基于圖像內(nèi)容的服裝檢索與搭配技術(shù)研究.pdf

1、隨著服裝電子商務的發(fā)展，互聯(lián)網(wǎng)上的服裝數(shù)據(jù)開始膨脹，服裝檢索和搭配技術(shù)成為了不可缺少的關(guān)鍵技術(shù)。服裝檢索技術(shù)可以幫助用戶快速找到心儀的服裝，智能的服裝搭配技術(shù)可以幫助廣大非服裝專業(yè)的普通用戶快速找到合適的搭配方案。如何構(gòu)建便捷、準確的服裝檢索技術(shù)和面向普通用戶的智能服裝搭配技術(shù)是非常有意義的工作。服裝圖像中蘊含了豐富的信息，由于服裝特征信息難以用語義準確描述，本文基于圖像內(nèi)容對服裝檢索和推薦技術(shù)進行了一系列的研究，主要完成以下工作:

2、r>　　1.本文從顏色特征、紋理特征、形狀特征和局部特征四個方面給出了服裝圖像特征提取技術(shù)及特征描述方法，并分析各個特征的特點及作用，為服裝檢索及搭配技術(shù)提供了視覺理論基礎(chǔ)。其中，重點介紹了HSV彩色模型、Tamura紋理、Gabor紋理、SIFT特征、SURF特征和極大穩(wěn)定極值區(qū)域MSERs，并基于約束三角剖分提出了服裝骨架提取及結(jié)點優(yōu)化算法。
　　2.提出了基于局部詞頻相關(guān)性和SIFT特征距離矩陣的Bundled特征匹配方法。

3、圖像Bundled特征由MSERs區(qū)域中的被量化為視覺詞匯的SIFT特征捆綁在一起構(gòu)成，本文通過計算Bundled特征之間的相似度進行匹配，Bundled特征的相似度計算可分為兩部分:1）局部詞頻相關(guān)性，通過檢查兩個Bundled特征中的共同視覺詞匯，并把計算出來的詞頻相關(guān)性用于Bundled特征相似度計算;2）SIFT特征距離矩陣，SIFT特征矩陣由Bundled特征中每兩個SIFT特征之間的距離構(gòu)成，本文把SIFT特征距離矩陣作為幾

4、何一致性約束，該幾何約束具有選擇不變性和縮放不變性。實驗結(jié)果表明，該方法有效提升了Bundled特征的匹配效果。
　　3.提出了基于多Bundled特征服裝圖像相似度融合計算方法及檢索技術(shù)。本文基于IF-IDF詞匯權(quán)重、SIFT特征量化精度和局部詞頻提出了Bundled特征權(quán)重設置方法，并對服裝圖像中的匹配上的Bundled特征相似度進行加權(quán)，提出了多Bundled特征相似度融合計算方法。通過構(gòu)建服裝圖像倒排序索引結(jié)構(gòu)，提出了服裝

5、檢索技術(shù)，并實現(xiàn)了服裝檢索原型系統(tǒng)。實驗結(jié)果表明，該檢索技術(shù)在服裝圖像存在變形、遮擋及復雜背景等外界因素時都是有效的。
　　4.提出了基于圖像顏色紋理融合特征的服裝風格視覺空間定義方法。本文基于服裝圖像HSV彩色模型和Tamura紋理特征構(gòu)建了HSV-T特征空間，并使用KPCA降維技術(shù)得到HSV-T特征子空間，然后通過對HSV-T特征子空間使用聚類方法定義了服裝風格視覺空間。實驗結(jié)果表明，通過服裝風格視覺空間得到的服裝風格分類和人