论文部分内容阅读
21世纪以来，随着纺织业的迅速发展，布料产品得到了极大的丰富，为服装设计提供了充足的资源。但是对服装设计师而言，要靠人工从成千上万的布料图像库中找到其所需的布料，是极其耗时和困难的。计算机机器视觉和图像智能分析技术的发展为该应用提供了可能。 为了满足服装设计师在服装设计时选取布料的需求:一是希望在布料库中找到近乎相同的布料及图案类别、图案空间分布或颜色相近的布料;二是可以实现在海量布料库中快速检索布料图像。本文做了以下研究，主要分为三点: 1.研究了基于改进SURF和K-Means颜色聚类的布料图像匹配算法（C_AWtSurf算法）。提出了基于小波变换的自适应SURF的布料图像形状特征提取算法和基于K-Means聚类的布料图像颜色分析方法使得匹配结果更加符合人眼视觉特性; 2.研究了基于视觉单词和PLSA的布料图像匹配算法（SKP算法）。为了进一步提高匹配准确度和速度，提出了基于视觉单词和PLSA的图像匹配算法（SKP算法）。该算法提取图像的SIFT特征，采用K-Means聚类生成视觉词袋，计算图像的形状特征直方图，最终利用PLSA算法进行图像分类; 3.研究了基于感知哈希的布料图像检索算法。针对海量布料图像库，提出了基于感知哈希的布料图像快速匹配和检索算法（SKE算法），该算法在SKP的基础上，利用E2LSH编码，实现海量布料图像的快速匹配和检索。