基于Snake-Net算法的刺绣针法识别

为有效提取刺绣图像中针法的特征值，实现刺绣针法的分类识别，在分析刺绣针法特点的基础上，提出了点状针法、线状针法和块面状针法的三大针法分类，并以占主体的块面状针法中的齐针、抢针和套针3种基础针法为处理对象，分析对比其针法特征，构建针法模型。针对刺绣针法图像进行图像纹理细节的增强处理，基于Harris角点检测特征点和Canny轮廓筛选，对传统Snake算法进行改进，形成智能化HC-Snake模型，实现对目标轮廓的智能化识别并提取目标图像的纹理及颜色特征。通过数据的方差分析确定CON_sd,IDM_sd,E_a,E_sd,ENT_a,ENT_sd,COR_sd,SM和TM共9个特征指标，建立特征数据集。最后，建立神经网络分类模型，对针法样本进行分类，并对识别模型进行了实例验证。结果表明，该模型可以实现刺绣针法图像的分类，且分类准确率达到93.3%。     

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。