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SIFT算法的局部特征点人脸识别图像处理技术

介绍一种基于尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法局部特征点的人脸识别技术、基于局部特征点目标检测算法提取的点特征通常具有良好的鲁棒性,能够适应复杂的环境变化,SIFT算法能够在图像间发生平移、旋转、噪声干扰、光照变换等条件下依然保持良好的检测性能文章通过理论的分析和仿真实验证明SIFT算法具有较好的人脸识别性能,能够在人脸发生复杂变化的条件下准确地识别人脸。     

基于SURF算法的数码印花缺陷检测系统

针对数码印花生产过程中织物上出现的白丝、斑点以及褶皱等表面缺陷问题,课题组设计了基于加速鲁棒特征算法的印花织物表面缺陷检测系统。主要通过加速稳健特征算法(speeded up robust features,SURF)来进行图像配准;采用双向唯一性匹配法减少误配点,实现图像精准配准,并通过差分算法来提取缺陷信息。实验采用多幅图像对改进SURF算法的性能进行了验证。试验结果表明:新系统对印花织物表面缺陷的检测精度达到98%,达到了实际应用要求。     

基于最大稳定极值区域的织物图案检索

针对织物扫描图像的特点,提出了一种通过图像最大稳定极值区域的加速稳健特征(SURF)检索织物图案的方法。首先用结构提取算法去除织物扫描图像的纹理,保留图案信息;其次通过最大稳定极值区域法检测织物图像,提取图案各区域的SURF特征,建立织物图像特征库;再将织物检索图像与特征库内的图像进行相似性度量,得到相似图案的织物图像。实验结果表明,提出的算法能够较准确地检索织物图案。     

基于权重阈值的图像匹配方法

针对尺度不变特征变换(SIFT)算法在低照度情况下存在匹配特征点数目少,会丢失部分重要信息的问题,课题组提出先对图像进行预处理,即增强对比度,提高亮度,使特征信息更明显,特征点更充足,再使用SIFT算法提取特征点;针对SIFT算法因特征描述符维数过多导致耗时长,实时性差的问题,课题组提出一种新的特征点描述方式,降低了描述符维数,提高了算法运行速度;最后,针对SIFT算法匹配过程中对描述符所有维度设置统一阈值易造成误匹配的问题,课题组提出一种权重阈值的方法,对距离特征点不同位置的种子点设置不同的阈值,提高匹配正确率。实验表明:与SIFT算法以及PCA-SIFT算法相比,改进的算法匹配精度提高了10%～20%;同时,匹配时间也有所提高。该算法既有效提高了匹配正确率,又缩短了算法运行时间。     

使用尺度不变特征变换和K最近临算法快速自动识别混纺织物的棉毛纤维

棉、毛纤维广泛应用于混纺织物中,如何在混纺织物中快速地识别出该类纤维具有重要的实用价值。文章提出了一种基于SIFT(尺度不变特征变换)和KNN(K最近邻)图像处理算法的识别方法,以棉、毛纤维的电镜图像作为样本,进行图像预处理,然后使用SIFT算法进行特征提取,生成特征描述子,最后采用KNN分类算法进行匹配、分类,得到被测纤维图像的种类,实现棉、毛纤维的快速自动识别。实验结果表明:该方法无需大量数据样本,识别率超过95%,且具有检测速度快、稳定等优点,实用性强。     

基于图像不变特征抗几何攻击图像水印算法

针对几何攻击容易使常规水印算法检测失败的问题,提出了一种基于图像不变特征的鲁棒数字水印算法。先利用SIFT检测器在归一化图像中提取图像特征点,然后在原图像中找到对应的不变特征区域,最后将水印信息重复嵌入到多个不重叠的局部特征区域的DWT系数中。实验结果表明,该算法对常规的信号处理攻击,旋转、缩放、剪切等攻击均具有很好的鲁棒性。     

基于改进SIFT的图像匹配研究

针对基于传统SIFT的图像匹配法存在的计算量大、耗时长、误匹配的问题,提出了一种快速、准确的图像匹配法。该方法是建立在SIFT算法中特征点的提取不使用SIFT算法确定的关键点而是使用Harris算法中确定的角点,最后利用RANSAN算法去除误配点来实现两幅图像的匹配。实验结果表明采用基于改进SIFT的图像匹配法比基于传统SIFT的图像匹配法平均节约1.8s,并且准确率更高。     

基于改进RANSAC算法的图像拼接方法

文章提出了一种基于改进RANSAC算法的图像拼接方法。在提取图像的SIFT特征点后,根据阈值法对特征点进行初始匹配,然后采用改进的RANSAC算法对初始匹配对筛选,再计算图像间单应性矩阵,最后使用加权平均的融合方法实现图像的无缝拼接。实验结果表明,改进后的RANSAC算法进一步提纯了匹配对,使得图像拼接获得了高质量的效果。     

基于SIFT的壁画图像相似性度量

针对彩色壁画图像匹配时,SIFT算法忽略颜色信息导致误匹配的问题,提出一种基于SIFT和HSI的图像匹配算法。首先对彩色壁画图像提取SIFT特征点与特征向量,然后对每个特征点提取HSI彩色特征,最后按定义的相似性度量公式计算两个特征点之间的距离,确定二者是否匹配。实验结果表明:文章采用的算法比仅提取单一特征,更能有效降低误匹配率,定义的形似性度量公式比单纯的欧式距离计算法稍快一些。     

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。     

基于改进判别性完整局部二值模式与格分割的织物瑕疵检测方法

为解决传统的完整局部二值模式在织物疵点检测时存在直方图维数过高和特征冗余并且在小区域图像变化幅度剧烈或变化幅度平缓时存在局限性的问题,提出一种改进判别性完整局部二值模式并结合自动格分割的织物瑕疵检测方法,该新算法可分为训练和测试2部分。通过实验将该算法、小波预处理的黄金图像相减方法、布林线指标方法、正则带方法进行对比,针对2 种纹理3 类瑕疵的织物图像数据集进行测试。结果表明,该方法对星形图案和箱形图案纺织品检测效果较好,一部分的查全率可达到0.99,大部分检测结果的查全率均在0.90 以上。     

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。     

自适应局部二值模式算法及其在织物疵点检测中的应用

为了能够准确地提取不同纹理的特征,提出一种新的纹理特征提取方法,自适应局部二值模式为不同纹理特征创建相应的主要概率模式子集,避免了均匀局部二值模式使用同一模式集描述不同纹理结构而导致的描述不准确问题.在该算法基础上构建一种新颖的织物疵点检测算法,使用本文提出的特征提取方法获取无疵点织物图像特征并确定疵点判断阈值,然后将待检测织物图像分割为大小相同的检测窗提取特征后,与阈值比较以判断是否为疵点区域.实验证明此算法不仅保持了传统LBP的旋转不变、多分辨率等特点,而且疵点检测结果在视觉上更加细腻、误检率更低、适用范围更广.     

基于核模糊聚类的机织物组织自动识别

本文基于数字图像处理技术,采用无监督的模式识别方法,实现机织物组织的自动识别。首先,采用错切变换对倾斜纱线进行校正,并按图像的经、纬向灰度投影曲线实现织物组织点的定位。然后,根据灰度共生矩阵对组织点图像进行纹理特征的提取。为了减少数据冗余量,对组织点特征进行主分量分析,提取最有意义的子特征。最后,采用无监督的核模糊C均值聚类对组织点进行分类识别。织物的测试结果表明,所采用的算法能够实现简单的机织物组织的准确识别,并输出对应的组织图。     

应用积分图的织物瑕疵检测快速算法

为解决现有基于图像处理的织物瑕疵检测算法实时性较差、正确率偏低等问题,提出一种包含学习和检测2个阶段的瑕疵检测算法。通过对无瑕疵模板图像的梯度能量特征及其分布特性的学习,自适应获得检测阶段所需的参数。一方面利用积分图原理将任意大小的图像块内的求和运算化简为三次加法运算,快速提取织物图像的梯度能量特征,实现织物瑕疵的实时检测,另一方面利用核函数拟合特征参数分布,结合均值漂移法求解分布峰值获得自适应的瑕疵判定阈值参数,实现织物瑕疵的准确分割。通过实验将本文算法与现有基于局部二值模式特征、小波特征、规则带特征等算法进行对比,针对包含3种纹理6类瑕疵的织物图像数据集的测试结果显示,本文算法平均处理时间为56ms,正确率为97%。     

Fabric defect detection based on the saliency map construction of target-driven feature

In inspection of fabric surface quality in production line, small defects have to be detected in a large background. In this paper, a new method is put forward to detect fabric surface defect by target-driven features. First of all, surface defect feature of fabric is analyzed; and then, area feature of and number feature of defects are used as tasks, which drive to enhance saliency of defective regions and to form feature saliency maps; finally, by using threshold segmentation, fusion, and filtering, fabric defect is gained from the feature saliency maps. Experiments show that the detection algorithm, compared with classic defect algorithm, can achieve accurate segmentation of the surface defects, better anti-noise ability, higher detection accuracy, which has a strong applicability on the fabric defect detection, and provides the possibility for realizing automatic detection of textile industrial product surface defect.     

蕾丝花边的改进型纹理特征检索方法

针对传统的蕾丝花边检索主要依赖于人的视觉检测及文本检索,存在信息不稳定、效率低、检索效果不可靠的现象,提出了一种基于层次匹配下多特征融合的蕾丝花边检索方法。通过运用图案纹理特征标识图像,首先分别用灰度共生矩阵、灰度梯度共生矩阵、局部二进制算子提取纹理特征进行匹配。然后将3种提取纹理特征方法分别结合几何特征、不变矩特征量进行逐层匹配。最后将层次匹配下各个纹理特征进行融合,弥补了单个匹配方法的不足,同时在蕾丝花边库中验证所用检索方法的正确率。分析结果表明,该方法优于任意单个的蕾丝花边匹配方法,能较好地实现蕾丝花边检索,有效地提高图案检索的可靠度和准确率。     

结合交互评价的格子型色织物纹样优选

为快速了解消费者对格子型色织物的喜好需求,把握格子型色织物纹样的设计定位,通过显示交互评价 和隐式喜好度计算,建立动态的用户偏好优选模型。首先确定格子型色织物纹样的设计特征要素,选取交互评价 的纹样样本和优选的纹样数据库。然后通过对纹样样本交互打分,获取用户对纹样设计特征要素的喜好度,量化 反映消费者喜好与纹样设计特征要素之间的关系。最后根据自动计算出的用户对纹样数据库中每幅纹样的喜好度,优选出用户喜欢的纹样类型。有32 位用户参与实验,结果显示：所有用户对优选的8 幅纹样的平均满意度在 50%以上,其中2/3 用户对纹样的平均满意度在80%以上,说明该优选模型具有较好的可行性,可辅助纹样设计师快速了解消费者对格子型色织物的喜好需求,为个性化定制和设计提供参考。