针织服装设计与开发过程中的色彩传递与变化

来源 :东华大学 | 被引量 : 0次 | 上传用户:caory
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着针织服装在服装生产销售总量中的占比不断提升,消费者对针织服装的设计感和时尚性的要求不断提高。作为影响针织服装整体视觉效果和风格的重要设计要素之一,针织服装的色彩愈发变化多样。由于针织服装色彩一般主要来源于染色纱线的色彩及其在织物、服装中的搭配使用。随着市场对针织服装生产周期以及对流行趋势的反应速度提出的更高要求,电子纱卡和虚拟展示的逐渐推广,准确挑选符合设计色彩需求的纱线,并在设计与开发中保持其色彩传递的一致性对针织服装的设计与开发来说尤为重要。但在针织服装设计与生产的实际过程中,随着色彩信息通过色卡、纱线、织物等不同载体的传递,其呈现出色彩的色相、明暗度及饱和度会存在一定的差异。本课题基于文献综述和针织服装行业调研,讨论了在针织服装设计与生产过程中在纱线选择、组织结构的设计与织造以及纱线搭配组合、服装层面的色彩搭配设计等三个层面的导致织物色彩差异的主要因素;确定纱线、织物组织结构与色彩搭配方式并进行织物织造;利用分光光度计、数码测色和图像分析相结合的方法,获取各待测样本的色彩信息值;利用数据分析方法,分析各影响因素对针织物色彩的影响规律。首先,基于相关文献资料的阅读与包括问卷调查、专家访谈在内的针织服装行业调研,确定了纤维成分、纱线色彩、织物组织结构类型、织物密度以及色彩搭配方式作为本文研究的针织物在色彩传递过程中产生色彩差异的主要影响因素进行深入研究。其次,选择3种纤维成分(羊毛、棉、腈纶)以及3种色彩(红、黄、蓝)的纱线,织造了3种密度的3种基本组织结构(平纹、罗纹、双反面)的素色织物以及3种提花织物(二色空气层提花,二色和三色芝麻点提花),并对织物的光谱反射率以及HSV色彩空间的色彩值进行测试。通过对素色织物的色彩值进行分析可得:(1)对于构成各种针织物的正反线圈而言:同一纱线的反面线圈比正面线圈的饱和度更高、明度更低。以羊毛纱线为例进行拟合得到的两者饱和度值和明度值的拟合方程分别为:SB=1.040SF-0.005,R~2=0.996;VB=1.008VF-0.020,R~2=0.999(S、V分别表示织物的饱和度值和明度值;下标“F”、“B”分别表示织物的正反面)。(2)由纱线织造得到不同组织结构参数的素色织物的过程中,色相值几乎不发生改变。(3)织物色彩饱和度值受密度和组织结构的共同影响,其中,密度降低,饱和度值增大;而在研究所探究三种组织结构的织物中,SPU>SR>SPL。明度值主要受组织结构的影响,变化规律为:VY>VPL>VR>VPU(下标“Y”、“PL”、“(PU)”、“R”分别表示纱线纱卡以及平针、双反面和罗纹织物)。(4)由组织结构参数变化导致的织物色彩值的变化幅度在不同色彩和纤维成分纱线织造的织物中存在差异。对于饱和度与明度较高且表面毛羽较少的纱线,影响程度会更为显著。通过对羊毛纱线织造的针织提花织物的色彩值进行分析可得:(1)对于正面为素色且底纱为其它色彩的提花织物,露底情况会使正面织物色彩的饱和度值和明度值发生改变,且影响因素主要是底面的色彩。正面素色的提花织物的正面色彩饱和度值与底面饱和度值的回归关系为:y1=0.996x1+0.027x2-0.035,R~2=0.994。y1为正面为素色的提花织物正面饱和度值;x1为正面纱线所织造的平针织物饱和度值;x2为织物底面色彩的饱和度值。织物正面明度值与底面明度值的回归关系为:y2=0.889 x1+0.060 x2+0.007,R~2=0.987。其中,y2为正面为素色的提花织物正面明度值;x1为正面纱线所织造的平针织物明度值;x2为织物底面色彩的明度值。(2)两色搭配时,色彩的饱和度间的相互影响最为显著,其回归关系为y=-0.044+0.894x1+0.120x2,R~2=0.907。其中,y是纱线在两色搭配织物中的饱和度值,x1是对应织物中该纱线织造的表面为素色部分织物的饱和度值,x2为与该纱线搭配的纱线在两色织物中的饱和度值。综上,本课题对针织服装设计与开发过程中,导致色彩信息传递时产生色彩差异的因素以及各因素对色彩变化的影响规律进行了探究,为设计师选纱环节提供了一定依据,并为后续针织服装设计与开发过程中更精准的色彩管理提供了一定的参考和思路。
其他文献
近年来,目标检测算法发展十分迅速,成果也非常显著,基于深度学习的检测算法更有着远超传统算法的性能。但是,该领域的发展仍然存在着一些问题和挑战。首先是在特定检测应用场景,比如人头检测中的虚警和漏检问题,限制了其在一些对计数准确度要求比较高的情况下的应用;其次,由于全监督下基于深度学习的检测算法一般需要大量的标签才能够训练出一个比较好的模型,为降低大量标注所带来的人力和物力上的消耗,出现了半监督和弱监
学位
作为自然语言处理中的一项重要任务,机器阅读理解(Machine Reading Comprehension,MRC)已经受到了业界内广泛的关注,大量研究人员正积极探索这一新兴领域。其具体指的是让机器依据给定的文本信息来回答一个语义相关的问题,通常这是一个较复杂和漫长的流程,涉及到语义编码、信息融合、模块交互等众多方面。而多跳MRC则在此基础上提出了更高的要求,要求机器具备推理能力,本文就此任务展开
学位
新型冠状病毒疫情的突发及在全球范围内的迅速蔓延,人们对于防疫用口罩的需求激增。防疫用口罩的种类繁多,各类适用的场景有所不同,在选择和使用上容易存在误区;大量的防疫用口罩产品的使用带来的环境负面影响不可小觑。此前,纺织领域的研究者已将碳足迹、水足迹及化学品足迹等生命周期评价方法的指标相结合,量化评估纺织业所产生的温室气体排放、水资源消耗和化学品污染相关的潜在环境影响。但是,国内外学者对防疫类口罩的环
学位
图像目标检测是计算机视觉领域的一个基础任务,主要用于自动识别和定位图像中的特定目标,是许多人工智能技术的基础,有极其重要的军用民用价值。近年来,基于深度学习的目标检测方法取得了飞速的发展,也成功应用于一些工业场景。但是,可靠性不足、计算量过高、泛化能力差等问题大大限制了目标检测算法的应用范围。本文以大规模公开的数据集中的目标为对象,对图像目标检测算法展开了研究。研究工作包括三个部分:(1)总结了目
学位
多目标跟踪任务需要在视频图像中确定目标位置、维持目标身份信息。通过将深度学习方法应用到数据驱动条件下来学习特征的思路已经在多个研究领域取得了很好的效果。因此,本文将深度学习方法引入到多目标跟踪框架中,期望提升跟踪的整体性能。此问题的研究具有重要的工业价值与广泛的军事应用前景。本文主要工作包括以下三个部分:(1)分析了多目标跟踪问题研究现状与发展趋势,对主流多目标跟踪公开数据集MOT16进行了详细说
学位
随着近年来深度学习的不断发展,出现了很多结构复杂,性能优异的深度神经网络。越来越多的人工智能应用领域如计算机视觉、自然语言处理和语音识别等都使用深度学习方法解决问题。在构建深度神经网络后,需要给网络提供高性能的计算环境和大量的训练数据,才能充分发挥神经网络的优势。在现实生活中,很多领域难以获得足够的训练样本,因此会造成网络的性能下降。此外,传统的神经网络可扩展性较差也是深度学习方法的缺点之一。因此
学位
多目标跟踪作为计算机视觉的一个重要分支,在智能机器人、视频分析、人机交互等领域都具有最要的应用价值。近些年来,深度学习在多目标跟踪方向的应用极大地提升了跟踪的精度,但随着视频监控、自动驾驶等领域的出现,对多目标跟踪算法的实时性需求也越来越大。为了解决这些问题,本文着眼于在保证多目标跟踪精度的同时提升算法的速度,主要进行了以下几方面的研究:(1)提出一种表观和运动特征融合的多目标跟踪算法。该算法基于
学位
狮纹在中国的发展有其独特的作用和含义,来自异域的狮子题材在丝绸之路中往复传递并逐渐产生变异,在向华夏文明圈传播的过程中慢慢向中原本土转化。受不同时期的社会背景与受众需求影响而有着不同的象征意义,其内在的蕴含不断变化。论文以北朝至元代丝织品中的狮纹为研究对象,以同时期金银器、石刻、绘画、壁画等其他艺术形式上的狮子形象为辅。研究内容如下:论文首先从墓葬出土实物、博物馆的部分馆藏实物和私人所藏狮纹丝织品
学位
为了进一步改善拉萨市墨竹工卡县扎雪乡格老窝村青稞品种单一、品种严重退化等问题,加快推进新品种示范进度,结合当地实际情况及需求,特选取拉萨市农业技术推广总站育种的青稞新品种“苏拉青2号”与当地品种“白青稞”,于2021年在墨竹工卡县扎雪乡格老窝村开展了品比试验,挖掘新品种的丰产适应性及潜力。试验结果表明,“苏拉青2号”新品种广适性高、丰产性好,适合在该区域推广种植。
期刊
伴随着互联网数据的爆炸式增长,如何存储、管理、应用这些杂乱的非结构化数据,已成为人工智能领域的热门课题。知识图谱把杂乱数据中的概念、实体及其关系整理成结构化数据,并存储到图结构中,转化为人类认识世界的形式,利于管理、搜索、分析以及应用海量数据。实体关系抽取作为知识图谱构建任务的重要步骤,主要任务是把非结构化文本转化为结构化知识,直接影响着知识图谱的质量。同时,实体关系抽取还是搜索引擎、人机对话、智
学位