论文部分内容阅读
视觉效果无疑是现代服装最重要的方面。目前，业内尚未建立起服装视觉效果的自动识别和量化体系，设计师或专家凭借个人经验对服装视觉效果作出的判断无法得到客观检验，大规模的服装视觉元素采集和分析也难以开展。本研究在着装人体基础上，利用图像处理和分析技术，对传统服装视觉元素进行识别和量化，形成较为完整的服装视觉元素评价体系，为服装视觉效果的大规模采集和自动化评估、服装流行趋势的跟踪和预测提供基础。本研究将着装图像视觉元素的识别分成四个方面：图像前期处理、人体部位识别、款式识别和色彩识别 在图像的前期处理环节，首先对样本图像的尺寸大小和分辨率实施了控制，以统一图像的规格和结构；然后讨论了二维OTSU算法和FCM算法在图像分割问题上的优缺点，提出了改进的算法用于着装人体与背景的分割；研究运用使用数学形态学手段对着装人体进行了轮廓提取，并讨论了形态因子导致的偏移问题及其补偿办法。 在人体部位识别研究中，首先定义了人脸特征区域，并建立了人脸与头高之间的联系，使用AdaBoost方法对图像中的人脸进行检测，根据人脸与头部、与身长的关系对着装人体轮廓进行划分，将人体由上而下划分成头、肩胸、胸腰、腰臀、大腿和小腿六大区段，为后续环节在着装人体各个部位进行更有针对性的分析与处理奠定了基础。 在服装款式识别方面，提取了图像上各个区段的宽度，利用区段宽度比例关系提出了廓形系数的概念，用以表征服装款式与各种常见服装廓形的接近程度；对肩胸区段两侧的轮廓线进行分析，提出了方向序列的概念，揭示了肩颈点和肩高点在肩线上的特征，由此确定了肩颈点和肩高点的位置，计算出了肩斜角与落肩量；对胸腰区段的宽度进行分析，揭示了腰部水平线在宽度曲线上的特征，由此确定了腰部水平线的位置，并计算出了腰宽和腰高；对腿部区段进行分析，从宽度差分曲线上揭示了下摆线的特征，识别了下摆所在的位置，计算出了下摆高和下摆宽。 在服装色彩识别方面，从HSV颜色模型出发，对着装人体轮廓内的色彩进行统计和分析，得到了着装人体的色相分布图，在此基础上按照同类色原则，将色相环划分成24个区域，得到区域分布图，在区域分布图上由占比最高的色相区域决定服装色彩的主色调；在考虑面积影响的基础上，建立了色相对比度公式，使得服装色彩上的同类色、类似色、中差色及对比色得以计算和量化；建立了纯度对比度公式及明度对比度公式，使得传统上的纯度对比和明度对比类型得以量化表达。 在色感觉的识别方面，从色彩三要素对软硬、轻重即冷暖的影响出发，建立了硬度系数、重量系数和冷暖明确系数公式，使服装视觉上的软硬感、轻重感和冷暖感得以量化表达；综合硬度、重量和温度感，分别考察着装人体轮廓的左右两部分，提出了平衡系数的概念，用以表征服装视觉上的平衡感。从Lab色差的角度提出了粗糙系数的概念，用以表达面料的滑涩感，在着装人体轮廓内统计Lab色差，表达服装视觉上的滑涩感。 在服装闪光效果的识别方面，对图像中做射线亮度跟踪，得到亮点的亮度、面积和命中率，建立了亮点显著系数公式，并讨论了逼近控制对亮点显著系数的影响；在亮点显著系数的基础上，提出了亮点骨架矩阵，通过分析亮点骨架矩阵得出了闪光系数公式，用以表征装饰性服装上的闪光效果。 在服装图案花纹的识别方面，利用多尺度分析技术提出了全景图的概念，用来考察服装色彩重复性即图案的连续性，从全景图上得出了重复角和重复尺度，连续性参数由此确定；提出了共轭角系数，用来区分和识别二方连续和四方连续图案。 在上述理论基础上，本研究开发了服装视觉元素采集与分析软件，并与搭建的视觉元素采集硬件环境一起实现了服装视觉元素采集与分析系统；利用该系统对意大利“古驰”品牌十年间发布的春夏季时装进行了视觉元素的采集和分析，得出了一系列汇总信息和趋势信息。 本研究的主要贡献在于：从图像前期处理、人体部位识别、款式识别、色彩识别四个方面探索了服装视觉元素的识别与量化的方法，形成了较为完整的识别与评价体系，并在此基础上进行了软硬件设计，利用计算机编程和自动化技术实现了服装视觉元素采集和分析系统，为服装视觉效果的自动化评估、服装流行趋势的跟踪和预测提供了理论基础和实践平台。