一种面向2D虚拟试穿的个性化体型定制方法

针对当前服装E-Commerce领域2D虚拟试穿中模特体型个性化的需求,提出了一种基于模板重用的个性化体型定制方法.首先通过拍照获得标准模特图像,然后采用边缘检测等图像处理技术自动划分特征区域,进而根据用户的体型参数运用插值算法对标准模特体型进行合理的变形处理,得到与用户体型近似匹配的个性化模特图像.为进一步依据模特体型特征对服装进行推理变形,从而为模拟基于个性化体型的试穿效果打下基础.仿真实验结果证明了该方法具有较高的鲁棒性与有效性.     

基于潜在半径优化策略的数字图像抠图算法

针对目标图像利用导向滤波算法进行图像抠图时参数需要根据不同图像进行人为设定的问题,提出了一种利用隐藏的支持向量机LSVM(latent support vector machine)自动设定参数的潜在半径优化的数字图像抠图算法.该方法首先是应用LSVM潜在性的思想,利用已知数据库模板训练输入目标图像的样本集,再利用样本集将导向图像和二值图像以不同半径进行分块并进行判定,确定半径值,从而能够自动产生合理参数.最后利用导向滤波器对图像进行抠图,从而优化抠图算法,最终实现抠图算法的智能化和灵活化.     

肤色检测结合Grab Cut的服装图像前景提取的改进

为解决全自动化Grab Cut算法应用于服装图像的前景提取时,无法去除模特肤色的干扰以及对一些复杂背景图像存在欠分割的问题,提出了新的前景提取方法:为有效去除模特肤色区域,提出了一种基于双边滤波去噪的肤色检测改进方法;为有效地去除欠分割区域,保留服装前景区域,提出了一种轮廓检测算法;将改进的肤色检测方法、轮廓检测算法与全自动化Grab Cut算法相结合,进行服装图像的前景提取. 实验结果表明:改进的肤色检测方法相比于现有的肤色检测算法,肤色检测的准确性明显提高;改进的前景提取算法的服装前景提取效果显著优于全自动化Grab Cut算法.     

论服装表演与服装设计的关系

服装表演是一门综合艺术学科,它的发展历史告诉我们,具有高素质教育的模特所进行的服装表演可以使服装作品理想化地实现自身意义,可赋予服装生命力,模特＂品、悟＂境界在服装表演中得到检验。     

男西装情感因子空间研究

服装款式复杂多变,而目前服装情感描述大多是定性描述,对各类服装的情感描述词也未进行系统分析.建立服装情感空间是实现计算机对服装图像情感识别及量化评价的重要前提.通过对男西装情感描述词的筛选、投票、初步确定、相关性分析、因子分析等过程进行了研究,最后得出一个2维的男西装情感因子空间,这样每幅图像对应着该因子空间上的2维坐标值,使得在因子空间上定义男西装图像间的情感相似度和对男西装图像按情感相似性进行评估和索引成为可能,为下一步实现男西装图像情感的机器评估和图像情感语义识别、检索奠定了基础.该方法同样可以扩展到其他类别的服装.     

服装展示与服装艺术

服装展示分为静态展示、准动态展示、动态展示和虚动态展示.服装艺术分为实用服装艺术、娱乐服装艺术和纯粹服装艺术.服装展示中,动态服装展示即服装表演是展示服装艺术的最高表现方法.     

基于摄像的服装款式CAD中的填充处理技术

研究基于摄像的服装款式ＣＡＤ设计技术,所实现的系统通过Ｉｌｕｍｉｎａｔｏｒ图形／图像卡摄取各类服装款式、各色面料及顾客,并分别存入款式库、面料库、顾客库,作为效果生成和款式生成的素材．在效果生成时可将款式库中的各类服装的裁片利用二维中值滤波器滤波后,采用Ｋｉｒｓｃｈ算子进行边缘检测,然后进行换色和换面料,并保持原有的皱折明暗;裁片处理可将款式裁片轮廓精确提取并存储．实验表明,系统利用本算法,处理效果形象逼真,整个系统使用方便,具有广阔的应用前景．     

高职高专院校服装表演课程标准浅析

《服装表演与编导》是服装与表演专业的主干课程。本课程是通过讲授有关时装展示、时装模特、广告摄影模特、表演技巧、时装表演的筹备、策划编导等内容，培养学生掌握走台基本功、实际表演能力及服装表演的策划组织能力。该门课程能够将走台的技巧、实际表演能力及服装表演编导、策划的知识和能力有机的融合在一起，不但能培养出色的服装展示者也能够培养演出的策划者、组织者、编导者和后台管理者，达到综合能力训练的目的，实现复合型人才培养的目标。     

采用精确抠图的单幅自然图像背景虚化合成方法

针对小光圈镜头下的单幅自然图像背景虚化问题,提出一种基于精确抠图的单幅自然图像背景虚化合成方法.首先,利用GrabCut算法对单幅自然图像的前景对象进行初始抠图;其次,采用基于局部二值模式算子的颜色恒常性算法提取图像纹理,并对初始抠图实现精确割图;然后,通过双边滤波虚化背景部分;最后,将精确分割后的前景部分与虚化后的背景部分合成.仿真结果表明：文中算法可以获得高质量的分割和视觉自然的背景虚化效果.     

一种基于Grab Cut和区域生长的服装图像前景提取算法

针对Grab Cut算法应用于服装检索系统中服装图像的前景提取时所存在的交互式、复杂背景提取效果差等问题,首先提出了一种全自动化的Grab Cut算法,以实现自动根据背景情况,对单一背景和复杂背景图像分别采用不同的方法生成初始矩形框并进行前景提取. 由于该算法仍存在欠分割或过分割现象,故将该算法与区域生长算法相结合,给出了一种结合区域生长的全自动化Grab Cut算法. 实验结果表明,无论对于单一背景还是复杂背景的图像,改进算法的前景提取效果都明显优于传统算法,不仅能准确获取服装前景区域,而且对于服装内部的过分割问题也有很大的改善.