式在应用中有很大的实用性。     

基于混合色彩空间独立特征的色纺面料颜色表征模型

为解决色纺加工中染色纤维整体呈色特性难以准确描述的问题,建立了基于混合色彩空间的独立特征颜色分析模型。对Lab与HSV 2种颜色空间中具有相同属性的颜色分量进行独立融合,并构建混合色彩空间;在此基础上,分别采用三阶颜色矩和局部纹理统计特征对色纺织物图像的颜色信息进行表征与融合。结果表明:对于色纺针织物或梭织物而言,所建立的颜色表征模型不仅能够对较大范围内的质量配比变化进行有效表征,而且对于染色纤维细微调整而导致的颜色改变亦能准确表达,具有理想的鲁棒性与普适性。     

基于边缘和颜色特征的织物印花花型检索

针对织物印花花型同型不同色和同形异构的特点,提出了一种综合花型边缘和颜色特征的图像检索算法。首先利用中值滤波对花型图像进行滤波去噪,并采用Canny算子获取花型边缘;以边缘像素坐标加权中心点为圆心,将各边缘点划分到若干等距环面内,提取花型边缘距离直方图,并在对边缘像素点直线拟合基础上,提取边缘方向直方图;然后在HSV空间内对彩色边缘进行颜色量化,提取各颜色分量构成颜色直方图;最后对3种特征分别进行相似性度量,并赋予三者不同权重予以结合,获得图像间相似度。结果表明,该算法具有平移、缩放、旋转不变性,并能兼顾边缘特征和颜色特征对检索结果的影响,准确区分同型不同色和同形异构的花型图案,该算法平均查准率可达93.17%。     

基于小波系数的青年女性体型分类及原型纸样

为建立基于纵截面曲线形态指标细分青年女性躯干体型的方法,选择了257名在校青年女性,使用扫描仪获得三维人体数据,借助Imageware逆向工程软件,对人体点云数据进行精简处理,通过三次样条函数对提取的纵截面轮廓点云数据进行拟合,运用小波去噪进行处理;利用小波分析的低频系数作为提取信号的总体特征,用Davies-Bouldin(DB)指标确定最佳聚类数目,利用K-means聚类算法进行体型聚类。实验结果：获得4类不同的体型,描述了各类体型在前后中心线、背部、胸部、臀部、肩部和侧缝的体型特征差异,最后构建4类体型对应的原型纸样,并分析纸样与人体体型之间的关系,可为青年女性原型纸样的合体性设计提供参考。     

The fabric defect detection based on CIE L*a*b* color space using 2-D Gabor filter

A detection algorithm based on CIE L*a*b* color space is proposed to detect various colorful fabric defects more accurately and avoid the error detection resulted from losing image information of graying. CIE L*a*b* color space is transformed from XYZ space via nonlinear transformation of RGB space. First, three features including the brightness characteristics L*, color information of a* and b* which are used to form 2-D Gabor filter in a complex number can be acquired. Genetic algorithm with the objective function in a form of energy is adopted to select optimal Gabor filter parameters. Second, filter built by flawless image is used to filter the corresponding drawbacks of image. Third, ultimate results are obtained through sliding threshold segmentation method and properly de-noising. The experiment success rate is 95.83%, which indicate that this method can detect diversiform colorful fabric defect accurately.     

基于语料大数据的“潮”文化特征计算与分类

为解决目前对于“潮”文化的特征缺乏完整阐释的问题,文章利用文化计算方法进行潮文化的特征采集、计算与分类。利用网络爬虫技术进行基于互联网的潮文化语料大数据采集,并通过中文分词与过滤处理获得潮文化的特征词;然后通过词频统计进行特征量的计算,实现特征强度的量化,并提取了前100个特征供后续分析;接着分别采取基于词义、词频的分类,梳理出潮文化的五个特征子集,并提取了潮文化的核心,针对特征子集进行阐述和分析,展现了潮文化的内涵与形式。探讨了潮文化的特征结构,揭示了潮文化与大众时尚的辩证关系,有助于理解当下时尚文化的多样性及动态规律。     

基于卷积神经网络的织物图像特征提取与检索研究进展

为实现织物图像的快速自动识别与检索,从织物图像浅层视觉特征提取、深度语义特征学习以及检索模型构建3个方面综述了该领域的研究进展,分析了现有研究中存在的问题。发现织物图像浅层视觉特征在小样本数据集的检索中具有较好的适用性,且多特征融合应用可有效提升检索精度,但在大样本数据集及高层语义识别检索问题中的应用存在局限性,深度卷积神经网络是克服这一问题的有效途径;织物语义属性的优化设计、卷积神经网络结构优化以及距离尺度学习是目前提升深度检索模型语义识别精度的3个有效途径;认为未来织物图像识别检索精度的提升主要依赖于标准化的语义系统设计、精准的图像分割与识别技术以及多模态的信息融合检索。     

基于遗传算法和神经网络的3D增材印花工艺参数优化

针对3D增材印花工艺中刮刀压力、刮印速度、刮刀角度和油墨黏度等参数的组合对印花质量存在较大影响,但实际生产中各工艺参数组合无法实现最优这一问题,利用附加动量法改进下的BP神经网络构建3D增材印花工艺模型,通过实验参数对模型进行训练,确定工艺参数和印花质量间的非线性关系。利用遗传算法对该非线性函数进行极值寻优,从而得到3D增材印花工艺的最优参数组合:印花压力为4 800N,刮印角度为18°,刮印速度为400 mm/s,油墨黏度为170.5 Pa·s,该模型预测误差基本稳定在0.01范围之内。利用优化前后的参数进行对比实验,结果证明该算法可以实现3D增材印花工艺的质量预测和参数寻优,从而提升印花质量,缩短产品开发时间。