摘要：为有效扩展曲面枕个体适应性,满足大规模个性化定制需求,提出了基于机器视觉的曲面枕个性化定制方法。采用MINet显著性目标检测实现人像的自动分割与轮廓提取。在此基础上,对人像中的4个关键参考点、32个特征点进行提取,实现轮廓曲线的快速拟合与尺寸测量,以此方式构建头部样本数据集。通过数据聚类,将65个样本划分成12类,使用三维建模软件绘制出适合个体头、颈、肩部尺寸需求,满足仰、侧睡姿需求的曲面枕。实验得到12种曲面枕关键尺寸参数,包括侧卧区域高度、仰卧贴合区域曲线峰值和谷值。该方法进一步扩展了曲面枕形态适应性,为曲面枕定制提供分类方法参考。

摘要：文章选用3种不同色彩迁移算法,将蝴蝶的配色风格自动迁移至目标纹样中。将输出纹样与针织毛衫设计相结合,采用虚拟设计的形式呈现不同种类蝴蝶呈色风格。试验选取5类典型蝴蝶作为色彩参考源,对Reinhard、Welsh和Fast Neural Style(FNS)3种算法迁移效果进行对比发现,FNS算法生成图像色彩过渡自然、底色未受影响,与参考图像风格接近,色彩迁移平均耗时每张图片0.37s。该研究从蝴蝶图像中提炼色彩特征,为针织毛衫设计提供了新思路,对其他类型的服饰产品设计具有一定参考价值。

摘要：为准确提取人体轮廓,提出基于MINet模型的复杂背景人体轮廓提取方法。拍摄正、侧面人体全身照并标注掩膜图,匹配不同的复杂背景,融合形成2860张多场景下的人像数据集。利用迁移学习机制,优化MINet显著目标检测模型,提取人体轮廓。分别对比了基于迁移学习的策略与原模型、U2Net显著目标检测模型、Mediapipe人体轮廓提取算法和传统阈值分割算法的人体轮廓提取效果。结果表明:基于迁移学习的MINet模型具有最优的人体轮廓提取性能,其准确率、精度、召回率和综合指标分别达到了0.998、0.987、0.992和0.990,人体轮廓提取效果与标注的掩模图最为近似。该方法能低成本、批量化、快速提取图像中的人体轮廓,为远程服装定制中的照片测量提供有效的技术方法。

摘要：蝶翼色彩娇艳华美、醒目多变,是纺织品图案仿生设计的重要灵感来源。为具象化表述不同类别蝴蝶的呈色特点,解析其色彩组合规则,以图谱方式描绘色彩构成,并应用到当代纺织品设计当中,选取5类不同呈色风格的蝴蝶图像,利用颜色聚类算法提取出颜色占比、颜色距离、节点共现率等关键指标,构建蝴蝶呈色关系图谱,以可视化的方式呈现不同类别蝴蝶的配色形式。实证分析与再生设计部分分别对5类典型蝴蝶,共计100幅样本图像颜色进行提取和分析,依据其呈色规则,复用至线稿纹样当中,形成近似蝴蝶呈色风格的纺织品图案,并在服装、家纺等产品中进行映射和虚拟展示。该方法能够对生物呈色进行量化,为时尚产品意象色彩的提取和应用提供了参考方案。

摘要：为提升织物图像检索的准确性,采用改进的广义产品量化(generalized product quantization, GPQ)半监督神经网络实现弱纹理织物图像的检索。通过CLAHE方法增强织物图像纹理,加强底层纹理特征,以降低深度学习特征过拟合的概率。利用GPQ框架中产品量化、基于余弦相似性分类器和子空间极小最大熵损失计算,对提取的特征向量进行归一化,寻找最相似织物图像。实验中采用的织物数据集包含了12类不同纹理形式的织物试样,共计1 800幅图像。分别对比了基于颜色直方图的词袋模型、尺寸不变特征变换模型、最近邻和优化产品量化算法。结果表明:改进的GPQ半监督神经网络方法的平均精度均值达到89.47%,检索性能最优。该方法能批量、低成本检索出相似织物图像,提高织物图像检索的准确性。

摘要：文章以5个典型民族服饰为实证研究对象,利用图像分析技术,自适应提取序列场景意象色彩,融合多维特征构建色彩网络关系模型;结合待配色对象形态特征,以和谐论为指导,实现基于意象色彩的纹样自动配色。试验部分在解析民族服饰设色形态的基础上,以色序、同类、对比及综合配色法则,自动生成了多类型纹样的风格迁移赋色。该方法的实施提升了设计决策效能,为当代时尚创意与智慧设计提供了参考解决方案。