基于改进边缘检测算法的服装款式识别

为快速识别服装款式类型,提高生产效率,针对现有传统边缘检测算法难以准确提取轮廓特征序列的不足,设计一种改进的边缘提取算法。通过定义一种新的优化卷积核,在使用传统边缘检测算法提取训练样本的服装轮廓基础上,将该卷积核与目标矩阵进行卷积得到新的外轮廓,将新轮廓序列的傅里叶描述子作为特征向量,进一步利用BP神经网络模型完成服装款式的自动分类与识别。为验证改进方法的有效性,建立一个包含4类服装500个不重复服装图像的样本库,选取281个作为训练样本,对剩余219个样本进行测试,测试识别准确率最低为93.48%,最高达到了100%。该改进算法提高了服装款式识别率,对服装智能化生产具有借鉴意义。     

男西装两片袖纸样放缩方法设计

针对服装纸样放缩问题,从纸样放缩方法、坐标选择方式、档差(包括成品规格档差和细部档差)分配方式等分块进行分析研究,利用服装CAD对西装两片袖放缩,分析不同纸样放缩方法的优缺点,检验放缩后的纸样,总结归纳出最优的坐标方式和档差分配方案以及西装纸样放缩的变化规律,进一步深化和完善服装纸样放缩的方法,达到提高效率和质量的目的...     

基于褶皱特征参数的男西装袖弊病类别的自动识别

为实现自动判别男西装袖的弊病类型，提出了一种将图像处理技术与BP神经网络相结合的判别方法。首先收集不同弊病类型的男西装袖图像，借用MATLAB平台，对图像进行灰度化、灰度增强、二值化等预处理，绘制褶皱部位的灰度曲线图；然后基于灰度曲线图以及二值化图提取褶皱宽度、褶皱深度和褶皱斜率等3个特征参数；最后将提取的特征参数和对应的弊病类型输入到BP神经网络中训练和识别，对男西装袖弊病图像的类型进行分类。结果显示，提出的方法对袖弊病类型的判别具有较高的准确率与稳定性。     

肩斜度与服装背宽线的相关性

以160/84A国家标准人台为研究对象,探讨了人体肩斜度与服装背宽线的关系以及二者的理论模型.以3°的公差改变人体模特的肩斜度,共变化5次,通过立体裁剪的方法获得衣身样板,将平面样板叠加,得到相应的数据,以此对肩斜度与服装背宽线的相关性进行分析,总结出衣身平面结构的变化规律,丰富女上装结构设计的理论知识.