基于控制点的服饰图案几何形态变换

图案几何形态决定了产品的视觉效果,形态变换是图案创新设计的重要途径之一.本文从图像视觉变换技术出发,利用图像控制点的坐标位置信息,实现服饰图案的快速变形.首先确定图案的中心点,根据角度和距离确定像素点相对于图案中心点的位置;然后依据该像素点、对应相同角度的原图像边缘点和新图像边缘点分别到中心点的距离,计算出像素点坐标变换的比例系数;再据此系数和极坐标与直角坐标的转换关系以确定该像素点新坐标的位置;遍历原图中每一个像素点,最终实现图案的几何形态变换.结果表明:该方法的实现有利于提升传统图案设计、加工效率和视觉效果,满足快速时尚的行业设计需求.     

产学研合作构建家纺产品全球电子商务与技术支持网络平台

家用纺织品因产品种类繁多、分类清晰以及型号相对固定等特点而适于网上交易.本文以敦煌网、京东网为例探讨了家纺产品网上交易模式,分析了2种平台交易模式的特点、发展状况及其优、劣势,同时展望了产学研合作构建纺产品全球电子商务与技术支持网络平台的发展前景.     

健康监测服装的探讨及应用前景

信息时代人们对穿着提出．了更高的要求。在美观舒适基本要求得到满足后,人们越来越多地希望服装能够为我们提供保护功能。本文研究通过将新材料以及信息技术等先进技术与传统服装技术相融合,创造的新型产品可对人体健康进行实时监测、反馈以便及时采取相应救护措施。主要对该监测系统以及服装的改性进行了深入的分析和探讨,未来的健康监测服装将得到广泛的应用,前景不可估量。     

基于机器视觉的机织物耐静水压性能检测

为提升机织物静水压检测效率,实现静水压自动评级,在优化视频采集模块的基础上,利用改进的背景差分法,对不同表观机织物静水压性能进行测试和分析。利用3D打印技术,实现采集设备和光源的封装;实时对视频帧进行掩膜、去噪和分割处理,以获得稳定有效的观测区域;利用优化更新背景策略的背景差分法,结合高斯混合模型,实现织物出水位置和帧位的实时记录,进而换算出织物耐静水压值。结果表明：该方法总体优于常规背景差分法、高斯混合模型背景差分法;对纯色和宽条格织物检测表现良好,误差在0.37%～2.77%;但对于细密的规则条纹和不规则印花织物误差较大,误差率在9.27%以上。该方法能够有效地检测纯色和部分规则花纹织物,对复杂表观织物的适用性有待提升。     

洗后织物外观视觉特征编码与折皱评级

为提高洗后织物外观平整度主客观评级的一致率,提出了基于视觉特征编码与多分类支持向量机相结合的织物折皱自动评级方法。首先,将6块立体标准样板扩充至450幅具有代表性的织物洗后折皱图像作为训练集;其次,模拟人眼视觉聚焦机制,利用稀疏编码技术,分别解析9个半级图像子库的多尺度编码特征,并构建形成各级特征向量链码;最后,利用线性多分类支持向量机算法评定其余200幅测试样本。实验结果表明:该方法主客观一致率为95.1%,评级精度为0.1级,单样本评级速度小于6 s,能够满足当前织物整理剂、洗涤剂、洗护设备等护理效果的商用评级用途。     

当前艺术院校学生人文素质的状况考察与分析

当前艺术院校学生人文素质不容乐观,具体表现在知识、能力和修养三个层面。造成这种现状的原因可概括为先天不足,后天失调。提高艺术院校学生人文素质的对策建议有：通过各种形式,培养艺术院校学生人文兴趣;转变思想观念,培养全面发展的人才;加强人文学科建设;提高教师队伍的人文素质;加强校园文化建设,提高学校的文化品位。     

聚酯纤维回收再利用及环境影响评价进展综述

聚酯纤维回收再利用不仅能节约资源,而且可以减轻环境负荷。文章综述了聚酯纤维回收再利用及其环境影响评价研究,结果表明:对聚酯纤维进行回收再利用比直接填埋或直接焚烧更具环境效益;聚酯纤维回收再利用方法主要有物理回收法、能量回收法和化学回收法,其中以物理回收法和化学回收法为主;物理回收法经济成本低,温室气体减排方面的环境效益好,但再生产品的质量有待提升;能量回收法通过焚烧的方式进行能量转换,产生较多的温室气体排放,环境效益较差;化学回收法得到的最终产物可以达到与原生聚酯纤维几乎相同的品质,降低回收再利用过程中的温室气体排放可以进一步提升该方法的环境效益。     

民族服饰色彩构成分析方法研究

为客观表述民族服饰的色彩构成,对选取的民族服饰主色进行了示范性度量和可视化表达。文章将选取的450幅图像色彩统一转换至HSV空间,利用K-均值聚类法分别对各民族服饰色彩进行聚类,提取各民族服饰的主色。依据色彩距离度量准则,重新优化主色的分布比例,并统计得出色相、饱和度及明度分布形态。实验结果表明,该方法能够有效地提取民族服饰主色,以可视化的方式表达出色彩特征值的分布情况。基于图像分析技术的色彩量化研究,有助于客观、准确地展示服饰色彩构成形态,为系统研究少数民族服饰色彩形成机制提供了可靠的测量方法。     

基于GPQ半监督神经网络的织物图像检索

为提升织物图像检索的准确性,采用改进的广义产品量化(generalized product quantization, GPQ)半监督神经网络实现弱纹理织物图像的检索。通过CLAHE方法增强织物图像纹理,加强底层纹理特征,以降低深度学习特征过拟合的概率。利用GPQ框架中产品量化、基于余弦相似性分类器和子空间极小最大熵损失计算,对提取的特征向量进行归一化,寻找最相似织物图像。实验中采用的织物数据集包含了12类不同纹理形式的织物试样,共计1 800幅图像。分别对比了基于颜色直方图的词袋模型、尺寸不变特征变换模型、最近邻和优化产品量化算法。结果表明：改进的GPQ半监督神经网络方法的平均精度均值达到89.47%,检索性能最优。该方法能批量、低成本检索出相似织物图像,提高织物图像检索的准确性。