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%。