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...     

融合局部纹理特征的颗粒图像SLIC超像素分割方法

将SLIC超像素分割的方法引入颗粒图像检测的分割过程中,将颗粒图像分割成感兴趣的超像素块,可降低后续图像处理过程的复杂度。由于SLIC超像素分割在聚类过程中计算相似度时没有考虑图像的纹理特征,一定程度上会影响颗粒目标外轮廓分割的细节。利用CRLBP局部纹理算子纹理特征,改进SLIC分割中聚类相似度的计算,并按照符合颗粒形状的圆形邻域搜索相似点,保证了分割速度。通过对棉种颗粒图像的分割试验,与传统分水岭算法和SLIC超像素算法进行比较,结果表明改进的SLIC超像素分割方法能更有效地分割出颗粒目标。     

基于相似性定位和超像素分割的织物疵点检测

为解决周期性纹理织物图像的疵点检测及其轮廓精确分割问题,提出一种基于相似性定位和超像素分割的织物疵点检测方法。将待检测图像进行中值滤波和对数增强,并利用FT算法估计增强图像的显著图实现待检测图像的预处理;将基于归一化局部均值差分的灰度相似性检测参量和结构相似性检测参量结合,构建可测量更多类型周期性纹理织物图像的相似性度量函数,通过阈值化增强图像分块的相似性测量值实现疵点在显著图中的粗定位;最后对显著图粗定位图像分块进行超像素细分割及其二值化处理,并借助连通域分析剔除孤立点,获得完整的疵点轮廓。结果表明,本方法与常规3种方法相比,对周期性纹理织物图像的疵点检测准确率更高,且提取出的疵点轮廓更精确。     

采用纹理平滑的印花织物图案轮廓提取

为丰富印花产品的种类,提出了一种可有效提取出印花织物中图案轮廓的方法,可提取出高精度的印花图案边缘轮廓。首先对图像进行平滑,通过控制平滑程度参数和空间尺度参数,平滑掉织物图像中的纹理结构。再用Canny边缘检测算子检测图案边缘,Canny分割的判别阈值采用默认自动选择阈值就能成功提取织物上图案的轮廓,分割后的图像轮廓清晰,边缘连续,并且能分割出印花织物图像中的细小结构。通过实验证明,在RGB颜色空间对图像平滑和边缘提取的效果要优于其他颜色空间,比较了其他边缘检测算子分割印花织物图案的效果,结果证明Canny算子分割效果最好。     

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。     

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。     

一种韩国礼服图像的内外廓形提取算法

为了实现韩国传统礼服款式的信息化,针对韩国礼服高腰大摆的A字廓型和服饰用色搭配较相近的特点,对韩国礼服图像采用了内外廓型分别提取的方法。在外轮廓识别中,采用角度θ和长度c交叉的线形结构形态学算法进行外轮廓提取,并通过二元方差分析对双因子的影响结果进行客观评价,结合主观视觉效果,得出最优外轮廓的组合参数θ=10°,c=9;对于对比度较低的内部饰品轮廓识别,设计CLAHE算法进行图像增强,采用K-Means聚类算法进行领饰图像分割,再用矩形法赋值和基于插值的局部放大修复算法进行填充修复,最后用canny算法进行轮廓提取得出内部领饰轮廓图。结果表明：内外组合的轮廓提取算法可达到主观视觉和客观边界长度评价下的最优效果,是适合韩国礼服图像特点的有效算法。     

一种带有印花图案服装图像的轮廓提取

 引入轮廓误差和支点等概念,提出了新的轮廓提取方法并应用于一种带有印花图案服装图像。首先通过形态学方法提取初始轮廓,再将初始轮廓划分为若干个单值分支,最后通过轮廓误差计算消除分支内的纹理噪声。研究表明,基于形态学方法的初始轮廓提取算法可以有效去除服装图像内部的像素点和外部的阴影与水印;采用轮廓误差计算可以有效识别纹理噪声数据,修补印花图案对服装轮廓的影响。与其它轮廓提取方法相比,提出的算法更高效。     

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。     

应用轮廓线拟合提取蓝印花布图案基元

针对蓝印花布的数字化传承与创新问题,提出一种基于轮廓线拟合的蓝印花布图案基元的提取方法,作为蓝印花布设计创新的素材基础。通过对获取的蓝印花布数字图像进行预处理,包括灰度化、去噪和二值化,得到能够反映图案基元特征的二值图像;采用轮廓跟踪法获取图案基元的初始轮廓,并对轮廓进行拟合优化获取理想的基元轮廓;最后提取出蓝印花布的图案基元,并生成可独立读取的图案基元子图。结果表明,利用基于面积及轮廓线像素的评价指标,提取的图案基元准确,轮廓光滑、完整,相对于其他几种轮廓提取方法,可获得更有效的图案基元轮廓以及执行效率。     

基于机器视觉的纽扣缺陷检测技术研究

利用机器视觉和深度学习算法对纽扣缺陷进行检测。首先对纽扣图像滤波去噪处理,提取轮廓并获取图像特征;接着对图像阈值分割,对二值图像标记连通域,完成纽扣区域分割及轮廓提取,通过轮廓数目判断是否存在多孔、少孔和外形轮廓缺陷;最后使用YOLOv4算法训练纽扣缺陷类型,实现四眼塑料纽扣缺陷检测。验证结果表明纽扣缺陷检测精度达到了95.5%,单个纽扣平均检测时间为0.89s,满足工程应用需求。     

基于计算机技术的纺织印染图像分割算法研究

利用基于区域分割的多尺度分割算法对织物印花图案进行分割,得到了高质量的平滑图案。所得平滑图案中观察不到原织物的纹理,且印花细节保留得较为完整,可用于进一步的轮廓提取。经轮廓提取后,得到了与原图高度契合的轮廓提取图案,且图案的边缘细节信息完整,能够用于印花的重新配色和组合。     

基于色彩优化的云锦局部风格迁移

针对当前图像风格迁移算法在云锦线稿纹样合成中出现的轮廓模糊、色彩混杂的问题,本文提出了一种增加色彩损失计算的云锦局部风格迁移模型,即定义色彩像素在R、G、B通道的方差和为色彩损失,采用Adam函数优化色彩损失,以减小合成纹样的色彩差异,利用掩码图获得局部迁移轮廓,生成高识别度的云锦风格化效果图。实验结果表明：利用色彩优化的局部迁移算法获得的云锦效果图综合相似度(内容与风格)均值为0.38,相比传统的局部迁移算法提高了9.14%。优化模型在实现局部风格迁移的基础上,通过减小色彩差异,提高了合成纹样的语义辨识度,为云锦图案的创新设计提供了方法。     

论DBSCAN算法在图像分割中分类的实现

本文介绍了一种基于密度的聚类算法（DBSCAN）的方法来对图像进行分割。DBSCAN是一种对数据进行分类的算法,运用到图像分割表现为对像素进行分类。本算法的主要研究内容包括：在图像分割中DBSCAN算法设计和DBSCASI算法实现。     

湖南侗锦图案的自动提取

为探寻民族织锦文化的最优传承模式,文章将湖南侗锦图案作为一种传统的文化符号与计算机图像处理方法相融合。由于侗锦图案在人工提取过程中存在直接取样难的问题,并且提取人员容易加入个人主观意愿,为了提高图案提取效率和准确度,对侗锦采取图像分析法进行自动提取。首先使用数码相机对侗锦图案进行有效采集,接着将图像灰度化,对处理后的图像通过中值滤波算法进行噪声平滑预处理,再利用大津阈值分割算法求取双阈值,最后使用Canny算法实现侗锦图案的自动提取。研究结果表明：该方法不仅能够提取出更多完整的边缘信息,且较人工手法而言更加精确、省时省力,较其他传统算法来说更有优势。     

基于注意力机制的苗族服饰图案分割

针对苗族服饰图案存在色彩差异大、样式及纹理多样性等问题,采用传统的图像分割算法进行苗族服饰图案分割,会使得一些特征空间信息丢失,导致图像分割的效率与精度较低。为此,本文提出一种基于注意力机制的苗族服饰图案分割模型,通过提取图像特征,使模型能够更好地将感兴趣的特征从局部水平关联到全局水平。同时也采用了数据增强策略,增加训练数据以提高模型泛化能力。实验结果表明,本文模型与传统语义分割网络(U-Net)和全卷积神经网络(FCN)模型相比,仅采用不到1/2的训练参数,IoU增长了14.79%和18.21%,Dice系数增长了11.03%和13.95%。因此,本文为苗族服饰图案分割算法研究提供了一种有效可行的方法。     

基于图像局部方差的亮度矫正下番茄表面缺陷检测方法

目的:解决番茄表面缺陷颜色复杂多变、纹理变化不规则导致的缺陷提取不准确的问题。方法:提出一种考虑亮度矫正下基于图像局部方差的番茄表面缺陷分割方法。在采用直方图阈值分割方法分割花萼与茎疤以及领域像素加权和替代原像素的方法完成亮度矫正的基础上,将番茄表面灰度图像划分成若干图像块,使用图像像素方差对各图像块的颜色进行表征,将缺陷区域与健康区域区分开。使用SVM模型对番茄表面缺陷区域面积占原图中番茄面积的比例进行检测。结果:考虑亮度校正后对番茄缺陷区域提取准确率提高了27.74个百分点,在此基础上,与全局阈值、动态阈值、区域生长算法相比,基于图像局部方差的缺陷提取方法能够实现番茄表面缺陷的准确定位与完整提取,以缺陷面积比为输入的高斯-SVM模型对番茄表面缺陷检测的精度达96%。结论:考虑亮度矫正下,基于图像局部方差的SVM缺陷提取方法适用于番茄表面缺陷检测。     

经编贾卡织物纹理分割与轮廓提取技术

为进一步提高经编贾卡织物智能分析水平与设计技术,提出一种基于小波变换和Canny算子的贾卡织物纹理分割和轮廓提取算法.该算法首先采用具有局部定域能力和多分辨率能力的小波变换作为分析工具,将织物图像中的低频部分作递归金字塔结构分解;然后从分解后的最大尺度水平开始,逐层图像聚类,并融入下一尺度水平上的高频信息实现纹理的重构...     

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。     

基于图像处理的原棉疵点识别方法

设计了一种基于图像处理的特征识别算法。图像采集部分设计了多角度、多光源的图像采集系统,减少阴影和光照不匀对后续处理的不良影响;图像分割部分选择基于Mean-shift的自适应阈值算法,可以较好地将疵点分割出来;轮廓提取部分采用形态学扫描法进行提取,并对轮廓断裂处进行修复处理;特征值提取部分选择了4个特征值进行提取并分析其相关性,认为离心率和面积周长比的综合计算结果可以有效地对原棉疵点进行识别和分类。将设计算法得到的检测结果与实际结果进行比对,结果显示,识别准确率达到了92. 6%,证明所采用的算法有效。