【摘 要】
：
分块加权颜色直方图算法应用于服装检索时效果并不理想。针对存在的问题,对传统算法进行改进。首先采用3×3不均匀分块方式,通过大量实验获取了最佳分块大小和加权权重比。其次,结合Grabcut图像分割算法,提出了一种基于Grabcut图像分割的前景色分块加权颜色直方图算法。对纯色、带少量图案和花色这三类服装,分简单和复杂背景两种情况,分别进行实验。实验结果表明,相比两种传统算法,改进算法很好的解决了服装
论文部分内容阅读
分块加权颜色直方图算法应用于服装检索时效果并不理想。针对存在的问题,对传统算法进行改进。首先采用3×3不均匀分块方式,通过大量实验获取了最佳分块大小和加权权重比。其次,结合Grabcut图像分割算法,提出了一种基于Grabcut图像分割的前景色分块加权颜色直方图算法。对纯色、带少量图案和花色这三类服装,分简单和复杂背景两种情况,分别进行实验。实验结果表明,相比两种传统算法,改进算法很好的解决了服装背景色干扰的问题。对于三类服装的检索,改进算法的查准率和查全率均比另两种传统算法有了显著提高。尤其是对于
其他文献
工具:Adobe Photoshop CC目的:通过光线改变让图片变身欧美时尚奢侈品大片效果现在越来越多人喜欢拍摄夕阳次光的效果,但是适合夕阳的色调并不是很多。因为夕阳本身颜色就足够鲜艳不能够使用太多的颜色。颜色越多图片就越脏,而且夕阳的图片更突出人物,这时候调色选择欧美色绝对是不二选择了,因为夕阳原片本身就属于文艺风格的图片,而欧美色里面的红黄绿蓝正好也是文艺风使用最多的颜色。欧美色一方面看上去
工具:Adobe Photoshop CC目的:制作成广告宣传图一样的效果展现让人羡慕的秀发时间:80分钟洗发水宣传图是由明星拍摄的,也是需要强大的后期支持。头发的柔顺亮丽是不可能通过拍摄就达到的。原片问题存在比较大,总体分成两方面:第一前期拍摄方面,因为从拍摄相机到电脑图片质量会有一定变化,导致图片首先亮度很欠缺尤其是头发位置很暗,对于头发
用Snapseed二次曝光功能玩创意最近,Snapseed一直在升级,不仅加入了人像美肤功能,又加入了全新的多重曝光功能。面对谷歌如此大力的为Snapseed添加这样那样的功能,你都不好意思不使用这款App,毕竟加入了全新功能的Snapseed是越来越强大,甚至担当起了"废片"拯救者的角色。今天我们就来聊一聊Snapseed
人类生活质量的提高离不开信息技术的支持。随着信息技术的发展,世界发生了重大的变化,使人类的生活更加便捷。当今时代是信息时代,信息化水平已经逐渐成为衡量一个国家综合水平的重要标志之一。因此,各国政府纷纷加强对信息技术的研发与应用,并持续建立信息化的产业体系,在信息产业体系中,物联网被看作是该产业最重要、最新的增长点之一,因而,加强对物联网的研究是必要的。另外,互联网实现了人与人之间的
全球科技巨头都对语音识别领域虎视眈眈,对此也都是投以重金。语音识别技术发展多年,在众多领域已经被广泛运用。国外上有苹果的Siri、谷歌的Google Assistant、亚马逊的Alexa等产品;国内有科大讯飞、云知声、盛大、捷通华声、搜狗语音助手、紫冬口译、百度语音等产品。
随着社会的发展与人类生活水平的提高,人类越来越重视身份识别的准确性、安全性与稳定性。人的身体特征表现出来的几大特点:不可复制性、唯一性、普遍性和稳定性等。在众多生物特征识别方法中,基于虹膜的生物特征识别性能指标远高于其他特征识别,所以红膜识别在特征识别中具有很高的科学研究价值。本文主要介绍虹膜识别系统包含虹膜图像预处理、虹膜区域定位和虹膜匹配这几个过程。
最近在Facebook上,有一款名为Face dance的游戏火了。这款游戏和音乐类相似,音乐类游戏要在音符到达识别线之前按下正确的按键,而Face dance则依靠人脸识别,根据游戏指示做出种种表情。游戏中,摄像头还会把整个过程录下来,让用户们在社交网站上展示自己的颜艺。于是就有了我们看到的各种搞笑视频。从技术角度看,Face dance应用的还是比较初级的人脸表情识别。通常情况是提取人脸特征,
Imaging technology plays a significant role in various fields such as astronomy,monitoring,and medical treatment.The traditional Shannon/Nyquist sampling theorem specifies that one must sample at leas
运动目标检测是计算机视觉领域极具挑战性的难题,针对CP3(Co-occurrence Probability based Pixel Pairs)算法的计算量大、实时性差,运动目标遮挡检测不完全等问题提出了改进方法:一种融合SLIC(Simple Linear Iterative Cluster)超像素与CP3算法的目标检测算法(Co-occurrence Probability based Su
针对传统方法边缘细化不准确、效率低的问题,提出混合像元分解下的二维激光图像亚像素边缘细化方法。首先通过非局部均值算法对二维激光图像进行去噪,提取二维激光图像亚像素边缘特征,然后对二维激光图像非极大值进行抑制,引入自适应加权平均融合法,最后结合反扩散思想法,实现对二维激光图像亚像素边缘的细化。结果表明,本文方法的细化结果相比传统细化方法在细化误差、信噪比方面均有一定的提高。