论文部分内容阅读
随着服装电子商务的发展,互联网上的服装数据开始膨胀,服装检索和搭配技术成为了不可缺少的关键技术。服装检索技术可以帮助用户快速找到心仪的服装,智能的服装搭配技术可以帮助广大非服装专业的普通用户快速找到合适的搭配方案。如何构建便捷、准确的服装检索技术和面向普通用户的智能服装搭配技术是非常有意义的工作。服装图像中蕴含了丰富的信息,由于服装特征信息难以用语义准确描述,本文基于图像内容对服装检索和推荐技术进行了一系列的研究,主要完成以下工作：1.本文从颜色特征、纹理特征、形状特征和局部特征四个方面给出了服装图像特征提取技术及特征描述方法,并分析各个特征的特点及作用,为服装检索及搭配技术提供了视觉理论基础。其中,重点介绍了HSV彩色模型、Tamura纹理、Gabor纹理、SIFT特征、SURF特征和极大稳定极值区域MSERs,并基于约束三角剖分提出了服装骨架提取及结点优化算法。2.提出了基于局部词频相关性和SIFT特征距离矩阵的Bundled特征匹配方法。图像Bundled特征由MSERs区域中的被量化为视觉词汇的SIFT特征捆绑在一起构成,本文通过计算Bundled特征之间的相似度进行匹配,Bundled特征的相似度计算可分为两部分：1)局部词频相关性,通过检查两个Bundled特征中的共同视觉词汇,并把计算出来的词频相关性用于Bundled特征相似度计算；2)SIFT特征距离矩阵,SIFT特征矩阵由Bundled特征中每两个SIFT特征之间的距离构成,本文把SIFT特征距离矩阵作为几何一致性约束,该几何约束具有选择不变性和缩放不变性。实验结果表明,该方法有效提升了Bundled特征的匹配效果。3.提出了基于多Bundled特征服装图像相似度融合计算方法及检索技术。本文基于IF-IDF词汇权重、SIFT特征量化精度和局部词频提出了Bundled特征权重设置方法,并对服装图像中的匹配上的Bundled特征相似度进行加权,提出了多Bundled特征相似度融合计算方法。通过构建服装图像倒排序索引结构,提出了服装检索技术,并实现了服装检索原型系统。实验结果表明,该检索技术在服装图像存在变形、遮挡及复杂背景等外界因素时都是有效的。4.提出了基于图像颜色纹理融合特征的服装风格视觉空间定义方法。本文基于服装图像HSV彩色模型和Tamura纹理特征构建了HSV-T特征空间,并使用KPCA降维技术得到HSV-T特征子空间,然后通过对HSV-T特征子空间使用聚类方法定义了服装风格视觉空间。实验结果表明,通过服装风格视觉空间得到的服装风格分类和人类视觉感观是相近的。5.提出了基于风格视觉空间和搭配数据集的智能服装搭配技术。本文基于服装功能类别和风格视觉空间定义了服装搭配图模式,然后基于TPO搭配原则构建了服装搭配数据集。接着用Apriori算法从搭配数据集中构建频繁项集,挖掘服装关联规则,设计了一种智能搭配推荐算法,并实现了服装搭配原型系统。实验结果表明,该智能搭配技术可以引导广大普通用户快速找到合适的搭配方案。